CowAgent — персональный AI-ассистент с памятью, навыками и самоэволюцией

· 1 мин чтения
ai-assistant agents memory mcp chatbot
📂 Исходный код на GitHub

Открытый персональный AI-ассистент и эталонная реализация Agent Harness: планирование задач, инструменты и навыки, долговременная память и база знаний, мультиагентные команды, самоэволюция, множество LLM-провайдеров и IM-каналов.

CowAgent — персональный AI-ассистент с памятью, навыками и самоэволюцией

CowAgent — персональный AI-ассистент с памятью, навыками и самоэволюцией

CowAgent — это open-source персональный AI-ассистент на Python под лицензией MIT. Ранее проект назывался chatgpt-on-wechat и был известен как один из самых популярных чат-ботов для WeChat. Сейчас у него около 47 000 звёзд на GitHub, а амбиции заметно выросли: это уже не болталка, а полноценная «упряжь» для агентов. Ассистент сам планирует задачи, управляет компьютером и внешними сервисами, создаёт и запускает навыки, ведёт личную базу знаний и долговременную память, собирает команды агентов и улучшает себя в процессе работы. Авторы называют CowAgent эталонной реализацией инженерии Agent Harness.

Проект лёгкий в развёртывании и рассчитан на постоянную работу: ассистент живёт 24/7 на домашнем компьютере или сервере и общается через веб и основные мессенджеры.

Что такое Agent Harness

Голая LLM только отвечает на вопросы. Agent Harness — это каркас, который превращает модель в действующего помощника. Сообщения приходят через каналы. Ядро агента планирует и рассуждает, опираясь на память, знания и доступные инструменты. Модель генерирует ответ, и он уходит обратно в тот же канал. Каждый слой развязан и расширяется независимо. Подробнее об этом написано в описании архитектуры.

Ключевые возможности

Возможность Что делает
Планирование Разбивает сложную задачу на шаги и выполняет их по очереди, вызывая инструменты, пока цель не достигнута
Мультиагентность Команда агентов с разными ролями, моделями и навыками работает в общем диалоге
Память Три уровня: контекст, ежедневная память, ядро. Ночная дистилляция Deep Dream и гибридный поиск
Знания Автоматически собирает структурированные знания в Markdown-вики и граф знаний с визуальным просмотром
Самоэволюция Ассистент сам разбирает диалоги, улучшает навыки, доводит незаконченные дела и закрепляет память
Навыки Установка в один клик из Skill Hub, GitHub, ClawHub или создание своих навыков через разговор
Инструменты Файлы, терминал, браузер, планировщик, веб-поиск и другое. Встроенная поддержка MCP
Каналы Веб-консоль, Telegram, Slack, Discord, WeChat, Feishu, DingTalk, WeCom, QQ и другие
Мультимодальность Текст, изображения, голос и файлы: распознавание, генерация и доставка
Модели Claude, GPT, Gemini, DeepSeek, Qwen, GLM, Kimi, MiniMax, Doubao и другие. Переключение в один клик
Развёртывание Установка одной командой, веб-консоль, локальный запуск, Docker или сервер

Память в три уровня и база знаний

Долговременная память устроена так. Краткосрочный уровень — это контекст текущего диалога. Средний уровень — ежедневная память. Долгосрочный уровень — файл MEMORY.md. Каждую ночь запускается этап Deep Dream: разрозненные записи перегоняются в выверенные долговременные заметки и связный дневник. Поиск по памяти гибридный: сочетает ключевые слова и векторы. Подробности — в документации памяти.

База знаний дополняет память. Память упорядочена по времени, а знания — по темам. Ассистент сам отбирает ценную информацию из разговоров, ведёт перекрёстные ссылки и индексы. В веб-консоли есть интерактивный просмотр графа знаний. Подробнее — в описании базы знаний.

Отдельный механизм Self-Evolution замыкает цикл. Ассистент регулярно перечитывает свои разговоры. По итогам он улучшает навыки, напоминает себе о незаконченных задачах и укрепляет память и знания. Помощник буквально растёт вместе с хозяином.

Инструменты, MCP и навыки

Инструменты — это атомарные возможности. Встроенные закрывают базовые потребности: чтение, запись и правка файлов, терминал, отправка файлов, поиск по памяти, загрузка веб-страниц, планировщик, веб-поиск, распознавание изображений и автоматизация браузера.

