Agentflow

Complex LLM Workflows from Simple JSON.

No commits in 38 months — may not be actively maintained. See maintained alternatives →

open-sourceagent-frameworks

Visit Website View on GitHub

321

Stars

Stars/month

Commits (90d)

Releases (6m)

Star Growth

Overview

Agentflow是一个工作流程执行工具，通过人类可读的JSON文件驱动LLM执行复杂的多步骤任务。该工具填补了聊天界面（如ChatGPT）和完全自主系统（如Auto-GPT）之间的空白，提供了一个平衡的解决方案：既有足够的结构来确保可靠执行，又保持了灵活性来处理动态内容。用户可以用简单的英文在JSON中定义工作流程，使用变量来创建基于输入变化的动态输出，并构建自定义函数来扩展文本生成之外的功能。Agentflow通过命令行界面运行，让LLM按步骤执行预定义的任务序列，同时支持实时监控和调试。目前该项目使用OpenAI API作为底层LLM服务，专注于提供可重复、可控的AI工作流程执行能力。

Deep Analysis

Key Differentiator

vs AutoGPT / LangChain agents: deterministic step-by-step workflow execution from JSON definitions — balanced between chat flexibility and autonomous agent unpredictability, with custom function support

⚡ Capabilities

• Run LLM-powered workflows defined in plain English JSON files
• Variable substitution for dynamic outputs based on user input
• Custom function building and execution beyond text generation
• Step-by-step workflow execution with configurable task settings
• Verbose real-time task completion output
• Temperature and function call settings per task

🔗 Integrations

OpenAI API

✓ Best For

✓ Developers wanting structured, repeatable LLM workflows vs. freeform chat
✓ Multi-step content generation pipelines (e.g., market research → analysis → report)
✓ Teams needing predictable LLM execution with human-readable workflow definitions

✗ Not Ideal For

✗ Interactive conversational AI applications
✗ Autonomous agents needing self-directed decision making
✗ Non-developers without Python experience

Languages

Python

Deployment

pip installlocal CLI execution

⚠ Known Limitations

⚠ Only supports OpenAI as LLM backend
⚠ Currently in development stage
⚠ No web UI — command-line only
⚠ Workflow definition limited to JSON format
⚠ No built-in memory or conversation persistence

Pros

+ 人类可读的JSON格式使非技术用户也能轻松创建和修改AI工作流程
+ 在聊天式交互和完全自主系统之间提供了良好的平衡，确保工作流程的可靠性和可控性
+ 支持自定义函数和变量系统，允许用户扩展功能并创建动态内容生成流程

Cons

- 目前仍在开发阶段，可能缺乏生产环境所需的稳定性和完整功能
- 依赖OpenAI API，需要外部服务和API密钥，可能产生使用成本
- 需要Python环境和手动配置，对非技术用户存在一定的技术门槛

Use Cases

• 自动化内容生成管道，如批量创建营销文案、产品描述或技术文档
• 构建需要多个步骤的数据处理工作流程，如信息提取、分析和报告生成
• 创建可重复的AI辅助业务流程，如客户服务响应模板或内容审核工作流

Getting Started

1. 获取OpenAI API密钥并克隆项目仓库到本地；2. 从example.env创建.env文件并添加API密钥，运行pip install -r requirements.txt安装依赖；3. 使用python -m run --flow=example命令运行示例工作流程，然后修改或创建自己的JSON工作流程文件