微信扫码
添加专属顾问
深入探索构建多用户Agent应用的实践指南,从Python代码执行器到浏览器自动化,手把手教你实现安全高效的容器化Agent应用。 核心内容: 1. 构建Python代码执行器:Docker版工具的实现细节 2. 浏览器自动化:Docker版工具的构建方法 3. 组装、测试及未来改进策略
再重复下我们关注的重点:
编码Agent与Web Agent是主要任务工具
它们需要在容器环境中执行以确保安全
多用户环境,每个用户有自己的Agent与容器
本篇将完成剩下的任务(代码地址在文末):
构建Tool:Python代码执行器(Docker版)
构建Tool:浏览器自动化(Docker版)
组装Prompts与ReAct Agent
测试与未来改进
01
构建Tool:Python代码执行器
这个工具的任务是把AI生成的代码在一个动态启动的容器中执行,并返回结果。它并不关心代码的目的,仅仅是纯粹的执行。首先准备一个工具函数:
...
def execute_code_docker(
code: str,
language: str,
user_id: str ,
task_id: str
) -> str:
"""
在Docker容器中执行代码的函数
Args:
code: 要执行的代码
language: 代码语言 ("python", "bash", "sh")
user_id: 用户ID,区分不同用户
task_id: 任务ID,如果不提供则创建新任务
Returns:
字符串结果,包含输出或错误信息
"""
.........此处省略.......
return json.dumps(result_data)把这个函数转化为Agent需要的Tool,这里包装一个create函数:
def create_code_executor_docker_tool():
"""创建docker代码执行工具"""
return FunctionTool.from_defaults(
name="docker_code_executor",
description="在Docker容器中执行Python代码或Shell脚本。对于Python代码,使用language='python';对于Shell脚本,使用language='bash'或'sh'。需要提供user_id区分不同用户,可以指定task_id继续在特定任务上下文中执行,不指定则创建新任务。",
fn=execute_code_docker,
)OK,这就是全部工作。如果不放心,你可以单独测试这个工具。
02
构建Tool:浏览器自动化
这个Tool依赖于一个Web Agent,用来完成浏览器自动化任务(参考:Web Agent技术揭秘:如何让DeepSeek接管与控制你的浏览器?)。常见的技术方案有微软的OmniParse视觉分析以及browser-use开源Agent框架。可以借助browser-use来快速实现这个Agent:
...
# 初始化浏览器
browser = Browser(config=browser_config)
# 创建代理,输入task即可,比如“上youtube看当前热点”
agent = Agent(
task=task,
llm=llm,
use_vision=use_vision,
max_failures=max_failures,
max_actions_per_step=max_actions,
browser=browser
)
result = await agent.run()由于需要在容器中完成web浏览,为了方便,我们把这个Agent调试好再直接build到容器镜像中(参考上篇的Dockerfile)。而Tool只需要调用容器中的Agent即可:
所以这个工具函数就很简单了,无非是把输入任务转换成调用agent_browser的脚本并通过容器执行:
def execute_browser_task(
task_description: str,
user_id: str = "default",
task_id: Optional[str] = None
) -> str:
"""
执行浏览器任务并返回结果
Args:
task_description: 浏览器工作任务描述文本
user_id: 用户ID,区分不同用户
task_id: 任务ID,如果不提供则创建新任务
Returns:
str: JSON格式的任务执行结果
"""
shell_code = f'python /app/agent_browser.py -t "{task_description}"'
...此处省略...
result = container.execute(shell_code, "bash")
...03
组装Prompts与ReAct Agent
除了上面两个以外,我们还有两个工具:
CodeGenerator: 为了各司其职,这里把生成代码的工作交给一个独立的Tool(也可以是Agent)完成,而不是由任务推理的LLM直接生成,这样有利于单独调试,并使用更擅长编码的模型。
WebpageCrawler: 采集指定网址的内容。主要用于测试。
【Prompts建议】
大模型”咒语“的重要性不言而喻。在这个Agent中,有两个主要的提示:
* 主任务推理提示:由于这里使用ReActAgent,因此使用其标准化提示,由框架内置。不过LlamaIndex允许插入一个Context_prompt,可以在这增加一些指令,以帮助更好的推理任务步骤与参数。我这里给了一些任务拆分的”Tips“,如:
* 编码提示:即LLM代码生成的提示。这个提示中可以根据实际需要给出一些编码的规则、约束以及环境信息等,帮助生成一次性成功的代码。如:
这些编码规则最后组装到完整的Prompt中:
...
prompt = f"""{CODE_GENERATION_PROMPT}
任务描述:{task_description}
额外上下文:{additional_context}
请直接返回代码,无需其他解释。
"""【Agent组装】
为了简化,这里采用LlamaIndex中预置的ReActAgent抽象来实现这个Agent。把工具交给Agent,并设定LLM及部分参数即可:
...
