当谈到智能化办公，传统的工具往往只能处理单一任务，关于上下文切换和整合往往需要人工处理。

Upsonic 的出现，提供了一种全新的解决方案：它不仅能听懂人类语言指令，还能调用工具、分解任务，并以高度智能化的方式自动完成一系列办公操作。

项目简介

Upsonic 是一个开源的企业级AI代理框架，旨在整合大型语言模型（LLM）、工具调用和任务管理功能，帮助企业实现更高效的自动化办公。

无论是信息搜索、邮件撰写，还是复杂的表格处理，Upsonic 都能通过任务导向的方式，智能完成从规划到执行的全过程。

不仅能够听懂复杂的指令，还可以自主规划任务流程，选择合适的工具，并执行操作。其灵活的架构允许部署到AWS、GCP或本地服务器，并支持处理大量并发任务，适配企业级需求。

核心功能

任务导向型执行：

• • 支持复杂任务分解，自动生成执行计划。

• • 根据需求选择合适的工具和LLM，确保任务的高效完成。

多代理支持：

• • 提供灵活的Agent管理机制，支持不同类型的代理，用于处理特定任务。

• • 可扩展性强，适用于多种企业场景。

上下文管理与记忆功能：

• • 内置强大的上下文管理机制，支持长上下文信息处理。

• • 包括知识库集成、上下文压缩、记忆功能，确保更精准的任务执行。

多模型兼容：

• • 支持多种大型语言模型（LLM），包括最新的MCP协议模型，提供强大的语言理解能力。

分布式部署：

• • 可部署到AWS、GCP或本地服务器，支持高并发任务处理，适合大规模企业应用。

工具调用与集成：

• • 能够搜索信息、生成内容、调用第三方API完成办公任务。

工作原理

Upsonic的独特之处在于其任务导向型的执行逻辑。当用户发出任务指令后，系统会依次完成以下步骤：

• • 任务解析：理解用户指令，明确任务目标。

• • 任务分解：将复杂任务拆解为多个子任务，并规划执行流程。

• • 工具与模型选择：根据任务需求，调用适当的工具和LLM。

• • 执行与反馈：执行每个子任务，实时调整策略，确保任务高效完成。

• • 结果交付：整理并交付最终结果。

这种任务导向型设计，使Upsonic能够应对各种复杂办公需求。

安装与部署：快速上手Upsonic

Upsonic 是由Python语言实现的AI项目，作者也将其打包为Python包，可借助 pip 命令直接安装。

python版本需在3.10及以上，并需要准备好OpenAI等大模型语言的API KEY。

安装

pip install upsonic==0.36.0a1737542896

直接使用Python代码进行自动化任务开发。

在使用前，需创建一个客户端来管理工具和任务

from upsonic import UpsonicClient, ObjectResponse, Task, AgentConfiguration
from upsonic.client.tools import Search

# Create an Upsonic client instance
client = UpsonicClient("localserver")

client.set_config("OPENAI_API_KEY", "YOUR_API_KEY")
client.default_llm_model = "openai/gpt-4o"

框架支持模型上下文协议 (MCP)和自定义工具。

@client.mcp()
class HackerNewsMCP:
    command = "uvx"
    args = ["mcp-hn"]

@client.tool()
class MyTools:
    def our_server_status():
        return True

tools = [Search, MyTools] # HackerNewsMCP

定义任务

# 任务描述
description = "Research latest news in Anthropic and OpenAI"

# 响应格式
class News(ObjectResponse):
    title: str
    body: str
    url: str
    tags: list[str]

class ResponseFormat(ObjectResponse):
    news_list: list[News]
    
# 创建任务    
task1 = Task(description=description, response_format=ResponseFormat, tools=tools)

运行任务

client.agent(product_manager_agent, task1)

result = task1.response

for i in result.news_list:
    print()
    print("News")
    print("Title: ", i.title)
    print("Body: ", i.body)
    print("URL: ", i.url)
    print("Tags: ", i.tags)

场景示例

• • 信息搜索与整合：帮助企业快速获取并整合复杂的网络信息，为决策提供支持。

• • 自动化文档处理：撰写邮件、生成报告、分析数据，减少重复劳动，提高效率。

• • 任务分解与规划：在项目管理中，自动分解复杂任务并分配子任务，优化资源分配和执行。

• • 上下文密集型任务：处理需要持续上下文跟踪的复杂任务，如客户支持、合同审核等。

写在最后

在智能化办公浪潮下，Upsonic 以其强大的任务导向能力、多智能体架构和上下文管理机制，正在重新定义AI办公助手的可能性。

它不仅是一个AI框架，更是一个能够听懂你、帮你执行任务的“超级助手”。

它将LLM的强大能力与办公任务紧密结合，极大地提升了工作效率，改变了传统办公的方式。

GitHub 项目地址：https://github.com/Upsonic/Upsonic