Eigent 遇上 MiniMax M2.1

在真實的企業環境中，許多內部工具、儀表板同埋舊有系統都完全喺瀏覽器內運作。要自動化呢啲系統，我哋會用 Eigent；佢係一個開源多代理工作隊伍應用程式，可以喺本機運行，亦可以由原始碼完整建立，並且非常著重瀏覽器自動化——實際上就好似一個運行喺你自己基礎設施上嘅 Eigent 開源協作夥伴。

喺呢篇文章入面，我哋會探討 Eigent 點樣運用 CAMEL Workforce 同瀏覽器自動化去處理複雜、多步驟嘅企業任務。我哋亦會深入了解 MiniMax M2.1，分析佢喺一個真實企業工作流程上嘅表現，以及令佢能夠有效運作於長鏈路、agentic 瀏覽器自動化場景嘅架構特性。

背景：Eigent 係乜，同埋佢點樣支援 MiniMax M2.1

Eigent 係一款開源、多代理工作隊伍產品，運行喺你嘅桌面上。佢採用多代理工作隊伍架構，並由瀏覽器自動化、終端機自動化同 MCP 等通用能力支援。呢種設計令 Eigent 入面嘅 agents 可以好似人類員工咁執行任務，喺真實桌面環境中運作，而唔需要深度 API 整合或者持續重新配置工作流程。

隨住基礎模型不斷進步，將佢哋同 Eigent 嘅開源多代理系統整合，可以令開發者同企業用戶快速而有效地將 LLM 能力直接應用到真實用例。你可以前往 Eigent 嘅 Model Settings 頁面，搵到 OpenAI Compatible 部分，輸入你嘅 API key 同 URL。當模型名稱設為 MiniMax-M2.1 後，你就可以開始。需要幫手？睇吓我哋嘅 MiniMax API key 設定指南：https://platform.minimaxi.com/docs/api-reference/text-openai-api。

GitHub 儲存庫同埋點樣設定 Eigent

GitHub 儲存庫：https://github.com/eigent-ai/eigent

快速開始：你可以使用預先編譯好嘅桌面應用程式即時使用，或者設定開發環境去檢視程式碼同自訂 agents。

選項 A：零設定桌面應用程式

1. 由 https://www.eigent.ai/ 下載客戶端。
2. 安裝 .dmg（macOS）或者 .exe（Windows）。
3. 啟動應用程式，本機後端就會自動開始。

選項 B：開發者設定

1. 前置條件：Node.js (v18-22) 同 Python。
2. 複製同安裝：

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

3. 執行應用程式：

npm run dev

一旦運行中，你可以直接喺設定裡配置你嘅 LLM provider（MiniMax M2.1 同其他模型）。想了解更詳細嘅設定、進階功能同疑難排解，請參閱官方文件：https://docs.eigent.ai/get_started/welcome。

內部運作：Eigent 完整技術堆疊同 CAMEL Workforce 架構

Eigent 系統概覽

Eigent 係一個 local-first 桌面應用程式，以 CAMEL Workforce 作為核心引擎，支援多代理協調。系統採用解耦嘅 full-stack 架構，完全運行喺用戶本機基礎設施上。呢個設計確保數據主權，並避免雲端代理執行帶嚟嘅私隱風險。

前端

用戶介面作為 agents 配置同工作流程監控嘅控制平面。佢基於 Electron 框架，使用 React 同 TypeScript 建構。

主要組件包括：

• 狀態管理：Zustand 以高效響應式處理暫態狀態。
• 視覺化協調：React Flow 視覺化展示 agent 工作區同即時執行。
• 通訊：前端透過安全嘅本機 HTTP requests 同後端通訊。

後端

核心邏輯位於本機 Python server，使用 FastAPI 同 Uvicorn，並承載 CAMEL 多代理框架。

• 執行環境：後端運行喺 Python 3.10+，並由 uv 管理，以實現高效依賴解析同環境隔離。
• 持久化層：透過 SQLModel 同 SQLAlchemy ORM，PostgreSQL 用嚟儲存審計日誌、工作流程歷史同 agent 狀態。
• 多代理系統框架：CAMEL 處理協調邏輯（例如 workforce），並同 LLM 互通，無論係遠端（例如 MiniMax）定本機（例如 vLLM）。CAMEL 亦提供 browser、terminal 同 document generation tools 等工具套件。

CAMEL Workforce：一個受組織架構啟發嘅多代理系統

Eigent 嘅核心就係 CAMEL Workforce，一個多代理系統，透過去中心化協作去解決複雜現實任務。系統採用嚴格嘅 producer-consumer 模式，並由 asynchronous message channel 調停，以高效管理依賴圖。

Agent 角色

• Coordinator agent：作為主要派發者，維持全局狀態，並根據可用性同能力分配子任務。
• Task agent：負責將高層目標按語義拆解成可執行、原子化單位。
• Worker agent：使用領域特定工具執行原子子任務。

非同步通訊：TaskChannel

協調層同執行層之間嘅解耦，係透過 TaskChannel 達成。呢個 asynchronous message queue 可管理任務分發，而唔會阻塞主執行執行緒。

