MOSS AI - 智能家居多Agent协作系统

基于LangChain和A2A架构的智能家居多Agent协作系统

快速开始 • 功能特性 • 系统架构 • 部署指南 • API文档

📖 项目简介

MOSS AI是一款创新的智能家居多Agent协作系统，通过多个专业化的AI代理协同工作，为用户提供智能化的家居控制体验。系统采用先进的LangChain框架和A2A（Agent-to-Agent）通信协议，实现设备控制、数据分析、用户行为学习等全方位智能服务。

🎯 核心价值

• 🤖 多Agent协作: 不同专业化的AI代理协同工作，提供专业化服务
• 🧠 智能学习: 基于用户行为数据，持续学习和优化服务
• 🔗 统一管理: 通过总管理代理提供统一的智能家居控制接口
• 📊 数据驱动: 深度挖掘用户习惯，提供个性化建议
• 🐳 容器化部署: 支持Docker一键部署，简化运维

✨ 功能特性

🏠 智能设备控制

• 空调控制: 温度调节、模式切换、电源管理（支持米家空调）
• 空气净化器: 空气质量监测、净化模式控制、滤网状态管理（基于python-miio）
• 床头灯控制: 亮度调节、色温设置、颜色控制、场景模式（支持Yeelink床头灯）
• 小米设备集成: 支持小米生态设备信息查询和Token获取
• 设备联动: 多设备协同工作，智能场景控制
• Web界面控制: 提供直观的Web界面和桌面应用进行设备管理

📊 数据分析与洞察

• 用户行为分析: 深度挖掘使用习惯和偏好模式
• 智能推荐: 基于历史数据提供个性化设备设置建议
• 使用统计: 详细的设备使用报告和能耗分析
• 预测服务: 预测用户需求，提前调整设备状态

🔄 多Agent协作

• 总管理代理: 统一协调所有子代理，提供一站式服务
• 空调代理: 专业化的空调控制代理，确保精确操作
• 空气净化器代理: 专门负责空气净化器设备控制
• 床头灯代理: 控制Yeelink床头灯设备，支持多种场景模式
• 数据挖掘代理: 专门负责用户行为分析和洞察生成
• 智能路由: 自动识别用户意图，路由到最合适的代理

🛡️ 企业级特性

• 高可用性: 支持负载均衡和故障转移
• 数据安全: 完整的操作日志和审计跟踪
• 扩展性: 模块化设计，易于添加新设备和功能
• 监控告警: 实时监控系统状态和性能指标
• MCP工具支持: 支持Model Context Protocol工具扩展
• 多端应用: Web端、桌面应用(Tauri 2.0)、移动端支持
• 用户认证: 支持微信登录和账户管理系统
• 设备绑定: 支持小米账户绑定和设备Token管理

🏗️ 系统架构

graph TB
    subgraph "用户层"
        U[用户] --> W[Web界面<br/>React + Ant Design X]
        U --> D[桌面应用<br/>Tauri]
        U --> M[移动应用]
        U --> V[语音助手]
    end
    
    subgraph "接入层"
        W --> N[Nginx反向代理]
        D --> N
        M --> N
        V --> N
    end
    
    subgraph "应用层"
        N --> BP[Python后端<br/>FastAPI 推荐<br/>:3000]
        N --> BC[Cangjie后端<br/>实验性<br/>:2100]
        BP --> C[总管理代理<br/>Conductor Agent<br/>:12000]
        C --> AC[空调代理<br/>Air Conditioner<br/>:12001]
        C --> ALC[空气净化器代理<br/>Air Cleaner<br/>:12002]
        C --> BL[床头灯代理<br/>Bedside Lamp<br/>:12004]
        C --> DM[数据挖掘代理<br/>Data Mining<br/>:12003]
        C --> MCP[MCP工具<br/>小米设备信息]
    end
    
    subgraph "数据层"
        AC --> DB[(StarRocks<br/>数据库)]
        ALC --> DB
        BL --> DB
        DM --> DB
        C --> DB
        C --> R[(Redis<br/>缓存)]
    end
    
    subgraph "设备层"
        AC --> D1[空调设备]
        ALC --> D2[空气净化器]
        BL --> D3[Yeelink床头灯]
        MCP --> D4[小米生态设备]
    end

🔧 技术栈

层级	技术	说明
前端框架	React 18 + TypeScript	现代化用户界面开发
UI组件库	Ant Design 5 + Ant Design X	企业级UI组件和AI聊天组件
样式方案	Sass/SCSS	模块化CSS预处理器
桌面应用	Tauri 2.0 + Rust	轻量级跨平台桌面应用框架
构建工具	Vite 7	极速的前端构建工具
路由管理	React Router 7	声明式路由解决方案
后端语言	Python 3.12 (主要) + Cangjie (实验性)	FastAPI异步服务 + 仓颉编译型语言
包管理	uv + pnpm	快速依赖管理工具
AI框架	LangChain + LangGraph	构建智能Agent工作流
通信协议	A2A SDK (Agent-to-Agent)	标准化代理间通信协议
大语言模型	DeepSeek / Google Gemini	智能对话和决策能力
数据库	StarRocks / MySQL	高性能分析型数据库
缓存	Redis	高速数据缓存
Web框架	FastAPI + Uvicorn + Starlette	高性能异步Web服务
IoT协议	python-miio	小米智能家居设备控制协议
MCP工具	FastMCP	Model Context Protocol工具扩展
容器化	Docker + Docker Compose	容器化部署和管理
反向代理	Nginx	负载均衡和SSL终止

