Eigent 与 MiniMax M2.1

在真实的企业环境中，许多内部工具、仪表盘和遗留系统完全运行在浏览器中。为了自动化这些系统，我们使用 Eigent——一款开源的多智能体工作平台应用，它可在本地运行，并且可以从源码完整部署，重点聚焦浏览器自动化——本质上充当运行在你自有基础设施上的 Eigent 开源协作员工。

在这篇文章中，我们将探讨 Eigent 如何利用 CAMEL Workforce 和浏览器自动化来处理复杂的多步骤企业任务。我们还会更深入了解 MiniMax M2.1，分析它在一个真实企业工作流中的表现，以及支撑它在长周期、agentic 浏览器自动化场景中高效运行的架构特性。

背景：什么是 Eigent，以及它如何支持 MiniMax M2.1

Eigent 是一款运行在你桌面上的开源多智能体工作平台产品。它采用多智能体工作平台架构，并由浏览器自动化、终端自动化和 MCP 等通用能力提供支持。这种设计使 Eigent 中的智能体能够像人类员工一样执行任务，而无需深度 API 集成或频繁重构工作流，就能在真实桌面环境中运行。

随着基础模型不断进步，将其与 Eigent 的开源多智能体系统集成，可以让开发者和企业用户快速而高效地把 LLM 能力直接应用到真实世界的用例中。你可以进入 Eigent 的 Model Settings 页面，找到 OpenAI Compatible 部分，输入你的 API key 和 URL。将模型名称设置为 MiniMax-M2.1 后，就可以开始使用了。需要帮助？请查看我们关于配置 MiniMax API key 的指南：https://platform.minimaxi.com/docs/api-reference/text-openai-api。

GitHub 仓库以及如何设置 Eigent

GitHub 仓库：https://github.com/eigent-ai/eigent

快速开始：你可以使用预编译的桌面应用立即运行 Eigent，也可以搭建开发环境来查看代码并自定义智能体。

选项 A：零配置桌面应用

1. 从 https://www.eigent.ai/ 下载客户端。
2. 安装 .dmg（macOS）或 .exe（Windows）。
3. 启动应用，本地后端会自动启动。

选项 B：开发者环境搭建

1. 前置要求：Node.js（v18-22）和 Python。
2. 克隆并安装：

git clone https://github.com/eigent-ai/eigent.git
cd eigent
npm install

3. 运行应用：

npm run dev

运行后，你可以在设置中直接配置你的 LLM 提供商（MiniMax M2.1 等）。如需了解更详细的配置、进阶功能和故障排查信息，请参阅官方文档：https://docs.eigent.ai/get_started/welcome。

深入内部：Eigent 全栈与 CAMEL Workforce 架构

Eigent 系统概览

Eigent 是一款本地优先（local-first）的桌面应用，具备多智能体编排能力，其核心引擎由 CAMEL Workforce 驱动。该系统实现了一个解耦的全栈架构，完全运行在用户的本地基础设施上。这种设计确保了数据主权，并避免了与云端智能体执行相关的隐私风险。

前端

用户界面作为智能体配置和工作流监控的控制平面。它基于 Electron 框架，使用 React 和 TypeScript 构建。

主要组件包括：

• 状态管理：Zustand 通过高效的响应式机制处理瞬时状态。
• 可视化编排：React Flow 将智能体工作区和实时执行过程可视化。
• 通信：前端通过安全的本地 HTTP 请求与后端通信。

后端

核心逻辑位于一个本地 Python 服务器中，使用 FastAPI 和 Uvicorn，承载 CAMEL 多智能体框架。

• 运行时环境：后端运行在 Python 3.10+ 上，并由 uv 管理，以实现高性能依赖解析和环境隔离。
• 持久化层：PostgreSQL 通过 SQLModel 和 SQLAlchemy ORM 存储审计日志、工作流历史记录和智能体状态。
• 多智能体系统框架：CAMEL 负责编排逻辑（例如 workforce），并与 LLM 交互，无论是远程模型（例如 MiniMax）还是本地模型（例如 vLLM）。CAMEL 还提供浏览器、终端和文档生成等工具包。

CAMEL Workforce：受组织结构启发的多智能体系统

Eigent 的核心是 CAMEL Workforce，这是一个旨在通过去中心化协作解决复杂真实任务的多智能体系统。该系统采用严格的生产者-消费者模式，并通过异步消息通道来高效管理依赖图。

智能体角色

• Coordinator agent：作为主要调度器，维护全局状态，并根据可用性和能力分配子任务。
• Task agent：负责将高层目标进行语义拆解，转化为可执行的原子单元。
• Worker agent：使用特定领域工具执行原子子任务。

