CAMEL-AI 安装与入门全指南pip/UV 多方式安装、环境配置与多智能体项目实战【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camelCAMEL-AI 是一个开源、模块化的多智能体框架用于构建能够推理、规划与执行任务的 Agent并通过 Societies、RAG、记忆等组件编排复杂协作流程。本文以 docs/get_started/installation.md 为骨架结合仓库源码pyproject.toml、test/conftest.py、camel/types/enums.py为你完整讲解 CAMEL-AI 的安装、环境配置、首个多智能体项目的创建与验证。读完后你将掌握从零搭建 CAMEL 开发环境、按需裁剪依赖、配置模型与 API Key并跑通官方示例与测试套件的完整流程。环境前提Python 版本要求CAMEL-AI 要求Python 3.10 且 3.14这一点与仓库 pyproject.toml 中的requires-python 3.10,3.15完全一致。安装前先检查本机版本python3 --version如果版本不符请先升级到 3.10 ~ 3.14 之间的任一版本再继续。注意不同 Python 小版本会影响部分可选依赖的可用性详见下文Python 3.13 兼容性说明。安装方式一使用 pip 安装 CAMEL-AICAMEL-AI 提供了多种 pip 安装粒度按需选择即可基础安装只安装核心库与核心依赖pip install camel-ai完整安装推荐pip install camel-ai[all]all这个 extras 在 pyproject.toml 中聚合了下方所有功能组的依赖从 transformers、diffusers 等 HuggingFace 生态到 qdrant、milvus 等向量库再到 playwright、docker 等工具链。部分功能在没有对应依赖时会无法工作因此要么安装all要么按需安装特定的 extras。自定义安装按需选择 extras仓库 pyproject.toml 定义了如下可选依赖组extrasextras 名称覆盖的功能与依赖pyproject.toml 位置all包含以下全部功能组L330-L477model_platformsOpenAI、Google、Mistral、Anthropic Claude、Cohere、xAI、WatsonX 等多模型平台 SDKL197-L207huggingfaceTransformers、Diffusers、Datasets、SoundFile、Safetensors 等L208-L216ragSentence Transformers、Qdrant、Milvus、TiDB、BM25、OceanBasepyobvector、Weaviate、Chroma、FAISS、Neo4j 等检索组件L75-L95storageNeo4j、Redis、Azure Blob、Google Cloud Storage、AWS S3、Pgvector、SurrealDB、DuckDB、Mem0 等存储后端L217-L239web_toolsDuckDuckGo、Wikipedia、WolframAlpha、Google Maps、天气、Firecrawl、Apify、Playwright 等 Web 工具L96-L120document_toolsPDFPyMuPDF、Worddocx2txt、OpenAPI、BeautifulSoup、Unstructured、MarkItDown、PPTX 等文档处理L121-L140media_tools图像处理imageio、pytesseract、音频pydub、YouTube 下载yt-dlp、FFmpeg、场景检测等L141-L150communication_toolsSlack、Discord、Telegram、GitHub、Reddit、Notion、Resend、Plivo、OutlookMS Graph等L152-L165data_toolsPandas、TextBlob、DataCommons、OpenBBstripe、NetworkX、math-verify 等数据处理L166-L176research_toolsarXiv、Google Scholarscholarly等学术检索L177-L181dev_toolsDocker、Jupyter、IPython Kernel、Tree-sitter、E2B、Microsandbox、Daytona、ACI、Langfuse 等开发/执行环境L182-L196多个 extras 可以自由组合例如构建一个RAG 网页搜索 文档处理的环境pip install camel-ai[rag,web_tools,document_tools]从源码结构看每个 extras 对应 camel/toolkits 与 camel/retrievers、camel/storages 中的一类能力模块按需裁剪可以显著减少安装体积。验证安装是否成功pip show camel-ai输出中能看到包的名称、版本当前仓库版本为0.2.91a5见 pyproject.toml、依赖清单与安装位置即代表安装成功。创建你的第一个 CAMEL-AI 多智能体项目安装完成后推荐从角色扮演Role-Playing场景入手直观感受 CAMEL 的多智能体协作能力。1. 建立项目目录mkdir my_camel_project cd my_camel_project2. 配置环境变量与依赖清单创建.env文件存放 API KeyOPENAI_API_KEYyour_openai_api_key OPENAI_API_BASE_URLyour_openai_base_url # 可选代理服务时使用 ANTHROPIC_API_KEYyour_anthropic_api_key GOOGLE_API_KEYyour_google_api_key创建requirements.txtcamel-ai[all] python-dotenv3. 