新型AI代理架构：用状态机控制LLM，减少偏差与Token成本

开源项目Botcircuits推出了一种创新的AI代理架构，旨在解决传统LLM驱动代理中常见的偏差和高Token成本问题。该架构的核心思想是：让LLM负责每一步的推理和工具调用，但通过一个确定性的状态机来控制整个流程。这种方法既保留了LLM的灵活性，又确保了多步骤自动化的可预测性和效率。

Botcircuits提供了一个功能丰富的命令行界面（CLI），支持交互式和非交互式操作。用户可以通过简单的命令进行设置、运行工作流和管理配置。其工作流系统允许用户用自然语言编写复杂的多步骤流程：在CLI中使用/workflow add命令，代理会自动将自然语言描述编译成JSON格式的工作流文件，并注册为可调用的工具。工作流可以包含条件分支，并且支持从任意步骤开始执行。

除了工作流，Botcircuits还引入了“技能”（Skills）概念。技能是存储在文件夹中的指令集，代理可以根据描述自动选择并执行。这避免了频繁修改系统提示的麻烦，特别适用于重复性任务，如回答常见问题或生成PR描述。同时，Botcircuits支持MCP（Model Context Protocol）服务器，允许用户添加外部工具（如文件系统、GitHub、数据库等），并通过层次化的配置文件进行管理。

项目的安装和配置非常简单，支持多种Python版本和主流LLM提供商（Anthropic、OpenAI、Gemini）。为了安全起见，API密钥存储在独立的.env文件中，并支持多级配置覆盖。Botcircuits的目标是成为可预测、高效的AI代理框架，适用于需要复杂多步骤自动化的场景。该项目在GitHub上开源，并提供了详细的文档和示例，欢迎开发者贡献和使用。