OpenManus：开源版Manus的快速安装及使用「喂饭教程」

OpenManus是什么？

OpenManus是由 MetaGPT 社区成员开发的Manus开源版本。与 Manus 相比，OpenManus 的主要优势在于其本地化部署能力，用户可以在个人电脑上运行 AI 代理，并观察其执行任务的过程。

该项目无需邀请码，用户只需克隆代码并配置 LLM API 即可快速上手。OpenManus 基于 Python 开发，代码结构清晰，易于理解和扩展。通过终端输入指令，用户可以驱动智能体执行各种任务。

OpenManus的核心理念

OpenManus利用大型语言模型（如：DeepSeek）的强大规划能力，能够理解复杂任务的需求，并生成详细的执行计划。为了将大型模型的规划能力转化为实际执行能力，OpenManus整合了多种工程化工具，如：Python代码执行器、网络搜索工具、浏览器自动化工具和文件处理系统。另外，OpenManus还引入了小型视觉模型，用于视觉识别处理任务，打造出具备实际执行能力的智能体，使其不仅拥有“大脑”，还具备“手脚”功能。

1. 安装

• python版本 = 3.12

• 克隆项目：

  git clone https://github.com/mannaandpoem/OpenManus.git
  

• 创建 Python 虚拟环境：

  python -m venv .venv
  

• 激活使用虚拟环境：

  # 在 Windows 上
  .venv\Scripts\activate  
  

  # 在 macOS/Linux 上
  source .venv/bin/activate
  

• 下载依赖：

  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
  

• 安装 playwright 的 chromium 内核浏览器：

  playwright install chromium 
  

  

2. 配置

• 创建 config.toml 文件：

  cp config/config.example.toml config/config.toml
  

• 修改 config/config.toml 添加 API 密钥和自定义设置，线上模型或本地模型任选其一，具体配置如下：

  2.1 线上模型

  # 全局LLM配置
  [llm]
  model = "deepseek-chat"
  base_url = "https://api.deepseek.com/v1"
  api_key = "sk-***"  # 替换成你的 API key
  max_tokens = 4096
  temperature = 0.0# 视觉模型配置（可选）
  [llm.vision]
  model = "deepseek-chat"
  base_url = "https://api.deepseek.com/v1"
  api_key = "sk-***"  # 替换成你的 API key
  

  2.2 本地模型

  1. 需要选择支持调用tools、function call的本地模型，查看链接：https://ollama.com/search?c=tools
     
  2. 运行模型
     在这里的示例，语言模型我选择qwen2.5-7b，视觉模型选择llava；

     ollama run qwen2.5:7b
     ollama run llava
     

     首次运行模型时，如果不存在则会自动下载，本地部署具体教程请参考：一文学会用Ollama在本地快速部署；
  3. 启动完两个本地模型后，修改 config/config.toml 配置文件如下：

     [llm]
     model ="qwen2.5:7b"
     base_url = "http://127.0.0.1:11434/v1"
     api_key = "ollama"
     max_tokens =8192
     temperature =0.0[llm.vision]
     model = "llava"
     base_url = "http://127.0.0.1:11434/v1"
     api_key = "ollama"
     

3. 运行项目

运行稳定版：

python main.py

下面是一个从某东上搜索笔记本电脑，并获取前10的销量品牌和机型的例子：

运行实验性版本：

python run_flow.py

下面是一个执行编写代码&保存文件到本地的任务示例：

常见问题：如何设置项目执行的Steps？

因为项目默认的执行max_steps是30，我们想修改max_steps的话，可以在 .\app\agent\toolcall.py文件里找到max_steps参数进行配置。