安装依赖并运行第一个示例pip install -r requirements.txt在 Python 中加载.envfrom dotenv import load_dotenv load_dotenv()运行角色扮演示例注意仓库根目录下不存在examples/role_playing.py该示例的实际路径是examples/ai_society/role_playing.py与官方文档 Running Examples 一节中的路径一致python examples/ai_society/role_playing.py如果想体验更大规模的多智能体协作可以运行 workforce 示例python examples/workforce/multiple_single_agents.py备选安装方式Docker 与 UV 源码安装从 Docker 安装适合需要容器化、预配置环境部署的场景。仓库在 camel/runtimes 下提供Dockerfile.multi-toolkit等多工具链镜像定义可参考 camel/runtimes/docker_runtime.py 了解运行时如何与容器交互。从源码使用 UV 安装适合需要完整源码访问、参与开发与测试的场景# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/ca/camel.git cd camel # 安装 UV 包管理器 pip install uv # 创建虚拟环境 uv venv .venv --python3.10 # 激活环境macOS/Linux source .venv/bin/activate # Windows: .venv\Scripts\activate # 安装 CAMEL 全部依赖含开发与文档工具 uv pip install -e .[all, dev, docs]dev、docs、test依赖组同样定义在 pyproject.toml 中dev包含 ruff、mypy、pre-commit、pytest 等工程化工具docs包含 Sphinx 文档构建工具链。Python 3.13 兼容性说明警告在 Python 3.13 上unstructured与pyobvector两个包不可用——它们依赖 NumPy 2.0与 Python 3.13 不兼容。这在 pyproject.toml 中体现为条件依赖声明unstructured0.16.20; python_version 3.13。如果你需要这两项功能请使用 Python 3.10~3.12其余功能在 3.13 上均可正常工作。配置默认模型与环境变量设置默认模型平台与模型类型通过环境变量指定默认使用的模型平台和模型类型export DEFAULT_MODEL_PLATFORM_TYPEopenai # 例如 openai、anthropic 等 export DEFAULT_MODEL_TYPEgpt-4.1-mini-2025-04-14 # 例如 gpt-4o-mini、gpt-4.1-mini 等这两个变量的作用点在 camel/types/enums.pyModelPlatformType.DEFAULT os.getenv(DEFAULT_MODEL_PLATFORM_TYPE, openai)与 camel/types/enums.pyModelType.DEFAULT os.getenv(DEFAULT_MODEL_TYPE, ...)。当前仓库源码中的实际默认值为openai平台与gpt-4.1-mini-2025-04-14模型若不设置任何环境变量CAMEL 将使用该默认组合设置后则可在不修改代码的前提下全局切换默认模型。设置 API KeyBashLinux、macOS、Windows Git Bashexport OPENAI_API_KEYinsert your OpenAI API key export OPENAI_API_BASE_URLinsert your OpenAI API BASE URL # 可选Windows 命令提示符CMDset OPENAI_API_KEYinsert your OpenAI API key set OPENAI_API_BASE_URLinsert your OpenAI API BASE URLWindows PowerShell$env:OPENAI_API_KEYinsert your OpenAI API key $env:OPENAI_API_BASE_URLinsert your OpenAI API BASE URL使用 .env 文件推荐将密钥集中管理在.env再通过python-dotenv加载OPENAI_API_KEYfill your API KEY here ANTHROPIC_API_KEYfill your Anthropic API KEY here GOOGLE_API_KEYfill your Google API KEY herefrom dotenv import load_dotenv load_dotenv() # 使用 load_dotenv(overrideTrue) 可覆盖已存在的环境变量仓库测试基础设施同样依赖这套约定test/conftest.py 在收集测试前会调用load_dotenv()保证本地测试能读取到.env中的密钥。