异步通信：TaskChannel

协调层与执行层之间通过 TaskChannel 实现解耦。这个异步消息队列在不阻塞主执行线程的情况下管理任务分发。

执行流程：

1. Workforce 发起任务。
2. Worker 节点轮询分配任务。
3. 完成后，结果被回传。

动态 DAG 构建

企业工作流很少是线性的。CAMEL Workforce 实现了一种动态有向无环图（DAG）构建机制。当收到一个高层提示时（例如“创建旅行计划”），Task agent 会将目标拆解为离散节点。

系统会映射依赖关系，从而使调度器能够：

• 并行执行彼此独立的节点（例如，“搜索机票”和“搜索酒店”可同时运行）。
• 将依赖节点阻塞，直到其前置节点达到 DONE 状态。

容错机制

考虑到 LLM 的非确定性特征，Eigent 将失败视为预期中的状态转换，而不是致命异常。该架构使用以下机制实现恢复：

• Retry：在同一个 worker 上重新执行子任务，以处理临时性错误。
• Replan：Task agent 会根据失败日志修改原始子任务，然后再将其重新入队。
• Reassign：将子任务迁移到具有兼容技能集的其他 worker。
• Decompose：如果任务因复杂度过高而失败，则将其拆分为更小的子任务。

Eigent 中的浏览器自动化架构

只有与强大的通用能力（例如浏览器自动化）结合，多智能体自动化才能真正释放企业价值。Eigent 采用双层架构，将浏览器控制与智能体编排分离：

• TypeScript 层负责浏览器交互。它利用原生 Playwright API 执行 DOM 操作、捕获结构化快照、生成 SoM 截图、检测遮挡，并在 JavaScript 运行时中直接处理高级浏览器逻辑。由于 Playwright 对 TypeScript 原生友好，该层可以访问 _snapshotForAI() 等功能，并提升性能和可靠性。
• Python 层负责 AI 编排。它管理 LLM 调用、智能体决策和任务规划。
• 两层通过 WebSocket 异步通信，实现非阻塞操作。Python 发送浏览器操作请求，TypeScript 执行这些请求，然后将结果返回给智能体循环。

这种架构提升了性能，增强了元素交互的精确度，并支持动态 DOM 过滤、视口感知快照和浏览器内 SoM 渲染等高级能力。通过将浏览器任务委托给原生执行上下文，Eigent 为基于智能体的企业自动化奠定了坚实基础。

在真实企业任务中测试 MiniMax M2.1

我们使用 Eigent 的浏览器自动化能力测试了 MiniMax M2.1，用于自动化销售流程。智能体任务覆盖了真实销售周期的各个阶段，包括线索捕获与创建、资格审查与销售漏斗管理、报价、谈判、成交以及产品管理。

在多次实验运行中，MiniMax M2.1 始终展现出三大优势：

1. 能很好地处理复杂页面结构，包括 iframe 和嵌套元素。
2. 会检查自己的操作，以保持准确性并让步骤更简短。
3. 工具使用高效且灵活，避免不必要的步骤。

任务：

"我们有一位来自 Global Media 的新联系人 - Jennifer Martinez（jennifer.m@globalmedia.com），她是他们新任的 Senior Marketing Manager。请将她添加到我们的 Salesforce 中，并确保她与正确的公司关联。"

在这个任务中，MiniMax M2.1 在复杂的 Salesforce 界面中执行操作，将 Global Media 的新联系人 Jennifer Martinez（Senior Marketing Manager）添加进去，并确保她被正确关联到相应的 account。为此，需要在多个 UI 层之间导航，定位正确的入口，创建联系人，填充关键字段，并验证 account 关联关系。

结果表明，MiniMax M2.1 准确执行了每一步，没有出现误点击或工作流中断。这展示了该模型在理解复杂企业 UI、规划多步骤操作以及可靠执行端到端任务方面的强大能力。

MiniMax M2.1 如何提升任务表现

MiniMax M2.1 是自主企业智能体的一个强力选择。它能够可靠地处理长周期、多步骤任务，并在性能、效率和通用性之间取得平衡。

更强的推理能力与工作流连续性

与前代相比，M2.1 生成的推理链更简洁、更高效，响应更快，token 消耗更低。它在多个步骤之间具备更好的上下文管理能力，有助于在 function calls 期间保持逻辑连续性，并减少工作流后续阶段出错的概率。

智能体与工具的泛化能力

M2.1 在多种智能体脚手架框架和工具环境中都表现良好。它能可靠地泛化到不同工具，并支持集成式工作流，因此非常适合企业自动化。

长周期规划中的鲁棒性

企业自动化通常涉及不确定性，例如动态 UI 状态、加载延迟和意外交互。通过提升推理和执行效率，M2.1 在更长的任务序列中表现出更强的韧性。

探索 Eigent 和 MiniMax M2.1

Eigent 完全开源，我们邀请开发者、研究人员和企业团队一起探索、扩展并贡献：

• GitHub: https://github.com/eigent-ai/eigent
• Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M2.1
• Discord: https://discord.camel-ai.org/