OWL 简明指南：快速上手

🦉 OWL 是一个前沿的多智能体协作框架，推动任务自动化的边界，构建在 Camel AI 之上，其愿景是彻底变革 AI 智能体协作解决现实任务的方式。通过利用动态智能体交互，OWL 实现了跨多领域更自然、高效且稳健的任务自动化。 github.com/camel-ai/ow...

前言

日前，在 Manus 引爆社交媒体后，多个开源通用 Agent 也迅速出圈，OWL 便是其中之一。然而，笔者在遵循 Github 官方指南安装运行 OWL 时，也遇到一些问题。本文旨在提供一个更简单的部署指南，让您快速体验这个 Agent 的魅力。

安装

1）准备好 git 和 python

从各自官网安装即可，Python 3.10, 3.11, 3.12 取其一，无需多言

2）安装 uv

arduino 复制代码

# uv 是这个项目需要用到的 python 包管理器（之一），用来管理项目依赖。
pip install uv

3）克隆 GitHub 仓库

bash 复制代码

git clone https://github.com/camel-ai/owl.git

4）进入项目目录

bash 复制代码

cd owl

5）激活虚拟环境

bash 复制代码

# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate

6）开启科学上网（非必须，会更快更稳定），安装 CAMEL 及其所有依赖

bash 复制代码

# 依赖下载完成后会有较长的一段 preparing packages 的时间，请耐心等候
uv pip install -e .

注意‼️ 完成以上步骤后即可暂停，不要执行官方指南里的 deactivate 命令，否则离开虚拟环境后会因依赖缺失，无法运行项目

设置 API Key

OWL 调用模型完成各种任务，因此我们需要一个 api key 提供这个基础能力。以下是 OWL 目前支持的模型提供商

OpenAI
Qwen
DeepSeek
Groq
Azure

1）获取 API key

如果你之前没有使用过 api key，这里求快的话建议直接使用 Qwen，因为目前阿里有注册送 100w token 的活动，遵循指南（help.aliyun.com/zh/model-st... 完成注册和 api key 的获取。

如果你已有以上可用的模型提供商的 key，请按照喜好配置。

2）配置 .env

OWL 会读取 owl/owl/.env 这个文件里配置的 api key 进行模型调用，这个文件一开始是没有的，我们需要从模板复制一个出来：

bash 复制代码

# 注意，执行完你应该在 owl/owl 目录下，这里有两层 owl 文件夹 ！！
cd owl
# 从模板复制一个 .env 出来
cp .env_template .env

接着用你喜欢的编辑器打开 .env 文件，把刚才申请到的 Qwn api key 或已有的 key 填到对应的地方

ini 复制代码

...
# Qwen API (https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key)
QWEN_API_KEY='你申请到的 key'
# QWEN_API_BASE_URL=""
...

注意：如果是其他模型提供商的 key，需要填到对应的位置。最后，除了我们需要的（例如这里是 Qwen），其他模型提供商的配置都应该是被注释的。

运行 OWL

运行入口位于 owl/owl，确保你在这个目录下

bash 复制代码

# 中文版本
python webapp_zh.py
# 英文版本
python webapp.py

运行成功后，你应该看到如下提示

打开 local URL 后面的网址，即可看到 OWL GUI 使用界面。 注意：后面当你第一次执行任务时，会有安装浏览器相关组件的动作，需要等待一段时间 可以看到目前整个产品形态还是处于比较初级的阶段。这里可以点击 Examples 下的默认示例来测试功能，例如这里我测试了第一个示例的最终效果如下：从对话记录来看，OWL 的工作流程中 User Agent 和 Assistant Agent 两个角色交替出现，前者负责规划，后者负责执行，是当前通用 Agent 的典型设计。

在这个示例里，OWL 做了如下事情：

调用百度搜索获取到 Camel 的 github 地址
调用浏览器进入 Camel 的 github 主页，获取到它的 star 和 folk 数据
编写 python 代码，图形化展示 Camel 的 github 数据

可以看到 OWL 已经展示了初步的任务规划和工具调用能力，关于更复杂更真实的场景后续测试后再与大家分享。

bash 复制代码

# 结束使用后，记得调用 deactivate 命令退出虚拟环境
deactivate

结尾

这篇文章主要想让不熟悉技术或者 python 项目的朋友快速地将 OWL 跑起来，体验开源 Agent 的魅力。总结有以下注意事项：

Python 版本需要在 3.10~3.12 之间
使用 uv 作为包管理器（后续也方便我们配置 mcp 服务）
项目依赖较多，最好在安装前科学上网；依赖下载完成后有较长的 preparing packages 的时间，请耐心等待
在进入虚拟化环境、安装所有项目依赖后，在将 OWL GUI 跑起来前，不要执行 deactivate
对模型 API 调用不是很熟悉的朋友，可以使用 Qwen 的 API Key 作为测试（注册简便，送 100w token）
第一次执行任务时，会有安装浏览器相关组件的动作，需要等待一段时间
执行 OWL 内置的示例时，结束前，不要频繁切换窗口，否则会影响任务的规划调度。