运行示例快速上手配置好 API Key 后可以从 examples 目录挑选示例体验 CAMEL 的核心能力以下路径均已在本仓库核实存在# 两个智能体角色扮演并协作 python examples/ai_society/role_playing.py # 智能体使用代码执行工具 python examples/toolkits/code_execution_toolkit.py # 智能体生成知识图谱 python examples/knowledge_graph/knowledge_graph_agent_example.py # 多个智能体协作完成复杂任务 python examples/workforce/multiple_single_agents.py # 智能体进行创意图像生成 python examples/vision/image_crafting.py验证你的安装运行测试套件安装完成后运行测试套件确认一切正常# 先激活虚拟环境 source .venv/bin/activate # macOS/Linux # .venv\Scripts\activate # Windows # 运行全部测试快速模式 pytest --fast-test-mode test/ # 运行指定目录的测试 pytest -v apps/ pytest -v examples/--fast-test-mode并非普通标志其行为定义在 test/conftest.py 中。测试框架共提供五种模式模式行为--full-test-mode运行全部测试含超慢测试--default-test-mode运行除超慢测试外的全部测试--fast-test-mode跳过带optional或model_backend标记的测试即不触发任何 LLM 推理远程 API 或本地模型既不耗时也不消耗 API 额度--llm-test-only只运行涉及 LLM 推理的测试不含超慢项--very-slow-test-only只运行超慢测试相关标记very_slow、model_backend、heavy_dependency、asyncio在 pyproject.toml 的[tool.pytest.ini_options]中注册。因此 CI 或日常回归建议用--fast-test-mode本地想跑模型相关测试时再切换其他模式。下一步继续探索 CAMEL-AI创建你的第一个智能体参考 docs/cookbooks/basic_concepts/create_your_first_agent.ipynb 快速上手角色扮演智能体进阶特性与 Cookbook浏览 docs/cookbooks 下的 RAG 系统、工具集成、复杂多智能体协作等实战教程API 文档深入 docs/reference 查看各模块 API 与高级配置更多示例探索 examples 目录涵盖模型接入、存储、检索、任务编排、benchmarks 等各领域用例。【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 CAMEL-AI 安装与入门全指南：pip/UV 多方式安装、环境配置与多智能体项目实战
CAMEL-AI 安装与入门全指南pip/UV 多方式安装、环境配置与多智能体项目实战【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camelCAMEL-AI 是一个开源、模块化的多智能体框架用于构建能够推理、规划与执行任务的 Agent并通过 Societies、RAG、记忆等组件编排复杂协作流程。本文以 docs/get_started/installation.md 为骨架结合仓库源码pyproject.toml、test/conftest.py、camel/types/enums.py为你完整讲解 CAMEL-AI 的安装、环境配置、首个多智能体项目的创建与验证。读完后你将掌握从零搭建 CAMEL 开发环境、按需裁剪依赖、配置模型与 API Key并跑通官方示例与测试套件的完整流程。环境前提Python 版本要求CAMEL-AI 要求Python 3.10 且 3.14这一点与仓库 pyproject.toml 中的requires-python 3.10,3.15完全一致。安装前先检查本机版本python3 --version如果版本不符请先升级到 3.10 ~ 3.14 之间的任一版本再继续。注意不同 Python 小版本会影响部分可选依赖的可用性详见下文Python 3.13 兼容性说明。安装方式一使用 pip 安装 CAMEL-AICAMEL-AI 提供了多种 pip 安装粒度按需选择即可基础安装只安装核心库与核心依赖pip install camel-ai完整安装推荐pip install camel-ai[all]all这个 extras 在 pyproject.toml 中聚合了下方所有功能组的依赖从 transformers、diffusers 等 HuggingFace 生态到 qdrant、milvus 等向量库再到 playwright、docker 等工具链。部分功能在没有对应依赖时会无法工作因此要么安装all要么按需安装特定的 extras。