Протокол MCP открывает доступ к открытой экосистеме серверов Model Context Protocol. Достаточно одного файла mcp.json. Поддерживаются транспорты stdio и SSE, горячая перезагрузка и подключение без кода.

Навыки — это рабочие процессы более высокого уровня. Один навык объединяет несколько инструментов ради сложной задачи. Источники навыков:

  • Skill Hub — открытый маркетплейс: поиск и установка в один клик
  • GitHub, ClawHub, URL — навык можно поставить из любого источника
  • Свои навыки — создаются через обычный диалог с инструментом skill-creator: любой рабочий процесс или сторонний API превращается в переиспользуемый навык

Обзор — в документации навыков. Управление из чата выглядит так:

/skill list                    # список установленных навыков
/skill search <keyword>        # поиск в маркетплейсе
/skill install <name>          # установка в один клик

Мультиагентные команды

Один ассистент — хорошо, а команда — лучше. В CowAgent можно собрать команду агентов. У каждого свои память, навыки, знания и рабочее пространство. Один агент ведёт финансы, второй пишет код, третий следит за почтой. Каждый может работать в своей области или обсуждать сложные задачи в общем диалоге. Команды доступны в веб-консоли, десктопном клиенте и в мессенджерах.

Модели и каналы

CowAgent поддерживает всех крупных LLM-провайдеров: Claude, GPT, Gemini, DeepSeek, Qwen, GLM, Kimi, MiniMax, Doubao, ERNIE и локальные модели через кастомный endpoint. Важная деталь: чат, зрение, генерация картинок, распознавание и синтез речи и векторные представления настраиваются отдельно. Для каждой функции можно выбрать своего поставщика. Всё настраивается в веб-консоли, без правки файлов.

Каналов тоже много: веб-консоль, Telegram, Slack, Discord, WeChat, Feishu, DingTalk, WeCom, QQ, официальный аккаунт WeChat и другие. Один экземпляр ассистента обслуживает несколько каналов одновременно. Большинство каналов подключаются прямо из веб-консоли. Поддерживаются текст, картинки, файлы и голос, в группах тоже.

Установка

Установщик в одну строку сам поставит зависимости и запустит ассистента.

Linux и macOS:

bash <(curl -fsSL https://cdn.link-ai.tech/code/cow/run.sh)

Windows (PowerShell):

irm https://cdn.link-ai.tech/code/cow/run.ps1 | iex

Docker:

curl -O https://cdn.link-ai.tech/code/cow/docker-compose.yml
docker compose up -d

После запуска откройте http://localhost:9899. Веб-консоль — центральное место: чат с ассистентом, настройка моделей, подключение каналов и установка навыков. Есть десктопный клиент для macOS и Windows с бэкендом в комплекте. Для сервера стоит задать пароль консоли в config.json и открыть порт 9899.

Сервисом управляет утилита cow CLI:

cow start | stop | restart     # управление сервисом
cow status | logs              # состояние и логи
cow update                     # обновление кода и перезапуск
cow skill install <name>       # установка навыка
cow install-browser            # установка браузерной автоматизации

Пошаговая инструкция — в руководстве быстрого старта.

Связанные проекты

  • Cow Skill Hub — открытый маркетплейс навыков для AI-агентов. Работает с CowAgent, OpenClaw, Claude Code и другими
  • bot-on-anything — лёгкий фреймворк LLM-приложений с интеграциями Slack, Telegram, Discord, Gmail и других
  • AgentMesh — open-source мультиагентный фреймворк для решения сложных задач командой

Итог

CowAgent — зрелый каркас для персонального AI-ассистента с историей в несколько лет и большим сообществом. Главная ценность проекта в комплектности: планирование, инструменты, MCP, навыки, трёхуровневая память, база знаний, команды агентов и самоэволюция собраны в одном решении. При этом всё развязано по слоям, так что платформу можно расширять под себя. Если нужен помощник, который живёт в мессенджерах, помнит контекст и выполняет настоящую работу, CowAgent — один из самых проработанных open-source вариантов.

Один нюанс из дисклеймера: режим агента расходует заметно больше токенов, чем обычный чат, а сам ассистент имеет доступ к вашей операционной системе. Запускать его стоит только в доверенном окружении и с трезвым балансом качества и цены моделей.

Источник: https://github.com/zhayujie/CowAgent