OpenManus

将 AllTokens 接入 OpenManus，配置支持 function calling 的模型并运行智能体任务。

​

安装 OpenManus

先完成 OpenManus 的代码下载和依赖安装。

如果你已经能在本地启动 OpenManus，再继续下一步配置即可。

​

前置条件

• 已经可以在本地运行 OpenManus
• 已准备好 AllTokens API Key
• 已确认目标模型支持 function calling
• 如果你要使用视觉能力，确认视觉模型也已开通

​

配置 OpenManus

在 config 目录里找到 config.toml，把模型服务改成 AllTokens。

推荐先使用一个支持 function calling 的通用模型，例如 Qwen/QwQ-32B，然后按需再切到视觉模型。

[llm]
model = "Qwen/QwQ-32B"
base_url = "https://alltoken.co/v1"
api_key = "YOUR_API_KEY"
max_tokens = 16384
temperature = 0.6

[llm.vision]
model = "Qwen/Qwen2-VL-72B-Instruct"
base_url = "https://alltoken.co/v1"
api_key = "YOUR_API_KEY"

​

运行 OpenManus

配置完成后，直接启动主程序即可。

python main.py

启动后，OpenManus 会根据你的提示词自动拆解任务、搜索信息、整理结果，并在需要时调用工具。

​

一次典型任务流程

OpenManus 更适合做多步骤任务，比如调研、分析和报告生成。

一个常见流程通常会包含：

1. 明确用户需求
2. 搜索相关资料
3. 打开网页或文档提取信息
4. 用代码整理数据
5. 生成最终报告

如果你需要联网信息，建议优先选择支持工具调用的模型，并确保网络与搜索工具都正常。

​

常见问题

​

调用失败或没有工具输出

请先确认你使用的模型支持 function calling，并检查 base_url 是否填写为 https://alltoken.co/v1。

​

模型找不到

请检查 config.toml 里的模型名是否和 AllTokens 控制台中的名称一致。

​

视觉任务失败

请确认 [llm.vision] 里的模型已经开通，并且该模型支持图像输入。

​

启动后立刻报错

请先检查依赖是否安装完整，再确认 api_key 是否有效。

​

执行日志

运行时你通常会看到类似这样的过程：

• 先分析用户目标
• 再选择合适的搜索关键词
• 然后打开网页、提取 HTML 或正文
• 接着用 Python 清洗和整理数据
• 最后输出结果、报告或文件

​

使用建议

• 先用简单任务验证链路，再跑复杂报告
• 如果你同时要用视觉能力，确认视觉模型也已开通
• 如果任务经常报错，先检查 base_url、api_key 和模型名
• 生产环境里建议给 OpenManus 单独准备一把 API Key

​

总结

OpenManus 适合做多步骤、可拆解、需要工具协作的智能体任务。

接入 AllTokens 后，你可以把模型入口统一到一个网关，再按任务选择合适的通用模型或视觉模型。