自定义安装按需选择 extras仓库 pyproject.toml 定义了如下可选依赖组extrasextras 名称覆盖的功能与依赖pyproject.toml 位置all包含以下全部功能组L330-L477model_platformsOpenAI、Google、Mistral、Anthropic Claude、Cohere、xAI、WatsonX 等多模型平台 SDKL197-L207huggingfaceTransformers、Diffusers、Datasets、SoundFile、Safetensors 等L208-L216ragSentence Transformers、Qdrant、Milvus、TiDB、BM25、OceanBasepyobvector、Weaviate、Chroma、FAISS、Neo4j 等检索组件L75-L95storageNeo4j、Redis、Azure Blob、Google Cloud Storage、AWS S3、Pgvector、SurrealDB、DuckDB、Mem0 等存储后端L217-L239web_toolsDuckDuckGo、Wikipedia、WolframAlpha、Google Maps、天气、Firecrawl、Apify、Playwright 等 Web 工具L96-L120document_toolsPDFPyMuPDF、Worddocx2txt、OpenAPI、BeautifulSoup、Unstructured、MarkItDown、PPTX 等文档处理L121-L140media_tools图像处理imageio、pytesseract、音频pydub、YouTube 下载yt-dlp、FFmpeg、场景检测等L141-L150communication_toolsSlack、Discord、Telegram、GitHub、Reddit、Notion、Resend、Plivo、OutlookMS Graph等L152-L165data_toolsPandas、TextBlob、DataCommons、OpenBBstripe、NetworkX、math-verify 等数据处理L166-L176research_toolsarXiv、Google Scholarscholarly等学术检索L177-L181dev_toolsDocker、Jupyter、IPython Kernel、Tree-sitter、E2B、Microsandbox、Daytona、ACI、Langfuse 等开发/执行环境L182-L196多个 extras 可以自由组合例如构建一个RAG 网页搜索 文档处理的环境pip install camel-ai[rag,web_tools,document_tools]从源码结构看每个 extras 对应 camel/toolkits 与 camel/retrievers、camel/storages 中的一类能力模块按需裁剪可以显著减少安装体积。验证安装是否成功pip show camel-ai输出中能看到包的名称、版本当前仓库版本为0.2.91a5见 pyproject.toml、依赖清单与安装位置即代表安装成功。创建你的第一个 CAMEL-AI 多智能体项目安装完成后推荐从角色扮演Role-Playing场景入手直观感受 CAMEL 的多智能体协作能力。1. 建立项目目录mkdir my_camel_project cd my_camel_project2. 配置环境变量与依赖清单创建.env文件存放 API KeyOPENAI_API_KEYyour_openai_api_key OPENAI_API_BASE_URLyour_openai_base_url # 可选代理服务时使用 ANTHROPIC_API_KEYyour_anthropic_api_key GOOGLE_API_KEYyour_google_api_key创建requirements.txtcamel-ai[all] python-dotenv3. 安装依赖并运行第一个示例pip install -r requirements.txt在 Python 中加载.envfrom dotenv import load_dotenv load_dotenv()运行角色扮演示例注意仓库根目录下不存在examples/role_playing.py该示例的实际路径是examples/ai_society/role_playing.py与官方文档 Running Examples 一节中的路径一致python examples/ai_society/role_playing.py如果想体验更大规模的多智能体协作可以运行 workforce 示例python examples/workforce/multiple_single_agents.py备选安装方式Docker 与 UV 源码安装从 Docker 安装适合需要容器化、预配置环境部署的场景。仓库在 camel/runtimes 下提供Dockerfile.multi-toolkit等多工具链镜像定义可参考 camel/runtimes/docker_runtime.py 了解运行时如何与容器交互。从源码使用 UV 安装适合需要完整源码访问、参与开发与测试的场景# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/ca/camel.git cd camel # 安装 UV 包管理器 pip install uv # 创建虚拟环境 uv venv .venv --python3.10 # 激活环境macOS/Linux source .venv/bin/activate # Windows: .venv\Scripts\activate # 安装 CAMEL 全部依赖含开发与文档工具 uv pip install -e .[all, dev, docs]dev、docs、test依赖组同样定义在 pyproject.toml 中dev包含 ruff、mypy、pre-commit、pytest 等工程化工具docs包含 Sphinx 文档构建工具链。Python 3.13 兼容性说明警告在 Python 3.13 上unstructured与pyobvector两个包不可用——它们依赖 NumPy 2.0与 Python 3.13 不兼容。这在 pyproject.toml 中体现为条件依赖声明unstructured0.16.20; python_version 3.13。如果你需要这两项功能请使用 Python 3.10~3.12其余功能在 3.13 上均可正常工作。