第 0 篇：OpenManus 深度分析与文档系列计划

系列：OpenManus 源码级深度解读（Master 分支）
分析对象：FoundationAgents/OpenManus（前身 mannaandpoem/OpenManus）
版本锚点：master @ 3309bf4e416fb1c74b008f3e86494439a31bad53（2026-08-22 推送，58k+ stars）
文档参考：DeepWiki 自动生成文档 https://deepwiki.com/FoundationAgents/OpenManus（8 大章 43 页）
阅读本文你将了解： 本系列如何切分、每一篇讲什么、每篇对应哪些源码入口（先配入口再下笔）、官方/DeepWiki 章节与本系列的覆盖映射。

1. 系列定位

OpenManus 是 MetaGPT 社区核心成员在 2025 年初用 3 小时 完成的开源通用 Agent 框架原型，如今已演化为 58k stars 的成熟项目。它用 约 4700 行核心 Python 代码 实现了一套完整的 think-act 循环、多 Agent 协作、工具生态、MCP 集成与沙箱执行体系——是学习"Agent Harness 工程"的最佳解剖标本之一：体量足够小可以打穿每一行，架构又足够完整覆盖了 ReAct、Planning、MCP、沙箱四大主题。

本系列遵循"四视角"方法论（架构 / 源码 / 生产 / 进阶），所有结论锚定 完整仓库相对路径:行号，版本锁定 master @ 3309bf4，保证可复现。

2. 仓库内核地图（源码镜像实测）

om-src/
├── main.py / run_mcp.py / run_flow.py / sandbox_main.py   # 四条入口
├── app/
│   ├── agent/        # Agent 层：base → react → toolcall → manus/mcp/browser/swe/data_analysis/sandbox_agent
│   ├── flow/         # 编排层：base → planning（PlanningFlow 多 Agent 编排）
│   ├── llm.py        # LLM 门面（776 行，单例 + 多供应商 + token 预算）
│   ├── bedrock.py    # AWS Bedrock 适配
│   ├── config.py     # 配置单例（tomllib 加载 config.toml）
│   ├── schema.py     # Message/Memory/AgentState/ToolCall 数据契约
│   ├── prompt/       # 各 Agent 的 system_prompt / next_step_prompt
│   ├── tool/         # 工具生态：base/tool_collection + 20+ 工具实现
│   │   ├── mcp.py            # MCPClients / MCPClientTool
│   │   ├── sandbox/          # 沙箱侧工具（shell/files/browser/vision）
│   │   ├── search/           # 多引擎搜索（Google/Bing/Baidu/DuckDuckGo）
│   │   └── chart_visualization/  # Python→Node.js 图表管线
│   ├── mcp/server.py # 内置 MCP Server（把 OpenManus 工具暴露为 MCP 服务）
│   └── sandbox/core/ # 本地 Docker 沙箱（manager/sandbox/terminal）
├── protocol/a2a/     # A2A (Agent-to-Agent) 协议接入
└── tests/            # 沙箱与工具测试

3. 篇目规划：DeepWiki 章节 ↔ 源码入口 ↔ 篇目（三列索引）

DeepWiki 为该仓库自动拆分了 8 大章 43 页（章节树于 2026-09-05 实测抓取）。按"一个二级章节簇 = 一篇"的合并判据（内聚共享同一条源码主链路），映射为 7 篇正文 + 收尾：

章节覆盖率口径：DeepWiki 8 大章全部覆盖；43 个子页按内聚合并进 7 篇正文（5.2/5.3/5.5 合并为 04 篇，6.x 整章并入 05 篇，7.x 整章并入 06 篇，8.x 拆入 07 与 99 篇），覆盖率 = 8/8 章、43/43 页（含合并）。

4. 环境准备

• Python 3.12+（setup.py:43 要求），uv venv --python 3.12 && uv pip install -r requirements.txt
• 配置：cp config/config.example.toml config/config.toml（不创建时框架自动回退读取 example，见 app/config.py:217-226）
• 可选：Docker（本地沙箱）、Daytona API Key（云沙箱）、MCP server 配置（config/mcp.example.json）

5. 批次交付计划

• 批次 1（本轮）：00 计划 + 01 样板篇（打穿 Agent 执行引擎）→ 过门禁 → 确认标准
• 批次 2：02、03（配置/LLM 与工具生态）
• 批次 3：04、05（浏览器搜索可视化与 MCP）
• 批次 4：06、07、99（沙箱、编排、收尾）