CAMEL：想让多个大模型智能体真协作，别再从零写调度了

想搭一套让多个模型分工干活的小系统，最麻烦的往往不是模型本身，而是任务拆解、消息传递、状态记录这些琐碎工作。CAMEL 把这些环节都封装进一套框架里，适合正在做 Agent 原型、想快速验证多智能体协作是否值得的开发者。

核心看点

– 角色扮演式的双智能体范式：给两个 agent 分别设定角色和任务，它们就能自动往复对话、推进目标。早期「AI 社会」实验正是从这里开始的，如今已整理成可直接复用的 RolePlaying 模块。
– 不只负责对话，还负责工具与数据：内置工具调用、记忆与 RAG 接口，Worker/Workforce 这套编排能按任务动态分配工作，省去自己编写调度器的麻烦。
– 配套齐全：除 Python 框架本体外，还有 OWL 等示例与研究代码，README 中直接提供可运行脚本，无需自己在各部分之间反复拼装。

上手提示

主要使用 Python 环境；运行时需要自备模型 API Key（兼容 OpenAI 接口即可，也支持接入本地部署的模型）。轻量示例在普通笔记本上就能运行，只有大规模多智能体模拟才需要考虑增加机器。许可证为 Apache-2.0，商用前建议顺手查看 LICENSE 和第三方依赖说明。

想了解它如何把「分配任务—执行—回收结果」串成闭环，可以直接翻阅 CAMEL 仓库的 README 和 examples；其中的示例数量比预想的多。