# 创建用户专属的工具实例
tool_code_executor_docker = create_code_executor_docker_tool()
tool_browser_docker = create_browser_docker_tool()
tool_code_generator = create_code_generator_tool()
tool_webpage_crawler = create_webpage_crawler_tool() # 新增网页采集工具
# 创建用户专属的Agent
_agents[user_id] = ReActAgent.from_tools(
max_iterations=20,
tools=[
tool_code_generator,
tool_code_executor_docker,
tool_browser_docker,
tool_webpage_crawler # 添加到工具列表
],
llm=llm,
verbose=True,
context=REACT_AGENT_CONTEXT
)
...【客户端模拟】
实际应用中,你需要借助Flask或者FastAPI让Agent对外提供服务接口。不过我们这里直接采用客户端程序做模拟。这个程序的输入有:
一个用户标识(模拟不同的登录用户)
一个任务描述(模拟用户的任务要求)
一个输入文件名(模拟用户上传的文件)
处理流程如下:
04
测试与改进
现在我们就完成了一个初具雏形的、支持多用户与容器环境的“Manus”,当然它的工具箱还不够丰富,任务规划能力也相对受限(ReAct),你需要在后期不断的完善。
我们做一些简单的测试验证:
" 帮我看一下youtube今天最火的视频有哪些?"
"演示汉诺塔算法的过程,并搜一下汉诺塔问题来源”
"解压我的zip文件,识别其中的PDF文件信息,输出到Excel中”
这个PDF是一张发票信息,因为我提示不够清楚,AI使用了普通的PDF解析,尽管信息被提取了出来,但并没有使用价值。
“创建一个测试的订单数据文件,模拟小米公司各种手机型号的销售数据,数据尽量仿真,至少100条数据”
“对我刚生成的模拟数据做个分析,输出一个分析图表到图片文件”
这里经历了多次调试。原因是大部分LLM会自作主张的假设数据格式直接进行分析,而不是首先学习文件中的数据内容与格式,然后选择合适的角度做分析。
【不足与后续改进】
首先是最大的问题,相信也是Agent的普遍问题:不可预测性。当然原因主要来自于LLM的不确定,体现在:
任务规划:长距任务的合理规划上能力不足。子任务什么时候要拆分,什么时候要合并,特别是步骤多了以后,后期很容易失控。
代码生成:很多通用任务依赖AI编程,这受限于LLM能力。常见问题是相似的任务有时候用方法A,有时候用方法B,导致过多的失败与反复迭代。
不可预测性很大程度上依赖于LLM能力的进化。可能的改进还有:
不直接依赖于ReAct思维链立即开始任务,而是借助LLM先生成全盘优化的任务执行计划,并在过程中迭代调整(Refine)。
对常见类型的任务过程进行一定程度的“固化”,即给予LLM一定的任务执行“指南”。这个指南可以通过Prompt、RAG甚至微调的方式注入。
企业环境下,针对业务场景可借助于Workflow编排来降低任务的不确定性,提高可预测性,因为对“通用性“要求没那么高。
长期记忆能力。即能够超越单次Agent的使用来理解甚至预测用户的行为、个性与偏好,从而提高任务理解的准确性与客户体验。比如这样的任务:“到我常去的购物网站查询下最新的折扣信息”。
更丰富的工具。依靠编码与浏览器是远远不够的,更何况这两种方式还存在一定的性能问题。很多任务需要更专一且高效的工具来完成,需要一个即插即用的让AI更方便的连接世界的手段(MCP?)
异步的任务处理。提交任务后可以离开,并在任务结束后得到通知。
任务过程中的人工参与。必要时任务可以暂停等待人工输入或者确认。
多用户环境下的性能优化。并发控制、容器管理机制、缓存机制等。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-30
我把 Codex 装进了 Pi 5 Max:一块 Android 开发板,开始自己参与 AI 相框开发
2026-06-24
讯飞办公本用一键式龙虾部署,终结“只记不查”的资产浪费
2026-06-22
我把吃灰的 Kindle 用起来了:给 AI 桌宠加一块电子墨水屏
2026-05-31
英特尔AI PC专区:专治本地模型跑不动、智能体做不出、新模型不会用
2026-05-18
Android 迎来 Gemini-Intelligence,手机要开始替你干活了
2026-05-18
OpenAI秘密矩阵曝光!你的所有设备,被Codex连成一台超级电脑
2026-05-15
苹果不卷AI了:iOS 27要让第三方模型"竞标"进系统
2026-05-13
安卓彻底变了!Gemini接管所有屏幕,苹果连影子都没追上
2026-04-07
2026-04-02
2026-04-11
2026-04-27
2026-04-21
2026-04-20
2026-04-12
2026-05-09
2026-05-07
2026-05-13
欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。
在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。
一、 定义
本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。
会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。
知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。
二、 账号注册与登录
登录方式:本网站支持以下登录方式,您可根据实际情况选择:
微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。
手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。
账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。
实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。
未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。
三、 服务内容与规范
知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。
服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。
禁止行为:您在使用服务时不得实施以下行为:
利用技术手段批量爬取、下载、转存知识库内容;
将知识库内容用于商业目的或未经授权地向第三方传播;
干扰本网站正常运行或侵犯其他用户合法权益;
发布违法违规信息或从事违反公序良俗的活动。
四、 知识产权声明
权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。
有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。
侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。
五、 个人信息保护
我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。
您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。
您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。
六、 免责声明
内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。
不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。
第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。
七、 违约责任
如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。
如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。
八、 法律适用与争议解决
本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。
因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。
九、 其他
本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。
本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。
我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。