原生Python复刻Manus：多Agent应用开发实战全解析

为什么Agent开发成为程序员的新风口

Manus作为号称世界首款通用型AI Agent的产品，发布后在市场引发强烈反响——闲鱼上的邀请码一度被炒到六万甚至十万元，供不应求。这种现象背后折射出AI Agent（智能体）在市场上的高度关注度。结合DeepSeek^广告等国产模型的崛起，以及AI在脑机接口、机器人、内容创作等各行各业的加速落地，Agent方向已然成为近年最受瞩目的技术风口。

对程序员而言，这一趋势意味着实实在在的机会。从招聘平台的数据看，Agent相关岗位薪资普遍在30K至50K以上，且多为14-16薪，比传统前后端岗位高出50%甚至150%。同时，以AI/Agent为核心的创业公司融资额度庞大，行业呈现高薪、高回报、前景广的特征。无论是追逐风口、寻求高薪，还是转行或创业，Agent都是一个值得投入的方向。

AI经济的三层结构与选择应用层的逻辑

理解为什么选择Agent开发而非更底层的AI技术，需要看清AI经济的三层结构。

基础设施层是最底层，提供算力、数据与框架支持，包括GPU、TPU以及TensorFlow、PyTorch等训练框架。能够玩转这一层的公司屈指可数——制造GPU/TPU的厂商一只手数得过来，成熟的AI框架更是稀缺，从零开发框架的成本、时间与生态门槛都难以承受。

基础模型层是中间层，即通常所说的大语言模型（LLM），提供核心认知能力。训练一款大模型成本极其高昂，即便像DeepSeek这样将成本压缩到极致的模型，训练一款仍需数千万投入，同样只有头部公司才玩得起。

**应用层（Agent层）**是顶层，直接面向用户，包括AI Agent、内容创作、代码助手、数据分析等各类应用。这一层受众面最广，无论大厂小厂都有需求，机会与岗位数量比其他两层高出多个数量级。更重要的是，底层越强，顶层越繁荣。选择Agent开发，正是站在了离用户和业务最近、机会最多的位置。

课程七阶段拆解：从单Agent到分布式协作

这门课程围绕一个复刻Manus的产品「MoreManus」展开，共十几章内容划分为七个阶段，逻辑层层递进。

第一阶段·Agent初识：快速厘清单Agent与多Agent的概念差异，并讲解Agent在企业中的落地方式，为后续代码开发打下理论基础。

第二阶段·环境配置：从零搭建Python环境，用OpenAI SDK对接大模型，实现基础Agent并初始化项目结构。

第三阶段·MCP协议：这是重头戏，占三章。讲解MCP（Model Context Protocol）协议及其使用，编写Python解释器、文本写入、网络搜索等MCP工具，并演示如何将现成工具转换为MCP工具反哺本地模型。这里还会用到Browser-Use框架及其底层的Playwright自动化程序，实现Agent对浏览器的程序化操控。

第四阶段·A2A协议：讲解A2A（Agent-to-Agent）协议标准，借助谷歌提供的标准库实现A2A服务器与客户端，为分布式Agent开发奠定基础。最终产品的底层多Agent通信正是基于A2A协议。

第五阶段·Prompt工程：学习为不同Agent编写指定Prompt的技巧，掌握Prompt质量评测标准与优化方法。

第六阶段·项目综合开发：对接分布式Agent、多Agent、后端API与Next.js前端，用Tailwind CSS美化UI，并通过Dockerfile与Docker Compose实现一键部署。

第七阶段·总结与展望：尝试用开发出的系统「自举」，将项目从原生Python迁移到Java、Go、Node.js等语言，并展望多Agent开发路线与AI岗位技巧。

MoreManus产品能力：超越Manus的可视化配置

从实操演示看，MoreManus的界面与Manus高度接近，具备任务列表、对话窗口和文件上传功能。当用户发起提问时，底层的调度Agent会自动将任务拆分成多个子任务，分配给不同Agent执行，每个Agent又将子任务拆解为可点击查看的具体步骤。

每个任务会分配一个隔离的沙箱环境，Agent在其中自动执行命令、操控内置浏览器完成访问网页、输入账号密码等复杂流程的自动化。生成的文件统一上传到程序中，即便虚拟机关闭也能下载，文本类文件还支持点击预览并展示代码高亮。

值得关注的是几项Manus所不具备的能力：前端可动态配置模型参数（是否允许自动执行计划、迭代次数、执行步数等）；可动态切换任何兼容OpenAI接口的模型，如GPT、DeepSeek、Gemini、Claude等；可在前端连接A2A Network接入互联网上的分布式Agent；可动态添加MCP服务器扩展工具集；还能通过浏览器远程接管虚拟机内的浏览器，人工完成验证码输入等Agent难以处理的步骤后再交还给Agent。

演示中的几个案例颇具代表性：图片拼接合并为PDF、将整个代码库从Python自动转换为Go语言、以及采集指定网页课程信息。这些任务全程由Agent自动拆解、执行、纠错与迭代完成，其中代码自举转换耗时长达数十分钟，展现了系统处理复杂任务的能力。

