🔍 代理索引
Google for AI代理-在40000多个代理中进行语义搜索
问题： 在GitHub、npm、PyPI、HuggingFace、MCP上寻找人工智能代理是分散和痛苦的。
解决方案： 一个搜索API找到他们所有。语义搜索+信任评分+跨平台索引。
🚀 快速开始
python
pip install agentindex-langchain
from agentindex import search
# Semantic search across all platforms
results = search("customer support automation")
for agent in results:
print(f"{agent.name} (Trust: {agent.trust_score}/100)")Node.js
npm install @agentidx/langchain
const { search } = require('@agentidx/langchain')
const results = await search('code review agent')
console.log(`Found ${results.length} agents`)REST API
curl "https://api.agentcrawl.dev/v1/search" \
-d '{"query": "data visualization agent", "limit": 10}' \
-H "Content-Type: application/json"✨ 为什么选择AgentIndex？
🔍 语义搜索
理解 意图不仅仅是关键词。“自动处理客户电子邮件”可以找到相关的代理，即使他们没有提到这些确切的词语。
📊 信任评分
每个代理根据以下因素获得0-100的生产准备得分：
- 维护活动（最近的提交、问题响应）
- 社区采用（明星、分叉、下载）
- 文档质量（设置指南、示例）
- 代码稳定性（错误处理、测试、安全性）
🌐 跨平台覆盖
适用于所有代理源的一个API：
- GitHub （32000+存储库）
- npm （3600+包）
- PyPI （2400多个包裹）
- 拥抱脸 （1400多种型号）
- MCP服务器 （450+个连接器）
⚡ 开发者优先
- 低于100毫秒 搜索响应时间
- 全面的SDK （Python、Node.js）
- 生产就绪 文档
- 工作示例 这确实有效
📊 平台统计数据
| 平台 | 代理已索引 | 活动 | 覆盖范围 |
|---|---|---|---|
| GitHub | 32156 | 18902 | 存储库，操作 |
| npm | 3627 | 2134 | 包，TypeScript |
| PyPI | 2445 | 1567 | 包装，轮子 |
| HuggingFace | 1398 | 892 | 模型、数据集 |
| MCP | 456 | 321 | 服务器、客户端 |
| 总计 | 40,082 | 23,816 | 所有平台 |
*每日更新。生产准备就绪度得分。*
🎯 用例
框架集成
# Find LangChain-compatible agents
agents = search("document analysis", framework="langchain")
compatible = [a for a in agents if a.trust_score > 80]生产部署
# Filter by production readiness
production_ready = search(
"customer support",
min_trust_score=85,
maintenance_status="active"
)CI/CD管道集成
# Automated agent discovery in CI
agentindex search "security scan" --format=json --min-trust=75 > agents.json🔧 集成示例
LangChain Integration
from langchain import agents
from agentindex import search, load_agent
# Discover agent
results = search("sql query generation", framework="langchain")
best_agent = max(results, key=lambda x: x.trust_score)
# Load and use
agent = load_agent(best_agent.id)
chain = agents.initialize_agent([agent], llm, agent_type="tool-calling")CrewAI Integration
from crewai import Agent, Crew
from agentindex import search, get_capabilities
# Find specialized agents
analysts = search("data analysis", capabilities=["pandas", "visualization"])
writers = search("content generation", capabilities=["copywriting"])
# Build crew
crew = Crew(
agents=[
Agent(role="Data Analyst", tools=analysts[0].tools),
Agent(role="Content Writer", tools=writers[0].tools)
]
)AutoGen Multi-Agent Setup
import autogen
from agentindex import search, create_autogen_config
# Discover complementary agents
code_agents = search("code review", framework="autogen")
