混元接入openmanus探索

openmanus是在之前manus大热时候有meta团队开发的开源工具。核心使用的ReAct框架，工作流程是：输入信息 → 推理阶段 → 行动阶段 → 观察阶段 → 循环迭代不断优化。它通过将复杂任务拆分，利用思维链引导智能体一步步推理和执行行动。这次用混元模型接入，创建自己的manus工具。

使用的模型是具有推理功能和图像识别功能的模型hunyuan-vision,工具配置文件：

模型配置

另外需要对工具代码稍作修改：

文件app/llm.py，添加对应的模型名称到REASONING_MODELS、MULTIMODAL_MODELS，让工具在推理时知道这是有推理能力、多模态能力的模型：

模型能力标识

请求的对话内容需要修改适配模型，因为模型不支持连续user 内容：

修改文件app/agent/toolcall.py：

合并框架提示词

使用场景

1. 创建本地文本：

输入提示词，用来本地创建文本，并添加内容。适合生成指定内容的文章，并把文章直接保留到本地磁盘。亦可通过本地文章传给模型再调用工具修改本地文件。

从混元模型获得返回的信息，理解应该做什么工作：

进一步确认工作将调用本地的工具

操作本地工具创建文件与写内容：

本地文件查看

展示控制台的部分输出

控制台的模型回复，充分展示了对用户要求的合理推理与可用工具的使用，在最后还做了操作结果的复核。

2. 联网检索问题

当前openmanus做不到在网页上面操作，仅对问题搜索与获取网页内容，根据内容总结回复。

prompt内容：给出最近热门的前十部电影，最好是国内电影。

给大家看下openmanus组装完的请求参数内容：

里面对用户的提示词添加了额外规则类的提示词。没有改动代码的情况下，这个提示词应该在另一个user提示词中，但是混元模型并不允许连续的角色对话。应该是考虑连续的角色对话可能出现前后内容冲突、矛盾情况，避免指令模糊。

模型返回的信息表示对用户问题的理解和对合理工具的使用说明：

工具的调用对于openmanus就是一次action执行。使用浏览器执行搜索

调用chrome浏览器通过网页搜索，可以看到网络页面展示的内容：

正如前面说的openmanus不能直接操作浏览器，受限无法准确完成页面操作：

但也不用过于失望，多轮对话也会给出部分电影推荐：

3. 代码执行

模型给出代码，本地运行。适合快速验证一些模型给出的功能代码：

prompt: python 代码，必须调用本地工具执行。给出代码斐波那契示例，并在本地计算结果

代码检查基本正确

```python

def fibonacci(n):

    """计算斐波那契数列的第n项"""

    if n <= 0:

        return "输入必须是正整数"

    elif n == 1:

        return 0

    elif n == 2:

        return 1

    else:

        a, b = 0, 1

        for _ in range(3, n + 1):

            a, b = b, a + b

        return b

# 本地计算斐波那契数列的前10项

print("斐波那契数列前10项:")

for i in range(1, 11):

    result = fibonacci(i)

    print(f"第{i}项: {result}")

# 计算第20项作为示例

n = 20

fib_20 = fibonacci(n)

print(f"\n斐波那契数列第{n}项是: {fib_20}")

```