Giga Agent

[ Русский | 中文 | English | Español ]

GigaAgent может решать самые разные задачи, используя более 30 встроенных инструментов и субагентов.

Например, он позволит вам работать с большими файлами через код (Excel-файл с десятками тысяч строк), придумать мем, описать бизнес-модель стартапа или создать лендинг. Для этого GigaAgent использует субагентов, REPL-среду для исполнения кода и сторонние сервисы.

GigaAgent разработан в рамках проекта GigaChain – открытого набора инструментов для разработки LLM-приложений и мультиагентных систем.

GigaAgent умеет:

• работать с разными моделями, доступными в LangChain: GigaChat, ChatGPT, Anthropic и другими
• исполнять код в чате с помощью в REPL-среды, подобной блокнотам Jupyter
• обмениваться данными со сторонними сервисами: VK, GitHub, 2GIS и другими
• использовать инструменты для анализа данных, генерации изображений, создания презентаций и лендингов
• генерировать изображения с помощью разных провайдеров: GigaChat, FusionBrain, OpenAI;
• работать локально или в облаке, с помощью Docker
• использовать ваши MCP-тулы
• применять знания из ваших документов с помощью RAG

Демо

Примеры работы с GigaAgent в формате PDF:

• кластеризация комментариев в VK
• анализ настроений комментариев в VK и вывод основных жалоб
• создание сайта со списком изменений, созданным на основе последних закрытых PR

Примеры работы субагентов, а также подробная информация о них — в разделе Субагенты. Описание доступных инструментов и процесса создания новых инструментов можно найти в разделе Инструменты в GigaAgent

Содержание

• Быстрый старт
• Функциональные возможности
• Конфигурация
• Запуск через Docker
• Технологический стек
• Архитектура
• Структура проекта
• Troubleshooting
• Для разработчиков
• Дополнительные материалы
• Contributing
• License

Быстрый старт

1. Установите пакет:

 uv add giga_agent

Для локального sandbox через Jupyter установите optional extra:

 pip install -U "giga-agent[jupyter]"

1. Запустите dev-сервер:

 uv run giga_agent dev

1. Откройте в браузере:

 http://localhost:9090

Логин по умолчанию при первой инициализации (когда в БД нет пользователей):

• admin@example.com
• giga_agent_admin

Для начала работы с агентом настройте следующие интеграции в настройках пользователя:

• Коннекторы (используются в LLM / Embeddings)
• LLM
• Embeddings
• Sandbox

Функциональные возможности

💬 Chat & Agent System

• Streaming Chat — диалог с AI-агентом
• Thread Management — история диалогов
• Message Branching — ветвление диалогов для экспериментов
• File Attachments — поддержка изображений, документов, аудио, видео
• Tool Visualization — визуализация выполнения инструментов в UI
• Auto-approve Mode — автоматическое подтверждение использования инструментов

🔧 Встроенные модули

GigaAgent включает 13 готовых модулей для разных задач:

Модуль	ID	Описание
Auth	auth	Аутентификация, управление пользователями и группами
REPL	repl	Выполнение Python и shell команд в sandbox
Image	image	Генерация изображений (GigaChat, FusionBrain, OpenAI)
Analyze Images	analyze_images	Анализ изображений через multimodal LLM
Search	search	Веб-поиск через
Scraper	scraper	Извлечение контента с веб-страниц (Jina AI Reader)
RAG	rag	Retrieval Augmented Generation с векторным поиском
GitHub	github	Интеграция с GitHub API
VK	vk	Интеграция с VK API
Weather	weather	Получение прогноза погоды
Mem0	mem_zero_memory	Долговременная память агента
Subagents	subagents_legacy	Специализированные субагенты (landing, presentation, meme, podcast, lean_canvas)
MCP	frontend_mcp	Вызов MCP-тулов на стороне фронтенда пользователя

🐳 Sandbox Providers

Изолированные окружения для безопасного выполнения кода:

Local Docker

• Описание: Контейнеры на локальной машине или VPS
• Использование: Локальная разработка и self-hosted deployment
• Настройка:
  • Образ: mikelarg/code-interpreter:0.0.5
  • Resource limits (CPU, memory, PIDs)
  • Доступ: только superuser
• Преимущества: Полный контроль, без внешних зависимостей
• Недостатки: Требует Docker daemon на хосте

E2B Cloud

• Описание: Облачные sandboxes от e2b.dev
• Использование: Production-ready решение без инфраструктуры
• Настройка: Требуется API ключ E2B
• Преимущества: Автомасштабирование, управляемая инфраструктура
• Недостатки: Зависимость от внешнего сервиса

