OxyGent: Making Multi-Agent Systems Modular, Observable, and Evolvable via Oxy Abstraction

在复杂的工业环境中部署可投入生产使用的多智能体系统（MAS）仍面临诸多挑战，主要体现在可扩展性、可观测性以及自主演进能力等方面的固有局限。本文提出 OxyGent——一个开源框架，其核心创新在于两项关键技术：统一的“Oxy”抽象模型与“OxyBank”演进引擎。该统一抽象模型将智能体、工具、大语言模型（LLM）及推理流程统一封装为可插拔的原子化组件，从而支持类似乐高积木式的灵活系统构建，并实现对系统运行状态的非侵入式监控。为提升可观测性，OxyGent 引入了基于权限驱动的动态规划机制，以运行时动态生成的执行图替代僵化的预设工作流，进而提供自适应的可视化分析能力。此外，为支撑系统的持续演进，OxyBank 作为一个人工智能资产统一管理平台，可驱动自动化数据回传、智能标注以及模型与系统组件的协同演进。实证评估与多个真实工业场景案例表明，OxyGent 为多智能体系统提供了坚实、可靠且高度可扩展的基础架构。OxyGent 已依据 Apache License 2.0 协议完全开源，项目地址为：https://github.com/jd-opensource/OxyGent。

在复杂工业环境中部署生产级多智能体系统（MAS）面临可扩展性差、可观测性弱、难以自主演化的根本挑战，现有框架缺乏统一抽象与持续进化能力。

提出Oxy抽象——将智能体、工具、LLM和推理流统一建模为可插拔的原子组件；并设计OxyBank演化引擎——通过权限驱动的动态规划生成运行时执行图，实现自适应可视化，以及自动化数据回流、标注与联合进化。

1）开源实现（Apache 2.0），地址：https://github.com/jd-opensource/OxyGent；2）真实工业场景案例验证（如京东物流调度、智能客服协同）；3）支持非侵入式监控与Lego式组合；4）未披露具体基准数据集，但强调端到端工业闭环评估；5）未来方向包括OxyBank的联邦演化机制与跨域迁移学习。

AutoGen (Microsoft, 2023); Camel (CUHK & Alibaba, 2023); LangGraph (LangChain, 2024); MetaGPT (Shenzhen University, 2023); AgentScope (Baidu, 2024)