🚀 快速开始

环境要求

• Python: 3.12+ (推荐使用 uv 进行包管理)
• Node.js: 18.0+ (用于前端开发)
• pnpm: 9.0+ (推荐的前端包管理器)
• Rust: 1.70+ (用于Tauri桌面应用，可选)
• Cangjie: 0.1+ (仓颉编译器，实验性功能，不推荐)
• Docker: 20.10+ (推荐用于生产部署)
• Docker Compose: 2.0+
• StarRocks/MySQL: 数据库服务
• 内存: 至少4GB可用内存
• 存储: 至少10GB可用空间

方式一：Docker部署（推荐）

# 1. 克隆项目
git clone https://gitee.com/wdep/moss-ai.git
cd moss-ai

方式二：本地开发部署

1. 安装依赖

# Python依赖 (推荐使用 uv)
# 安装 uv: https://docs.astral.sh/uv/
uv sync

# 或使用 pip
pip install -r requirements.txt

# 前端依赖
cd app
pnpm install
# 或使用 npm: npm install

# Cangjie后端依赖 (实验性，不推荐)
# 注意：Cangjie后端目前处于实验阶段，功能不完整
cd app/backend-cangjie
cjpm install

2. 配置数据库

# 编辑config.yaml，设置数据库连接
# 根据实际情况配置 StarRocks 或 MySQL 连接信息
vim config.yaml

3. 启动服务

# 方式1：使用脚本启动（推荐）
# Linux/macOS
chmod +x script/start/start_moss_ai.sh
./script/start/start_moss_ai.sh

# Windows PowerShell
.\script\start\start_moss_ai.ps1

# Windows CMD
script\start\start_moss_ai.bat

# 方式2：手动启动各个服务
# 1. 启动Conductor Agent
cd agents/conductor_agent
uv run .
# 或: python -m conductor_agent

# 2. 启动其他Agent (可选)
cd agents/air_conditioner_agent && uv run . &
cd agents/air_cleaner_agent && uv run . &
cd agents/bedside_lamp_agent && uv run . &

# 3. 启动Python后端（推荐）
cd app/backend-python
uv run .
# 或: python -m moss_ai_backend

# 4. 启动前端开发服务器
cd app
pnpm dev

# 5. 启动Cangjie后端 (实验性，不推荐)
# 注意：Cangjie后端功能不完整，仅供实验和研究使用
cd app/backend-cangjie
cjpm build
dist/release/bin/main.exe  # Windows
# 或 ./dist/release/bin/main  # Linux/Mac

4. 启动桌面应用（可选）

cd app
pnpm tauri dev  # 开发模式
# 或
pnpm tauri build  # 构建生产版本

📚 使用指南

基本使用

1. 通过Web界面控制

1. 访问 http://localhost:1420
2. 点击"欢迎"页面进入聊天界面
3. 在聊天框输入指令，如："把空调调到25度"
4. 系统会自动识别意图并执行

### 构建指南

## Docker构建

### app构建
```bash
# 进入到app目录
cd moss-ai/app
# 执行build命令
docker build -f app.Dockerfile -t moss-ai-app:latest .

backend构建

# 进入到app目录
cd moss-ai/app/backend-python

# 执行build命令
docker build -f backend.Dockerfile -t moss-ai-backend:latest .

# 构建后执行启动
docker run -d \
  --name moss-ai-app \
  -p 8080:80 \
  -e VITE_BACKEND_URL=http://your-backend-url:port \
  --restart unless-stopped \
  moss-ai-app:latest

🤝 贡献指南

我们欢迎所有形式的贡献！请查看 CONTRIBUTING.md 了解详细信息。

开发流程

1. Fork 项目
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

代码规范

• 使用 Python Black 进行代码格式化
• 遵循 PEP 8 编码规范
• 添加适当的类型注解
• 编写单元测试

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详细信息。

🙏 致谢

• LangChain - 强大的LLM应用开发框架
• A2A SDK - Agent间通信协议
• StarRocks - 高性能分析型数据库
• DeepSeek - 优秀的大语言模型服务
• python-miio - 小米智能家居设备Python控制库

📞 联系我们

• 项目主页: https://gitee.com/wdep/moss-ai
• 问题反馈: https://gitee.com/wdep/moss-ai/issues
• 邮箱: chenzhengchen2004@gmail.com
• 微信技术交流群: 扫描下方二维码加入

扫码加入MOSS AI技术交流群

🔮 路线图

v1.0.0 (当前版本)

• Python FastAPI后端服务
• React + Ant Design X前端界面
• Tauri 2.0桌面应用
• 多Agent协作系统（LangChain + LangGraph）
• A2A协议通信
• 空调/净化器/床头灯控制
• 微信登录和小米设备绑定
• Cangjie后端（实验性，功能不完整）

v1.1.0 (计划中)

• 完善Python后端功能
• 支持更多智能设备类型
• 增加语音控制功能
• 实现设备联动场景
• 添加移动端应用
• 优化Agent协作效率

v1.2.0 (未来)

• 支持多用户管理
• 增强安全认证机制
• 实现边缘计算支持
• 添加可视化配置界面
• 完善Cangjie后端（如果社区有需求）

v2.0.0 (长期)

• 支持联邦学习
• 实现跨平台集成
• 添加区块链溯源
• 支持5G和IoT扩展
• 企业级部署方案

---

⭐ 如果这个项目对您有帮助，请给我们一个Star！

Made with ❤️ by MOSS AI Team