--- title: "多 Agent 框架参考：camel - 多 Agent 框架 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-camel/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [WF-076 多 Agent 框架参考：agent framework](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-agent-framework/) - [WF-077 多 Agent 框架参考：camel](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-camel/) - [WF-078 多 Agent 框架参考：MetaGPT](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-metagpt/) - [WF-079 多 Agent 框架参考：openai agents python](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-openai-agents-python/) - [WF-080 多 Agent 框架参考：pydantic ai](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-pydantic-ai/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) Agent Building · 多 Agent 框架 · Agent Building 参考 · WF-077 # 多 Agent 框架参考：camel 思行致远 · 2026/6/30 · 置信度：高 多AgentAgent框架协作工具调用 一个偏研究和大规模实验的多 Agent 社会框架，覆盖 ChatAgent、Agent Societies、数据生成、工具、记忆、存储、benchmark 与人类介入。 # camel > 一个偏研究和大规模实验的多 Agent 社会框架，覆盖 ChatAgent、Agent Societies、数据生成、工具、记忆、存储、benchmark 与人类介入。 ## 这个能力解决什么问题 CAMEL 解决的是多 Agent 研究和复杂 Agent 社会实验缺少统一组件的问题。普通应用框架通常只关心一个业务流程能否跑通，而 CAMEL 关注 agent society、角色扮演、任务自动化、世界模拟、合成数据、工具集成和 benchmark。它适合研究“很多 Agent 如何通信、保留状态、生成数据、连接环境并被评估”。 ## 核心逻辑 输入可以是一个单 Agent 对话任务、一个 agent society 任务、数据生成任务或仿真实验配置。系统通过 ModelFactory 创建模型，ChatAgent 持有模型、工具和状态；更复杂时由 role-playing、workforce、society 等模块组织多个 Agent 通信。Agent 可以接工具、记忆、RAG、retriever、interpreter 或 benchmark；输出可能是对话结果、合成数据、研究实验结果、工具执行结果或多 Agent 协作产物。 ## 技术结构 - 关键模块：Agents 提供核心 Agent 行为；Agent Societies 管理多 Agent 协作；Data Generation 支撑 CoT/self-instruct/source2synth 等合成数据；Models 抽象模型后端；Tools/Memory/Storage/Retrievers/Runtime/Interpreters 承接外部能力；Benchmarks 和 HITL 支撑实验验证。 - 调用链路：用户创建模型和 Agent，绑定工具或 society 配置，Agent 在 step/run 中读状态、调用模型、调用工具、写记忆，多个 Agent 通过 society/workforce 协作完成任务。 - 输入输出：输入是任务、模型配置、工具、数据源、Agent 社会配置；输出是消息、数据集、任务结果、仿真状态、benchmark 记录。 - 核心依赖：Python 包 `camel-ai`，不同工具能力按 extras 安装，如 web tools；可选开启模型请求/响应 JSON 日志。 ## 为什么值得参考 CAMEL 的价值在于它把 Agent Building 扩展到“实验平台”层面：不仅能做工具调用，还能做数据生成、Agent 社会、世界模拟和 benchmark。它提醒我们，多 Agent 不只有业务自动化一条路，也可以成为研究复杂行为、生成训练数据和评估协作模式的基础设施。 ## 为什么不建议直接套用 CAMEL 的模块面很广，研究味较重。对具体业务或内容工作流来说，直接引入会带来过多概念：agent society、datagen、runtime、benchmark、retriever、interpreter 等都需要理解。README 的 quickstart 也显示工具能力往往需要额外依赖和 API key；若只是想让 2 到 3 个内部 Agent 协作，使用 CAMEL 可能会淹没在研究组件里。 ## 如何改造成自己的版本 - 只借鉴它的分层：Agent、Society、Tool、Memory、Benchmark，不一次性搬所有模块。 - 若做内容或研究工作流，把 Agent Society 简化为“资料员、分析员、审稿员”三角色，并明确消息格式。 - 把 CAMEL 的日志思想保留下来：模型请求、工具响应、协作消息都写成可回放记录。 - 若需要合成数据，先定义数据 schema 和验证器，再让 Agent 生成，不以自然语言列表作为最终数据集。 - 用 benchmark 思路验证角色协作是否真的比单 Agent 好，而不是只看一次演示。 ## 适用场景 - 多 Agent 研究、社会仿真、合成数据生成、复杂工具协作实验。 - 需要 benchmark 或可重复实验来比较 Agent 行为。 - 想学习如何把工具、记忆、存储、retriever 和 runtime 组成 Agent 平台。 ## 不适用场景 - 轻量业务自动化或只需要稳定交付文档的流程。 - 团队没有精力维护大量 extras、模型配置和实验组件。 - 对输出确定性和工程简洁度要求高于研究扩展性的场景。 ## Agent Building 判断 - 多步工作流：Agent step → 工具/记忆/模型交互 → society/workforce 多 Agent 通信 → 任务结果或实验数据输出。 - 工作标准：模块按 Agent、Society、Data Generation、Tools、Memory、Benchmarks 分层，适合定义实验边界。 - Loop 标准：ChatAgent 保留状态并多轮 step，society 模块支持多 Agent 连续交互，benchmark 提供重复评估入口。 - Harness 标准：包含 benchmarks、日志开关、cookbook、use cases 和真实应用示例。 - 工具调用链路或 Agent 间通信：工具集成、Agent Societies、role-playing/workforce 形成通信链路。 - 为什么不是 persona / profile / system prompt only：它包含运行组件、工具、记忆、数据生成和评估，不只是角色模板。 ## 参考信息 - 原项目：[camel](https://github.com/camel-ai/camel) - 作者：camel-ai - 相关概念：[[多Agent协作]]、[[Agent编排]] - 相关卡片：[workflow-read-076](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-agent-framework/) ## 参考对象信息 **名称：**camel **作者：**camel-ai **链接：**[https://github.com/camel-ai/camel](https://github.com/camel-ai/camel) ## 适用场景与行动 **场景：**Agent Building / 多 Agent 框架 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的多 Agent 框架流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [上一张：多 Agent 框架参考：agent framework](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-agent-framework/) [下一张：多 Agent 框架参考：MetaGPT](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/agent-building-frameworks-metagpt/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)