配置默认模型与环境变量设置默认模型平台与模型类型通过环境变量指定默认使用的模型平台和模型类型export DEFAULT_MODEL_PLATFORM_TYPEopenai # 例如 openai、anthropic 等 export DEFAULT_MODEL_TYPEgpt-4.1-mini-2025-04-14 # 例如 gpt-4o-mini、gpt-4.1-mini 等这两个变量的作用点在 camel/types/enums.pyModelPlatformType.DEFAULT os.getenv(DEFAULT_MODEL_PLATFORM_TYPE, openai)与 camel/types/enums.pyModelType.DEFAULT os.getenv(DEFAULT_MODEL_TYPE, ...)。当前仓库源码中的实际默认值为openai平台与gpt-4.1-mini-2025-04-14模型若不设置任何环境变量CAMEL 将使用该默认组合设置后则可在不修改代码的前提下全局切换默认模型。设置 API KeyBashLinux、macOS、Windows Git Bashexport OPENAI_API_KEYinsert your OpenAI API key export OPENAI_API_BASE_URLinsert your OpenAI API BASE URL # 可选Windows 命令提示符CMDset OPENAI_API_KEYinsert your OpenAI API key set OPENAI_API_BASE_URLinsert your OpenAI API BASE URLWindows PowerShell$env:OPENAI_API_KEYinsert your OpenAI API key $env:OPENAI_API_BASE_URLinsert your OpenAI API BASE URL使用 .env 文件推荐将密钥集中管理在.env再通过python-dotenv加载OPENAI_API_KEYfill your API KEY here ANTHROPIC_API_KEYfill your Anthropic API KEY here GOOGLE_API_KEYfill your Google API KEY herefrom dotenv import load_dotenv load_dotenv() # 使用 load_dotenv(overrideTrue) 可覆盖已存在的环境变量仓库测试基础设施同样依赖这套约定test/conftest.py 在收集测试前会调用load_dotenv()保证本地测试能读取到.env中的密钥。运行示例快速上手配置好 API Key 后可以从 examples 目录挑选示例体验 CAMEL 的核心能力以下路径均已在本仓库核实存在# 两个智能体角色扮演并协作 python examples/ai_society/role_playing.py # 智能体使用代码执行工具 python examples/toolkits/code_execution_toolkit.py # 智能体生成知识图谱 python examples/knowledge_graph/knowledge_graph_agent_example.py # 多个智能体协作完成复杂任务 python examples/workforce/multiple_single_agents.py # 智能体进行创意图像生成 python examples/vision/image_crafting.py验证你的安装运行测试套件安装完成后运行测试套件确认一切正常# 先激活虚拟环境 source .venv/bin/activate # macOS/Linux # .venv\Scripts\activate # Windows # 运行全部测试快速模式 pytest --fast-test-mode test/ # 运行指定目录的测试 pytest -v apps/ pytest -v examples/--fast-test-mode并非普通标志其行为定义在 test/conftest.py 中。测试框架共提供五种模式模式行为--full-test-mode运行全部测试含超慢测试--default-test-mode运行除超慢测试外的全部测试--fast-test-mode跳过带optional或model_backend标记的测试即不触发任何 LLM 推理远程 API 或本地模型既不耗时也不消耗 API 额度--llm-test-only只运行涉及 LLM 推理的测试不含超慢项--very-slow-test-only只运行超慢测试相关标记very_slow、model_backend、heavy_dependency、asyncio在 pyproject.toml 的[tool.pytest.ini_options]中注册。因此 CI 或日常回归建议用--fast-test-mode本地想跑模型相关测试时再切换其他模式。下一步继续探索 CAMEL-AI创建你的第一个智能体参考 docs/cookbooks/basic_concepts/create_your_first_agent.ipynb 快速上手角色扮演智能体进阶特性与 Cookbook浏览 docs/cookbooks 下的 RAG 系统、工具集成、复杂多智能体协作等实战教程API 文档深入 docs/reference 查看各模块 API 与高级配置更多示例探索 examples 目录涵盖模型接入、存储、检索、任务编排、benchmarks 等各领域用例。【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考