test_agents = search("test generation", framework="autogen")
# Auto-configure
config = create_autogen_config([code_agents[0], test_agents[0]])
assistant = autogen.AssistantAgent("code_reviewer", **config)📈 性能基准
| 操作 | 代理索引 | 手动搜索 | 改进 |
|---|---|---|---|
| 查找兼容代理 | 0.08s | 15-30分钟 | 速度提高1125倍 |
| 质量评估 | 即时 | 2-5分钟 | 信任评分 |
| 跨平台搜索 | 1个查询 | 5个站点 | 5倍效率 |
| 生产过滤 | 内置 | 手动 | 风险降低 |
🛠️ 高级用法
过滤和排序
# Complex filtering
results = search(
query="customer support automation",
frameworks=["langchain", "crewai"],
min_trust_score=80,
max_resource_usage="8GB",
sort_by="trust_score",
limit=20
)批量操作
# Process multiple queries
queries = ["email automation", "data analysis", "content generation"]
batch_results = batch_search(queries, parallel=True)实时更新
# Subscribe to new agents
from agentindex import AgentStream
stream = AgentStream(categories=["automation", "analysis"])
for new_agent in stream:
if new_agent.trust_score > 85:
evaluate_for_production(new_agent)🔗 API 参考
搜索端点
POST /v1/search
Content-Type: application/json
{
"query": "customer support automation",
"limit": 10,
"frameworks": ["langchain", "crewai"],
"min_trust_score": 70
}响应格式
{
"results": [
{
"id": "agent_123",
"name": "CustomerSupportAI",
"description": "Automated customer inquiry handling...",
"trust_score": 87,
"framework": "langchain",
"platform": "github",
"capabilities": ["nlp", "classification", "response_generation"],
"resource_requirements": {
"memory": "4GB",
"gpu": false
},
"installation": "pip install customer-support-ai",
"documentation_url": "https://github.com/...",
"last_updated": "2026-02-15T10:30:00Z"
}
],
"total": 156,
"search_time_ms": 73
}API完整文档： api.agentcrawl.dev/docs
🏗️ 建筑
AgentIndex作为分散的AI代理生态系统上的语义发现层运行：
┌─────────────────┐ ┌──────────────────┐ ┌─────────────────┐
│ Developers │───▶│ AgentIndex │───▶│ Agent Sources │
│ │ │ │ │ │
│ • Search once │ │ • Semantic AI │ │ • GitHub (32k) │
│ • Get ranked │ │ • Trust scoring │ │ • npm (3.6k) │
│ • results from │ │ • Cross-platform │ │ • PyPI (2.4k) │
│ all platforms │ │ • Sub-100ms │ │ • HuggingFace │
└─────────────────┘ └──────────────────┘ │ • MCP Servers │
└─────────────────┘技术栈：
- 搜索：FAISS+句子转换（384个暗嵌入）
- 评分：6分量信任算法
- API：带Redis缓存的FastAPI
- 数据：PostgreSQL+实时索引
- 基础设施：自动扩展，99.9%正常运行时间
📚 学习资源
- 完整的开发人员指南 -代理发现最佳实践
- 信任评分解释 -生产准备状态评估
- LangChain集成 -框架特定模式
🤝 贡献
我们欢迎捐款！AgentIndex是为开发人员社区构建的。
帮助方式：
- 报告我们失踪的特工 → 提交问题
- 提高信任评分 → 欢迎算法建议
- 添加框架支持 → 新的整合公关受到赞赏
- 加强文件编制 → 示例、指南、教程
看 贡献.md 用于开发设置。
📄 许可证
MIT许可证-用于您的项目，商业或开源。
🌟 社区
- Discord 的中文翻译是“不和谐”或“纷争”。 -实时帮助、专题讨论
- 推特 -更新和公告
- 博客 -指南和最佳做法
______________________________________________________________________
表示支持⭐
如果AgentIndex可以帮助您更快地找到更好的代理，请 将此存储库星化!
它可以帮助其他开发人员发现该工具，并验证我们解决代理发现碎片的方法。
• 🚀 尝试Live API • 📖 全部文件