Local Jupyter

• Описание: Singleton Jupyter server на машине хоста с выполнением кода через локальный Python
• Установка: pip install -U "giga-agent[jupyter]"
• Создание provider: только superuser
• Использование provider: может быть доступно другим пользователям по ACL/шарингу
• Критичное предупреждение: пользователи, которым доступен такой provider, получают доступ к хостовой машине. Это включает выполнение кода и чтение файлов хоста через local_jupyter.
• Рекомендация: используйте только в доверенной среде и не шарьте local_jupyter provider недоверенным пользователям

🤖 Субагенты (Legacy)

Специализированные агенты для прикладных задач:

Субагент	Описание	Graph ID
Landing	Генерация лендинговых страниц	landing
Presentation	Создание презентаций	presentation
Meme	Генерация мемов с изображениями	meme
Podcast	Создание подкастов из текста	podcast
Lean Canvas	Описание бизнес-модели стартапа	lean_canvas

См. SUBAGENTS.md для подробностей.

📚 RAG (Retrieval Augmented Generation)

• Document Collections — организация знаний по коллекциям
• Multiple Formats — поддержка PDF, DOCX, TXT, Markdown, HTML
• Vector Search — семантический поиск через Qdrant
• Permissions — настройка доступа к коллекциям

🔐 Управление доступом

• User Management — создание и управление пользователями
• Groups — объединение пользователей в группы
• Resource Permissions (ACL) — детальный контроль доступа к ресурсам:
  • Read access — просмотр
  • Owner — полный контроль
• JWT Tokens — безопасная аутентификация через cookie или Bearer header
• Superuser Role — административные привилегии (создание local sandbox providers, admin panel)

🔌 Интеграции

LLM Providers:

• OpenAI (GPT-4, GPT-3.5)
• GigaChat
• Anthropic (Claude)
• Любые модели через LangChain

Embedding Models:

• OpenAI Embeddings
• GigaChat Embeddings

External Services:

• Tavily — веб-поиск
• Jina AI — web scraping
• GitHub API — работа с репозиториями
• VK API — социальная сеть

Vector Store:

• Qdrant — для RAG и Mem0

🧪 REPL Environment

Выполнение кода прямо в чате:

• Python REPL — полноценный Python interpreter
• Shell Commands — выполнение bash команд
• File Operations — работа с файлами внутри sandbox
• Nested Tool Calls — LLM tools доступны из Python кода
• Persistent Context — сохранение переменных между вызовами

🎨 Генерация изображений

Поддержка множественных провайдеров:

• GigaChat (Kandinsky)
• FusionBrain (Kandinsky)
• OpenAI (DALL-E)

Конфигурация

Минимум для старта

Для локального giga_agent dev дополнительная конфигурация может не требоваться. Если нужны предсказуемые значения в окружении, задайте:

export GIGA_AGENT_SECRET_KEY="replace_with_secure_value"
export GIGA_AGENT_ADMIN_EMAIL="admin@your-domain.com"
export GIGA_AGENT_ADMIN_PASSWORD="your_strong_password"

Поведение admin-инициализации:

• если пользователей нет, создается первый admin из GIGA_AGENT_ADMIN_EMAIL / GIGA_AGENT_ADMIN_PASSWORD;
• если пользователи уже есть, авто-создание admin пропускается.

Advanced env (runtime/integration)

В расширенной конфигурации обычно настраиваются:

• sandbox/runtime параметры;
• docker-ориентированные env;
• БД/кэш/векторное хранилище;
• tracing/observability параметры.

Детальный env-референс: docs/configuration/env.md

Запуск через Docker

Docker-сценарий оставляем как второй quick start (для self-hosted/операционного запуска).

Отличие от pip + dev

• pip + dev: самый быстрый локальный запуск для разработки и проверки.
• docker compose: более инфраструктурный сценарий с отдельными сервисами (nginx/postgres/redis/qdrant и т.д.).

