• 🚀 composable AI 架构：通过模块化 Agent 堆叠组合，快速构建复杂智能体系统，支持多模型、多工具协同工作。
• 🔄数据流驱动：采用直观的数据流（DataFlow）模式替代传统工作流（Workflow），实现 Agent 间灵活解耦与动态重组。
• 🐍全栈 Python 支持：从 Agent 开发到数据流配置均提供 Python 友好接口，同时兼容 Rust 高性能节点扩展。
• 🧩丰富的节点生态：内置终端交互、LLM 调用、工具集成等基础节点，支持自定义节点快速接入。
• 🔌多框架兼容：基于 Dora-rs runtime 构建，支持与 ROS2、OpenTelemetry 等系统无缝集成。
• 🖥️MoFA Stage 可视化工具：提供图形化界面，支持 Dataflow 和 Node 的可视化创建、管理与调试。

• ✅ = 完全支持
• 📐 = 实验性支持（需贡献）
• ❌ = 暂不支持

首先需构建隔离的 Python 运行环境：

# 创建虚拟环境
python3 -m venv .mofa
# 激活虚拟环境
source .mofa/bin/activate

• Python 版本需为 3.10 或 3.11
• 兼容系统：WSL（Ubuntu 22.04）、macOS
• 暂不支持 Windows 系统

# 安装 Rust 工具链
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
# 安装过程中保持默认配置（直接按 Enter 确认）
# 安装 Dora 命令行工具（MoFA 依赖的 runtime）
cargo install dora-cli

# 验证安装结果
rustc --version
cargo --version
dora --version

# 从 PyPI 安装（推荐）
pip install mofa-core

# 或从源码安装最新开发版
pip install git+https://github.com/mofa-org/mofa.git

# 验证安装
pip show mofa-core
mofa --help

# 克隆代码仓库
git clone [email protected]:mofa-org/mofa.git

cd mofa/dataflows/hello_world
mofa run hello_world_dataflow.yml

示例输出：

 Send Your Task :  你好
-------------hello_world_result---------------
你好

MoFA 是一个用于构建可组合 AI 智能体的软件框架。通过 MoFA，开发者可以通过模板创建智能体（Agent），并以堆叠方式组合形成更强大的超级智能体（Super Agent）。

核心设计哲学：

• 让普通人做非凡事：AI 不应是精英专属，MoFA 让每个人都能开发和应用 AI，将不可能变为可能。
• 组合式 AI：受 Unix 哲学启发，以"组合"为核心，像搭积木一样构建、连接智能体与工具，让 AI 简单、灵活且强大。
• 万物皆智能体：在 MoFA 生态中，智能体是 AI 时代的应用载体——不仅是大语言模型，还可以是代码、脚本、API 甚至 MoFA 本身。
• 数据流驱动：摒弃复杂工作流，采用更直观的数据流模式，使智能体可自由组合、拆解与复用。

MoFA Stage 是 MoFA 生态的图形化控制中心，支持在可视化界面中快速创建、管理和调试 Dataflow 与 Node：

• node/dataflow 模板库：提供丰富的智能体模板，一键生成 node 项目。
• Dataflow 可视化创建：通过拖拽式界面定义数据流，直观配置节点间的消息传递关系。
• Node 管理：统一管理自定义节点与官方节点，支持快速接入新功能。
• 智能体生命周期管理：在图形化界面中启动、停止、监控智能体运行状态。

Node Hub 界面

Dataflow界面

参考6分钟开发指南，快速构建基于大语言模型的智能体，包含环境变量配置、项目初始化、逻辑实现、数据流定义全流程。

类型	名称	描述	最后更新
入门	Hello World	基础数据流交互示例
LLM	Qwen 智能体	调用 Qwen API 的对话智能体
工具集成	天气查询	查询ip所在地天气的智能体

更多文档请参考 MoFA 官方文档。

我们欢迎所有开发者参与贡献，无论您的经验水平如何。请参考贡献指南了解如何参与项目开发。

• GitHub Discussions
• Discord 服务器

本项目采用 Apache-2.0 许可证，详情参见 LICENSE。

• Dora-rs 文档