OpenManus：无需 GPU 的通用 AI Agent 助手｜部署与使用指南

把自然语言想法交给 Agent，由它自行拆解任务、调用工具、操作浏览器并分步执行，普通电脑无需独立显卡即可本地部署运行。

▲ 图 0：OpenManus 官方 Logo，双手托举大脑线条标识（官方 Logo）

项目简介

OpenManus 是一个开源的通用 AI Agent 实现，目标是复刻"通用智能助手"的产品形态：你在终端用一句话描述目标，Agent 自行完成任务拆解、规划步骤、选择并调用工具，必要时打开浏览器检索信息、点击页面、截图观察，再把执行结果汇总反馈给你。整个过程不需要邀请码，也不需要申请云端封闭测试资格，克隆仓库、填好模型密钥即可在自己的机器上跑起来。

截至 2026 年 10 月 25 日，其 GitHub 仓库已收获约 5.88 万 star（58,771），fork 10,186，采用 Python 编写、MIT 许可证，最后推送日期为 2026 年 9 月 30 日，社区贡献活跃。项目由 MetaGPT 团队核心成员发起维护，同时提供通用 Agent、MCP 工具版与多智能体流程版三种运行入口，适合想学习通用 Agent 工作机制、搭建私人任务助手或在此基础上二次开发的开发者与研究者。

OpenManus 本身只负责 Agent 编排与工具调度，不自带大模型权重，推理能力由你在配置文件中指定的 LLM 后端提供：默认接入 OpenAI 兼容接口的 gpt-4o，也可以切换 Anthropic、Azure OpenAI、Amazon Bedrock、Jiekou.AI 或本地 Ollama 等后端。由于推理发生在模型服务端，部署这一套 Agent 程序本身不需要独立显卡。

核心能力与特性

• 任务自动拆解：接收自然语言目标后自动生成执行计划，按步骤推进，遇到失败主动重试或更换思路。
• 工具调用循环：内置搜索、代码执行、文件读写、浏览器操作等工具，模型根据当前步骤自主决定调用哪个工具。
• 浏览器自动化：默认通过 Browser Use CLI 以 MCP 服务形式接入浏览器，提供页面操作与截图工具；另一套 BrowserGym 环境由 Playwright 驱动。
• 多搜索引擎：集成 Google、Baidu、DuckDuckGo 等搜索通道，为 Agent 提供实时资料来源。
• 多模型后端：配置文件支持 OpenAI 兼容、Anthropic、Azure OpenAI、Bedrock、Jiekou.AI 与本地 Ollama，按需替换模型与接口地址。
• 多智能体流程：除通用 Agent 外，提供 run_flow 多智能体入口，可叠加数据分析 Agent，完成数据清洗、分析与可视化任务。
• MCP 工具版本：run_mcp.py 入口可把 OpenManus 作为 MCP 工具挂载到其他支持 MCP 的客户端中协同使用。
• 低硬件门槛：Agent 编排与工具调度运行在普通 CPU 环境，无需 GPU；只有选择本地开源模型时才需要相应内存或显存。

硬件与系统要求

OpenManus 框架本身很轻量，资源占用主要来自依赖包、浏览器内核与所选模型后端：

完整部署方式

方式一：conda 环境（稳定可控）

# 创建名为 open_manus 的 Python 3.12 环境并激活
conda create -n open_manus python=3.12
conda activate open_manus

# 克隆官方仓库并进入目录
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus

# 安装 Python 依赖
pip install -r requirements.txt

方式二：uv 环境（官方推荐，依赖解析更快）

# 安装 uv 包管理器
curl -LsSf https://astral.sh/uv/install.sh | sh

# 克隆仓库并进入目录
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus

# 创建 Python 3.12 虚拟环境并激活
uv venv --python 3.12
source .venv/bin/activate
# Windows 下激活命令为：.venv\Scripts\activate

# 安装依赖
uv pip install -r requirements.txt

安装浏览器自动化依赖

# 安装 Playwright 所需的浏览器内核（BrowserGym 环境需要）
playwright install

# 启动默认 Browser Use CLI 3.0 MCP 服务，保持终端常驻
uvx browser-use --cli-mcp

不需要浏览器能力时，可以通过环境变量关闭默认 Browser Use MCP 服务：

# 禁用默认 Browser Use MCP 服务
export OPENMANUS_DISABLE_BROWSER_USE=1

配置模型后端

# 从示例配置复制出正式配置文件
cp config/config.example.toml config/config.toml

编辑 config/config.toml，填入你自己的模型接口与密钥：

# 全局 LLM 配置
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-你的实际密钥"
max_tokens = 4096
temperature = 0.0

# 可选：视觉模型配置，用于需要截图理解的场景
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-你的实际密钥"
max_tokens = 4096
temperature = 0.0

