# 贡献到 AgentScope ## 欢迎!🎉 感谢开源社区对 AgentScope 项目的关注和支持,作为一个开源项目,我们热烈欢迎并鼓励来自社区的贡献。无论是修复错误、添加新功能、改进文档还是 分享想法,这些贡献都能帮助 AgentScope 变得更好。 ## 如何贡献 为了确保顺利协作并保持项目质量,请在贡献时遵循以下指南: ### 1. 检查现有计划和问题 在开始贡献之前,请查看我们的开发路线图: - **查看 [Projects](https://github.com/orgs/agentscope-ai/projects/2) 页面** 和 **[带有 `roadmap` 标签的 Issues](https://github.com/agentscope-ai/agentscope/issues?q=is%3Aissue%20state%3Aopen%20label%3ARoadmap)** 以了解我们计划的开发任务。 - **如果存在相关问题** 并且标记为未分配或开放状态: - 请在该问题下评论,表达您有兴趣参与该任务 - 这有助于协调开发工作,避免重复工作 - **如果不存在相关问题**: - 请创建一个新 issue 用以描述对应的更改或功能 - 我们的团队将及时进行回复并提供反馈 - 这有助于我们维护项目路线图并协调社区工作 ### 2. 提交信息格式 AgentScope 遵循 [Conventional Commits](https://www.conventionalcommits.org/) 规范。这使得提交历史更易读,并能够自动生成更新日志。 **格式:** ``` (): ``` **类型:** - `feat:` 新功能 - `fix:` 错误修复 - `docs:` 仅文档更改 - `style:` 不影响代码含义的更改(空格、格式等) - `refactor:` 既不修复错误也不添加功能的代码更改 - `perf:` 提高性能的代码更改 - `ci:` 添加缺失的测试或更正现有测试 - `chore:` 对构建过程或辅助工具和库的更改 **示例:** ```bash feat(models): add support for Claude-3 model fix(agent): resolve memory leak in ReActAgent docs(readme): update installation instructions refactor(formatter): simplify message formatting logic ci(models): add unit tests for OpenAI integration ``` ### 3. Pull Request 标题格式 Pull Request 标题必须遵循相同的 [Conventional Commits](https://www.conventionalcommits.org/) 规范: **格式:** ``` (): ``` **要求:** - 标题必须以允许的类型之一开头:`feat`、`fix`、`docs`、`ci`、`refactor`、`test`、`chore`、`perf`、`style`、`build`、`revert` - Scope 是可选的但建议添加 - **Scope 必须是小写** - 只允许小写字母、数字、连字符(`-`)和下划线(`_`) - 描述应以小写字母开头 - 保持标题简洁且具有描述性 **示例:** ``` ✅ 有效: feat(memory): add redis cache support fix(agent): resolve memory leak in ReActAgent docs(tutorial): update installation guide ci(workflow): add PR title validation refactor(my-feature): simplify logic ❌ 无效: feat(Memory): add cache # Scope 必须是小写 feat(MEMORY): add cache # Scope 必须是小写 feat(MyFeature): add feature # Scope 必须是小写 ``` **自动化验证:** - 针对 `main` 分支的 PR 标题会通过 GitHub Actions 自动验证 - 标题无效的 PR 将被阻止,直到标题被修正 ### 4. 代码开发指南 #### a. 提交前检查 在提交代码之前,请运行 pre-commit 钩子以确保代码质量和一致性: ```bash pip install pre-commit pre-commit install ``` **运行 pre-commit:** ```bash # 在所有文件上运行 pre-commit run --all-files # 安装后,pre-commit 将在 git commit 时自动运行 ``` #### b. 关于代码中的 Import AgentScope 遵循**懒加载导入原则**以最小化资源加载: - **推荐做法**:仅在实际使用时导入模块 ```python def some_function(): import openai # 在此处使用 openai 库 ``` 这种方法确保 `import agentscope` 是一个轻量操作,不会加载不必要的依赖项。 #### c. 单元测试 - 所有新功能都必须包含适当的单元测试 - 在提交 PR 之前确保现有测试通过 - 使用以下命令运行测试: ```bash pytest tests ``` #### d. 文档 - 为新功能更新相关文档 - 在适当的地方包含代码示例 - 如果更改影响面向用户的功能,请更新 README.md ## 贡献类型 ### 添加新的 ChatModel AgentScope 目前内置支持以下 API 提供商:**OpenAI**、**DashScope**、**Gemini**、**Anthropic** 和 **Ollama**。 其中 `OpenAIChatModel` 的实现还兼容不同的服务提供商,如 vLLM,DeepSeek、SGLang 等。 **⚠️ 重要:** 添加新的 ChatModel 不仅涉及模型层面的实现,还涉及到其它组件的配合,具体包括: - 消息格式化器(formatter) - Token 计数器(token counter) - Tools API 集成 这意味着添加一个 ChatModel 需要大量的工作来确保其与 AgentScope 生态系统的其他部分无缝集成。 为了更好地专注于智能体能力开发和维护,**官方开发团队目前不计划添加对新 API 的支持**。 但是当开发者社区有强烈需求时,我们将尽力满足这些需求。 **对于一个 ChatModel 类的实现**,为了与仓库中 `ReActAgent` 兼容,所需要实现的组件如下: #### 必需组件: 1. **ChatModel**(位于 `agentscope.model` 下): ```python from agentscope.model import ChatModelBase class YourChatModel(ChatModelBase): """ 需要考虑的功能包括: - 集成 tools API - 支持流式和非流式模式,并与 tools API 兼容 - 支持 tool_choice 参数 - 考虑支持推理模型 """ ``` 2. **格式化器类**(位于 `agentscope.formatter` 下): ```python from agentscope.formatter import FormatterBase class YourModelFormatter(FormatterBase): """ 将 `Msg` 对象转换为对应 API 提供商所需的格式。 如果模型 API 不支持多智能体场景(例如不支持消息中的 name 字段),需要 为 chatbot 和多智能体场景分别实现两个格式化器类。 """ ``` 3. **Token 计数器**(位于 `agentscope.token` 下,推荐): ```python from agentscope.token import TokenCounterBase class YourTokenCounter(TokenCounterBase): """ 为对应模型实现 token 计数逻辑(推荐实现,非严格要求)。 """ ``` ### 添加新的智能体 为了确保 AgentScope 中所有的功能实现都是**模块化的、可拆卸的和可组合的**,`agentscope.agent` 模块目前仅维护 **`ReActAgent`** 类作为核心实现。 在 AgentScope 中,我们遵循示例优先的开发工作流程: - 在 `examples/` 目录中初步实现新的功能 - 然后将重要功能抽象和模块化,集成到核心库中 - 修改 `examples/` 目录中的示例以使用新的核心功能 对于专门的或特定领域的智能体,我们建议按照以下组织形式将它们贡献到 **`examples/agent`** 目录: ``` examples/ └── agent/ ├── main.py ├── README.md # 解释智能体的目的和用法 └── ... # 其他脚本 ``` ### 添加新的示例 欢迎开源社区贡献新的示例来展示 AgentScope 的各种功能! **📝 关于示例目录:** 为了避免仓库变得过于臃肿,我们将 AgentScope 仓库中的 `examples/` 目录设计为专注于**展示 AgentScope 的功能性**。可以把这些示例看作是指导性的参考和功能展示,帮助开发者快速理解 AgentScope 能做什么。 **什么样的示例适合放在这里:** - 清晰地展示 AgentScope 的特定功能或能力 - 易于理解和跟随学习 - 作为学习材料或参考实现 - 专注且简洁 **对于更复杂的应用:** 对于更加复杂,生产就绪的应用,我们非常期待在 **[agentscope-samples](https://github.com/agentscope-ai/agentscope-samples)** 仓库中看到您的作品。这个仓库专门用于展示、分享基于 AgentScope 生态搭建的完整的、真实世界的应用。 **示例组织方式:** 主仓库中的示例根据类型组织到子目录中: - `examples/agent/` 用于专门的智能体 - `examples/functionality/` 用于展示 AgentScope 的特定功能 - `examples/game/` 用于游戏相关示例 - `examples/evaluation/` 用于评估脚本 - `examples/workflows/` 用于工作流演示 - `examples/tuner/` 用于微调相关示例 示例结构如下: ``` examples/ └── {example_type}/ └── {example_name}/ ├── main.py ├── README.md # 解释示例的目的和用法 └── ... # 其他脚本 ``` ### 添加新的记忆数据库 AgentScope 的记忆模块目前支持: - **内存存储**:用于轻量级的临时记忆需求 - **通过 SQLAlchemy 支持关系型数据库**:用于持久化的结构化数据存储 - **NoSQL 数据库**:用于灵活的模式需求(例如 Redis) **⚠️ 请注意:** 对于**关系型数据库**,我们使用 **SQLAlchemy** 作为统一的抽象层。SQLAlchemy 已经支持多种 SQL 数据库,包括 PostgreSQL、MySQL、SQLite、Oracle、Microsoft SQL Server 等。 **因此,为了保持 AgentScope 代码的整洁,目前不接受为 SQLAlchemy 已经支持的关系型数据库单独实现新的支持。** 如果您需要支持特定的关系型数据库,请确保通过现有的 SQLAlchemy 集成来实现。 **如果您希望贡献新的记忆数据库实现**,请考虑以下几点: 1. **对于关系型数据库**:使用现有的 SQLAlchemy 集成。 2. **对于 NoSQL 数据库**:如果您要添加对新 NoSQL 数据库的支持(例如 MongoDB、Cassandra),请: - 实现一个扩展适当基类的新记忆类 - 添加全面的单元测试 - 相应地更新文档 ## Do's and Don'ts ### ✅ DO - **从小处着手**:从小的、可管理的贡献开始 - **及早沟通**:在实现主要功能之前进行讨论 - **编写测试**:确保代码经过充分测试 - **添加代码注释**:帮助他人理解贡献内容 - **遵循提交约定**:使用约定式提交消息 - **保持尊重**:遵守我们的行为准则 - **提出问题**:如果不确定某事,请提问! ### ❌ DON'T - **不要用大型 PR 让我们措手不及**:大型的、意外的 PR 难以审查,并且可能与项目目标不一致。在进行重大更改之前,请务必先开启一个问题进行讨论 - **不要忽略 CI 失败**:修复持续集成标记的任何问题 - **不要混合关注点**:保持 PR 专注于单一功能的实现或修复 - **不要忘记更新测试**:功能的更改应反映在测试中 - **不要破坏现有 API**:在可能的情况下保持向后兼容性,或清楚地记录破坏性更改 - **不要添加不必要的依赖项**:保持核心库轻量级 - **不要绕过懒加载导入原则**:确保 AgentScope 在导入阶段不至于臃肿 ## 获取帮助 如果需要帮助或有疑问: - 💬 开启一个 [Discussion](https://github.com/agentscope-ai/agentscope/discussions) - 🐛 通过 [Issues](https://github.com/agentscope-ai/agentscope/issues) 报告错误 - 📧 通过钉钉交流群或 Discord 联系开发团队(链接在 README.md 中) --- 感谢为 AgentScope 做出贡献!🚀