Быстрые шаги

1. Подготовьте .env:

 cp .env.example .env

Минимально проверьте/заполните:

• GIGA_AGENT_SECRET_KEY
• GIGA_AGENT_HOST_PROJECT_PATH (абсолютный путь до репозитория на хосте; важен для local docker sandbox)
• GIGA_AGENT_LOCAL_JUPYTER_WORKING_DIR / GIGA_AGENT_LOCAL_JUPYTER_FILES_PATH при необходимости переопределить директории singleton Jupyter server

1. (Опционально) скачайте image для code interpreter:

 docker image pull mikelarg/code-interpreter:0.0.5

1. Соберите и поднимите сервисы:

 make build
 make up

1. Откройте UI:

 http://localhost:8123

Перезапуск после обновления репозитория

make down
make build
make up

Для dev-варианта compose:

make build_dev
make up_dev

Технологический стек

Backend

• Python 3.11+ — современный Python с async/await
• LangGraph 1.0.8 — state machine для AI-агентов от LangChain
• FastAPI — высокопроизводительный веб-фреймворк
• SQLAlchemy 2.0 — async ORM с поддержкой SQLite и PostgreSQL
• Alembic — система миграций с multi-scope поддержкой
• Redis — кэширование и distributed locks (через cashews)
• Qdrant — векторное хранилище для RAG и Mem0
• E2B — облачные sandboxes для безопасного выполнения кода
• Docker SDK — управление локальными sandbox-контейнерами
• Jupyter Server — optional extra giga-agent[jupyter] для admin-only local_jupyter sandbox с одним singleton-процессом на агент

Frontend

• React 19 — последняя версия React
• TypeScript 5.8 — статическая типизация
• Vite 7 — быстрая сборка и dev-сервер
• Tailwind CSS 4 — utility-first CSS фреймворк
• Radix UI — headless UI компоненты
• LangGraph SDK — интеграция с LangGraph для streaming
• Framer Motion — анимации

Инфраструктура

• Docker & Docker Compose — контейнеризация
• Nginx — reverse proxy для production
• PostgreSQL — production база данных (dual-database: LangGraph + app)
• SQLite — development база данных

Архитектура

Ключевые принципы

1. Модульная система

Каждый модуль (BaseModule) — независимый plugin:

• Собственные миграции — таблицы с auto-префиксом модуля
• Независимые инструменты — tools для агента
• Собственные API endpoints — автоматический роутинг
• Инструкции и middleware — настройка поведения агента

2. Dual-Database Strategy

Development (local):

• SQLite с aiosqlite драйвером
• Файловая БД в .giga_agent/
• Batch-режим для миграций

Production (docker):

• Две отдельные PostgreSQL базы:
  1. LangGraph DB — state checkpoints, thread history
  2. Application DB — метаданные, пользователи, конфигурация (asyncpg)

3. Registry Pattern

Runtime компоненты регистрируются динамически:

• Connectors — подключения к внешним сервисам (OpenAI, GigaChat, Tavily)
• LLMs — языковые модели с валидацией настроек
• Embeddings — модели векторизации
• Sandbox Providers — окружения выполнения кода
• Image Generators — генераторы изображений
• Search Engines — поисковые движки

4. Sandbox Execution

Безопасное выполнение Python-кода/Shell комманд в изолированных окружениях:

Local Docker:

• Контейнеры на локальной машине или VPS
• Resource limits (CPU, memory, PIDs)
• Volume mounts для файлов
• Только для superuser (security)

E2B Cloud:

• Облачные sandboxes (e2b.dev)
• Автомасштабирование
• API-based управление

5. Background Tasks

Фоновые процессы с Redis-координацией для multi-instance deployment:

• Idle Sweeper — останавливает неактивные sandboxes
• Orphan Sweeper — удаляет "осиротевшие" ресурсы

6. Security & ACL

• JWT Authentication — cookie + Bearer token
• Resource-level permissions — read/edit/owner access
• Group-based access control — разделение доступа по группам
• bcrypt — хеширование паролей

Troubleshooting

• UI не открывается:
  • проверьте, что dev-сервер запущен на localhost:9090 (pip режим) или что make up поднял nginx на 8123 (docker режим).
• Не удается залогиниться:
  • если это первый запуск, используйте дефолтные креды или проверьте GIGA_AGENT_ADMIN_EMAIL / GIGA_AGENT_ADMIN_PASSWORD;
• Не видны провайдеры/инструменты:
  • проверьте env-конфиг и настройки в UI (/settings/*).

Для разработчиков

Ключевые CLI-команды:

• Проверка состояния миграций:

  giga_agent check
  

• Применение миграций:

  giga_agent migrate
  

• Генерация миграций:

  giga_agent makemigrations
  

• Проксирование Alembic-команд:

  giga_agent alembic --scope core upgrade head
  

• Экспорт langgraph-конфига:

  giga_agent export-langgraph-json
  

Дополнительные материалы

• Субагенты: SUBAGENTS.md
• Инструменты: TOOLS.md
• Observability для локального запуска: docs/configuration/observability-local.md

Contributing

PR и issue приветствуются. Для больших изменений лучше заранее описать proposal в issue с ожидаемым эффектом и планом валидации.

License

Проект распространяется под лицензией MIT. См. файл LICENSE.