self-learn-skill-agent

一个用 Python 搭起来的极简智能体原型。当前版本重点是最小主循环、声明式工作流、可切换的决策 brain 接口，以及为后续反思、学习、MCP 扩展预留结构。

这个仓库现在是“骨架可运行”，不是完整产品。

当前已实现

AgentApp -> AgentKernel -> WorkflowEngine 的最小执行链路
基于 YAML 的工作流加载
三种决策 brain 接口适配：
- Anthropic Messages
- OpenAI-compatible Chat Completions
- OpenAI Responses
事件记录
一个默认工作流 default_chat

当前未完成或仍为占位实现

真正的 MCP server 接入与调用
真实的反思逻辑
技能学习持久化
面板输出 / 订阅
完整测试与打包配置

目录结构

src/minimal_agent/
  app.py
  brain/
  config/
  core/
  learning/
  mcp/
  panel/
  reflection/
  workflow/

configs/
  agent.yaml
  llm.yaml
  prompts/
  workflows/

docs/
  architecture.md
  user-manual.md

tests/

环境要求

Python 3.12 或 3.13
建议使用虚拟环境

安装

创建虚拟环境

python3 -m venv .venv

安装依赖

./.venv/bin/pip install -r requirements.txt

配置环境变量

cp .env.example .env

按需填写：

ANTHROPIC_API_KEY
OPENAI_COMPATIBLE_API_KEY
OPENAI_RESPONSES_API_KEY

运行

默认入口：

PYTHONPATH=src ./.venv/bin/python main.py

默认会加载根目录 config.yaml，并执行 default_chat 工作流。

配置说明

配置优先读取：

config.yaml
如果 config.yaml 不存在或为空，则退回到：
- configs/agent.yaml
- configs/llm.yaml

主要配置项示例见 config.yaml。

关键字段：

agent.default_workflow：默认工作流 ID
brain.enabled：是否启用决策 brain
brain.provider：anthropic / openai_compatible / openai_responses
workflow.root_dir：工作流 YAML 目录

测试

当前仓库采用 src/ 布局，但还没有补齐打包或 pytest 导入配置，因此运行测试时需要显式设置 PYTHONPATH：

PYTHONPATH=src ./.venv/bin/python -m pytest -q

如果直接运行：

./.venv/bin/python -m pytest -q

会因为 minimal_agent 无法导入而失败。这是当前仓库的已知问题，不是测试用例本身的业务失败。

文档

架构设计：docs/architecture.md
用户手册：docs/user-manual.md
审查报告：REVIEW_REPORT.md

已知限制

默认工作流目前只会回显输入文本
reflection、learning、panel、mcp 模块还没有真正接通
没有 CI、没有 lockfile、没有可安装包定义

建议下一步

补 pyproject.toml，修正测试和安装入口
让 WorkflowRegistry 对缺失工作流返回受控错误
为决策 brain 增加 mock 集成测试
把反思、学习和 MCP 至少接通一条真实路径