技术架构与选型：拒绝框架黑箱

MoreManus的系统架构可分为三大主要部分与两个次要模块。前端用Next.js实现，内置VNC客户端用于操控虚拟机浏览器，并提供模型配置、工具可视化列表等界面。后端中控基于FastAPI这一主流API框架，内部实现API网关，用OpenAI SDK结合DeepSeek模型构建核心大脑，配置MCP工具与A2A智能体网络，对接Playwright浏览器工具、沙箱与ReAct Agent工作流。沙箱内部同样运行FastAPI服务，安装Chrome浏览器并通过CDP实现远程操控，用Supervisor管理进程，实现文件模块、桌面共享、命令与文件传输。

技术栈涵盖约三百个知识点，核心六大板块包括：前端（Next.js、React.js、Tailwind CSS、SSE、Monaco编辑器）、后端中控（FastAPI、Uvicorn、PostgreSQL、Redis、Pydantic、COS对象存储）、沙箱可视化与远程控制（CDP、Socket端口转发、桌面共享、程序化管理）、大模型核心能力（OpenAI SDK、DeepSeek API、CoT思维链、ReAct设计模式、A2A协议、MCP协议、Prompt工程）、Docker沙箱（Ubuntu镜像、Dockerfile编写、Supervisor进程管理、环境隔离）以及沙箱MCP工具集。

课程最鲜明的特色是不依赖LangChain、LangGraph等框架，而用原生Python加MCP、A2A基础库编排多Agent系统。这样代码更底层，能帮助学习者真正理解Agent的实现原理，避免框架黑箱带来的理解盲区。当需要切换到Java、Go等其他语言时，掌握底层原理的开发者也能从容应对。

ReAct（Reasoning + Acting）是一种结合推理与行动的Agent工作流设计模式，由普林斯顿大学与谷歌研究院于2022年联合提出。其核心思路是让大模型在每一步执行前先输出"思考"（Thought），再决定"行动"（Action）并观察结果（Observation），如此循环直至任务完成，形成"思考→行动→观察"的迭代闭环。与直接输出答案的模式相比，ReAct显著提升了模型在复杂多步骤任务中的准确率和可解释性，因为每一步推理过程都可以被记录和审查。CDP（Chrome DevTools Protocol）则是谷歌Chrome浏览器暴露的底层调试与自动化协议，Playwright等浏览器自动化框架正是基于CDP实现对页面DOM操作、网络请求拦截、截图录制等能力的程序化控制，沙箱中的Agent借此可以像人工操作一样与真实浏览器交互。

适合人群与学习收获

课程面向六类用户：想转行Agent开发的初中级前后端开发者、寻求提升的中高级开发者、对AI智能体开发感兴趣的开发者（如Dify、Coze的深度使用者）、创业者，以及希望借Agent提升竞争力的从业者。前置要求方面，Python、Agent开发、Docker编排、AI算法等基础有则更佳，但课程从环境搭建开始，所有前后端与沙箱代码逐行讲解，零基础跟学也能完成项目落地。

学习成果包括至少7000行前后端及沙箱代码的完整项目、50个以上Agent业务落地逻辑案例、30余款MCP工具的演示，以及一个贯穿全程的企业级项目。除编程外，课程还涉及工程系统架构、Agent设计思路、职业规划与LLM对接等内容，强调「构建复杂稳定系统的能力比会编程更重要」。这也是它与市面上多数AI课程的核心差异所在。

背景补充

MCP（Model Context Protocol，模型上下文协议）是由Anthropic于2024年底提出并开源的标准化协议，旨在解决大模型与外部工具、数据源之间的集成碎片化问题。在MCP出现之前，每个AI应用都需要为不同工具单独编写适配代码，维护成本极高。MCP通过定义统一的服务器-客户端通信规范，让模型可以用同一套接口调用文件系统、数据库、搜索引擎、代码执行器等各类工具，类似于编程世界中的USB接口标准。MCP服务器本质上是一个轻量级进程，暴露出一组"工具"（Tools）、"资源"（Resources）和"提示"（Prompts）供模型调用；MCP客户端（通常是Agent的宿主）负责发现并调用这些能力。目前主流的AI开发工具如Claude Desktop、Cursor等均已支持MCP，生态增长迅速，学习MCP已成为Agent开发的核心必备技能之一。

A2A（Agent-to-Agent）协议是谷歌于2025年4月发布的开放协议，专为多个AI Agent之间的跨系统通信与任务协作设计。与MCP解决的"模型调用工具"问题不同，A2A解决的是"Agent如何发现并委托另一个Agent完成子任务"的问题。每个兼容A2A的Agent会发布一份"Agent Card"（类似服务说明书），描述自身能力、支持的输入输出格式及认证方式，其他Agent或调度器可据此动态发现并调用它。A2A采用标准HTTP协议传输，支持流式响应（SSE），并内置任务状态管理机制，使长时间运行的异步任务也能被可靠追踪。这一协议使得分布式Agent网络成为可能——互联网上不同开发者部署的Agent可以相互协作，形成类似微服务架构的"Agent生态系统"，这也是MoreManus能够接入外部A2A Network的技术基础。