换成其他兼容后端时，只需修改 model、base_url 与 api_key；配置文件示例中也预留了 Anthropic、Azure OpenAI、Amazon Bedrock、Jiekou.AI 与本地 Ollama 的注释模板，取消注释并填写参数即可。使用本地 Ollama 时可参考：

# [llm] # 本地 Ollama 后端
# api_type = 'ollama'
# model = "llama3.2"
# base_url = "http://localhost:11434/v1"
# api_key = "ollama"
# max_tokens = 4096
# temperature = 0.0

使用方法

通用 Agent 终端模式

# 启动通用 Agent，终端会提示输入任务
python main.py

启动后在终端输入自然语言任务即可，例如"帮我查一下今天科技领域的热门新闻并整理成三段摘要"，Agent 会自行规划步骤、调用搜索与浏览器工具，再把结果汇总返回。执行过程中终端会打印当前步骤、工具调用与观察结果，可据此观察 Agent 的决策轨迹。

MCP 工具版本

# 以 MCP 工具形式运行，供其他 MCP 客户端挂载调用
python run_mcp.py

多智能体流程版本

# 运行不稳定但支持多智能体协作的流程版本
python run_flow.py

在 config/config.toml 中开启数据分析 Agent 后，多智能体流程可以承接数据清洗、分析与可视化任务：

# 可选：在 run-flow 中启用数据分析 Agent
[runflow]
use_data_analysis_agent = true

运行注意事项

• 云端模型按 token 计费，长任务、反复浏览器操作与多轮工具往返都会增加用量，建议先用小任务验证流程，再交给复杂目标。
• 浏览器自动化依赖 Chromium/Chrome 内核；首次运行若提示浏览器缺失，重新执行 playwright install，或用 uvx browser-use --doctor 诊断环境。
• 浏览器相关工具需要桌面图形环境；纯无显示器服务器上运行时可配置无头模式，具体参数见配置文件中 [browser] 注释段落。

官方链接

常见问题（FAQ）

问：部署 OpenManus 需要独立显卡吗？ 不需要。Agent 编排、工具调度与浏览器操作都在普通 CPU 机器上运行；只要模型走云端 API，整张流程都不消耗显存。只有把模型后端换成本地开源模型时，才需要对应内存或显存。

问：默认使用哪个模型？可以换成别的吗？ 默认配置指向 gpt-4o（OpenAI 兼容接口）。打开 config/config.toml 修改 [llm] 段的 model、base_url、api_key 即可切换到 Anthropic、Azure OpenAI、Bedrock、Jiekou.AI 等后端；本地 Ollama 模板在示例配置中以注释形式提供。

问：为什么启动后浏览器工具不可用？ 先确认已执行 playwright install 安装浏览器内核，并且 uvx browser-use --cli-mcp 正常常驻运行。诊断可执行 uvx browser-use --doctor；不需要浏览器能力时，设置 OPENMANUS_DISABLE_BROWSER_USE=1 可跳过默认 Browser Use MCP 服务。

问：运行一个任务大概要花多少 API 费用？ 费用取决于任务步数、工具往返次数与所选模型。通用 Agent 在规划、搜索、页面观察与总结阶段会产生多轮调用，复杂任务 token 消耗明显高于单次聊天；建议先用简短任务测试，观察终端日志中的调用节奏，再决定是否接入成本更低的模型。

问：支持哪些运行入口？ python main.py 是通用 Agent 终端交互；python run_mcp.py 是 MCP 工具版本，可被其他客户端挂载；python run_flow.py 是多智能体流程版本，可叠加数据分析 Agent。

问：能在 Windows 上运行吗？ 可以。Python 3.12 环境创建后，激活脚本换成 PowerShell 版本，其余依赖安装、配置文件与启动命令保持一致；浏览器内核同样通过 playwright install 安装。

许可证

OpenManus 仓库采用 MIT 许可证，允许自由使用、复制、修改、合并、发布、分发与商用，只需在源码与副本中保留原始版权声明与许可声明。需要注意：配置中接入的第三方模型服务分别遵循其自身条款与计费规则；浏览器自动化工具、搜索引擎与 Playwright 等依赖各自遵循对应开源许可证。