執行流程：

1. Workforce 發起任務。
2. Worker nodes 輪詢分配。
3. 完成後，結果會被推回。

動態 DAG 建構

企業工作流程好少係線性。CAMEL Workforce 實作咗動態 directed acyclic graph (DAG) 建構機制。當收到一個高層 prompt（例如「建立旅遊計劃」）時，Task agent 會將呢個目標拆解成獨立節點。

系統會映射依賴關係，令排程器可以：

• 並行執行互相獨立嘅節點（例如「搜尋機票」同「搜尋酒店」可以同時運行）。
• 將有依賴關係嘅節點暫停，直到其前置節點進入 DONE 狀態。

容錯機制

鑑於 LLM 嘅非決定性特質，Eigent 會將失敗視為預期嘅狀態轉移，而唔係致命例外。架構使用以下方式實作復原機制：

• Retry：喺同一個 worker 上重新執行子任務，以處理暫時性錯誤。
• Replan：Task agent 會根據失敗日誌修改原本嘅子任務，然後再將其重新排隊。
• Reassign：子任務會轉移到另一個具有相容技能集嘅 worker。
• Decompose：如果任務因為過於複雜而失敗，就會拆解成更細嘅子任務。

Eigent 入面嘅瀏覽器自動化架構

多代理自動化只有喺配合強大嘅通用能力，例如瀏覽器自動化，先至可以真正釋放企業價值。Eigent 採用兩層架構，將瀏覽器控制同 agent 協調分開：

• TypeScript 層負責瀏覽器互動。佢利用原生 Playwright APIs 去執行 DOM 操作、擷取結構化快照、生成 SoM 截圖、偵測遮擋，並直接喺 JavaScript runtime 內處理進階瀏覽器邏輯。由於 Playwright 原生支援 TypeScript，呢一層可以使用 _snapshotForAI() 等功能，並提升效能同可靠性。
• Python 層負責 AI 協調。佢管理 LLM 呼叫、agent 決策同任務規劃。
• 兩層之間透過 WebSocket 非同步通訊，實現 non-blocking 操作。Python 發送瀏覽器操作請求，TypeScript 執行，結果再回傳到 agent 迴圈。

呢種架構提升效能、加強元素互動精準度，並支援動態 DOM filtering、viewport-aware snapshots 同瀏覽器內 SoM rendering 等進階能力。透過將瀏覽器任務交畀原生執行環境處理，Eigent 為基於 agent 嘅企業自動化提供穩健基礎。

喺真實企業任務上測試 MiniMax M2.1

我哋用 MiniMax M2.1 測試 Eigent，透過 Eigent 嘅瀏覽器自動化能力去自動化銷售流程。agent 任務涵蓋真實銷售週期階段，包括潛在客戶捕捉同建立、資格審核同 pipeline 管理、報價、談判、成交，以及產品管理。

喺多次實驗運行中，MiniMax M2.1 一直表現出三個優勢：

1. 能夠妥善處理複雜頁面結構，包括 iframe 同嵌套元素。
2. 會檢查自己嘅操作，以保持準確並縮短步驟。
3. 工具使用高效而靈活，避免不必要步驟。

任務：

"We have a new contact at Global Media - Jennifer Martinez (jennifer.m@globalmedia.com) is their new Senior Marketing Manager. Add her to our Salesforce and make sure she is connected to the right company."

喺呢個任務中，MiniMax M2.1 喺一個複雜嘅 Salesforce 介面內運作，將新聯絡人 Jennifer Martinez（Senior Marketing Manager）新增到 Global Media，並確保佢正確關聯到正確嘅 account。呢個過程需要穿梭多層 UI、識別正確入口、建立聯絡人、填寫關鍵欄位，同埋驗證 account 連結。

結果顯示，MiniMax M2.1 準確執行咗每一步，冇發生錯誤點擊或者工作流程中斷。呢個證明咗模型喺理解複雜企業 UI、規劃多步驟操作，同埋可靠執行端到端任務方面具備強大能力。

MiniMax M2.1 點樣提升任務表現

MiniMax M2.1 係自主企業 agents 嘅一個強勁選擇。佢能夠可靠處理長鏈路、多步驟任務，同時喺效能、效率同多用途之間取得平衡。

更強嘅推理能力同工作流程連貫性

相比前一代，M2.1 產生更簡潔、更有效率嘅推理鏈，回應更快，token 消耗亦更低。佢針對多步驟之間嘅上下文管理作出優化，有助維持 function calls 期間嘅邏輯連貫性，並降低工作流程後段出錯嘅機會。

Agent 同工具泛化能力

M2.1 喺多種 agent scaffolding 框架同工具環境之間表現良好。佢能夠可靠泛化到唔同工具，並支援整合式工作流程，令企業自動化更加實用。

長鏈路規劃嘅穩健性

企業自動化通常涉及不確定性，例如動態 UI 狀態、載入延遲同意外互動。透過改良推理同執行效率，M2.1 喺較長任務序列中展現出更佳韌性。

探索 Eigent 同 MiniMax M2.1

Eigent 完全開源，我哋歡迎開發者、研究人員同企業團隊去探索、延伸同參與貢獻：

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