Marvin：构建AI应用的Python框架

什么是 Marvin？

Marvin 是一个开源 Python 框架，专为构建由大型语言模型 (LLMs) 驱动的 AI 应用而设计。它将将 LLMs 集成到现实世界项目中的复杂性抽象化，提供了一个干净、直观的界面，能够无缝处理状态管理、对话历史和代理协调。无论您是初学者刚涉足 AI 开发，还是经验丰富的开发者正在扩展多代理系统，Marvin 都能让您更容易创建复杂的 AI 工具，而不会陷入样板代码的泥沼。

由 PrefectHQ 开发，并在 GitHub 上获得超过 5,952 个星标，Marvin 在拥挤的 AI 工具包景观中脱颖而出，专注于实用性和可扩展性。它特别适合那些希望利用 OpenAI 或其他提供商的 LLMs 的 Python 爱好者，而无需重新发明轮子。

Marvin 如何工作？

在核心层面，Marvin 通过一个围绕 tasks、agents、threads 和 tools 的模块化系统运行。以下是其关键机制的分解：

Tasks：基本构建块。Marvin 的 marvin.run() 函数允许您使用最少的代码执行简单或复杂的 AI 任务。例如，您可以仅通过传递提示来生成文本、分类输入或提取数据。它支持提供上下文以提高准确性，确保输出相关且精确。
Agents：这些是您可以自定义名称、指令和个性化的专用 AI 实体。一个代理可能是一个用于创意写作的 'Poet' 或用于解释性任务的 'Scientist'。代理可以在多代理设置中协作，在它们之间传递上下文，以构建更智能的工作流程。这非常适合不同 '专家' 需要为单一输出贡献的场景。
Memory and State Management：Marvin 包含内置的持久内存模块，能够在会话之间保留信息。使用 marvin.Memory，您可以存储用户偏好或对话历史，实现更个性化和上下文感知的交互。这一功能对于聊天机器人或虚拟助手等应用至关重要，它们需要 '记住' 先前的交流。
Structured Outputs：Marvin 的优势之一是其返回预定义格式数据的能力。通过与 Pydantic 模型集成，您可以指定输出类型，如 JSON 模式或类型化对象（例如，具有名称、角色和光环属性的角色列表）。这消除了后处理麻烦，并确保可靠、可解析的结果。
Tools and Integrations：Marvin 通过工具支持交互性，允许代理调用外部函数或 API。它还与 MCP 服务器集成，用于高级设置，并与现有的 Python 生态系统兼容，使其可扩展以满足自定义需求。

安装非常简单——使用 pip 或 uv，您可以在一分钟内启动运行：pip install marvin。从那里开始，快速入门指南将带您完成基本示例，并扩展到高级概念，如用于多轮对话的 threads。

Marvin 的核心功能

Marvin 提供了针对高效 AI 开发量身定制的功能，实力强劲：

Simple Interface：使用一行代码的任务如 marvin.run("Write a haiku about artificial intelligence") 即可上手，然后扩展到完整应用。
Smart Defaults：开箱即用的配置处理常见的 LLM 陷阱，并在需要时提供微调选项。
Multi-Agent Collaboration：构建专注于任务的代理团队，共享上下文以获得连贯的结果。
Extensibility：无缝集成到您的 Python 代码库中，支持如 Extract、Generate、Summarize 等函数，以及更多。

这些功能使 Marvin 成为开发者在基于 LLM 的应用中寻求简单性和强大之间平衡的首选。

如何使用 Marvin：逐步指南

使用 Marvin 的入门设计得非常顺畅。请按照以下步骤构建您的第一个 AI 应用：

Install Marvin：在终端中运行 pip install marvin。对于 uv 用户，甚至更快，还支持剪贴板集成以获取示例。
Run a Simple Task：导入 Marvin 并执行提示：

import marvin print(marvin.run("Write a haiku about artificial intelligence"))

这会立即输出一个创意俳句，展示了 Marvin 在文本生成方面的简便性。

3. **Create Specialized Agents**：使用自定义指令定义代理：
```python
import marvin
poet = marvin.Agent(name="Poet", instructions="You are an expert poet who writes in various styles.")
poem = marvin.run("Write a haiku about entropy", agents=[poet])
print(poem)

组合代理以实现链式任务，例如使用科学家的解释作为诗人的上下文。

Handle Structured Data：使用 Pydantic 处理类型化输出：

from typing import Annotated, Literal import marvin from pydantic import BaseModel, Field class Character(BaseModel): name: str role: Literal["hero", "villain", "sidekick"] aura: Annotated[float, Field(ge=0, le=1)] characters = marvin.run("Create three characters for a mystery story", result_type=list[Character])

遍历结果以显示格式化的角色资料。

5. **Implement Persistent Memory**：为持续交互添加内存：
```python
import marvin
preferences = marvin.Memory(key="user_preferences", instructions="Remember user preferences and style")
assistant = marvin.Agent(memories=[preferences])
marvin.run("Learn about the user's writing style preferences", agents=[assistant], cli=True)

未来的运行将引用此内存，提升写作助手等应用中的个性化体验。

对于交互式演示，Marvin 支持 CLI 模式 (cli=True) 以直接与代理聊天。探索文档以了解高级模式，如异步运行任务或与 Prefect 集成进行工作流编排。