能力标签
Agent Execution Verification System
⚙️
Agent工作流

Agent Execution Verification System

基于 Python · 无代码搭建完整 AI 自动化流程
英文名:AEVS-sdk
⭐ 51 Stars 🍴 15 Forks 💻 Python 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
workflowpython
✦ AI Skill Hub 推荐

Agent Execution Verification System 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 7.5 分,整体质量较高。我们推荐使用将其纳入你的 AI 工具库,帮助提升工作效率。

📚 深度解析

Agent Execution Verification System 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升,基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化(模拟鼠标键盘操作),AI Agent 工作流通过理解任务意图、动态规划执行路径,能够处理更复杂的非结构化任务。

Agent Execution Verification System 工作流的设计遵循"最小配置,最大复用"原则:核心逻辑已经封装好,用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制,在网络波动或 API 限速等情况下仍能稳定运行,适合作为生产环境的自动化基础设施。

在实际部署时,建议先在测试环境中运行 3-5 次,验证各个环节的输出结果符合预期,再部署到生产环境。AI Skill Hub 评分 7.5 分,是同类 Agent 工作流中的精选推荐。

📋 工具概览

Agent Execution Verification System — transparent audit SDK for AI agents,提高AI工作流透明度和可信度。

Agent Execution Verification System 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 51
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
Apache-2.0
AI 综合评分
7.5 分
工具类型
Agent工作流
Forks
15

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

Agent Execution Verification System — transparent audit SDK for AI agents,提高AI工作流透明度和可信度。

Agent Execution Verification System 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排,无需编写复杂代码
  • 支持多步骤自动化任务链,实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制,保障稳定运行
  • 提供可复用的自动化模板,快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:pip 安装(推荐)
pip install aevs-sdk

# 方式二:虚拟环境安装(推荐生产环境)
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install aevs-sdk

# 方式三:从源码安装(获取最新功能)
git clone https://github.com/fetchai/AEVS-sdk
cd AEVS-sdk
pip install -e .

# 验证安装
python -c "import aevs_sdk; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
aevs-sdk --help

# 基本用法
aevs-sdk input_file -o output_file

# Python 代码中调用
import aevs_sdk

# 示例
result = aevs_sdk.process("input")
print(result)
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
# aevs-sdk 配置文件示例(config.yml)
app:
  name: "aevs-sdk"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
aevs-sdk --config config.yml

# 或通过环境变量配置
export AEVS_SDK_API_KEY="your-key"
export AEVS_SDK_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 44/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

简介

<p align="center"> <img src="https://raw.githubusercontent.com/fetchai/AEVS-sdk/main/assets/logo.svg" alt="AEVS SDK" width="200"> </p>

AEVS SDK

<p align="center"> <strong>Agent Execution Verification System — transparent audit SDK for AI agents</strong> </p>

<p align="center"> <a href="https://pypi.org/project/aevs/"><img src="https://img.shields.io/pypi/v/aevs?color=blue" alt="PyPI"></a> <a href="https://pypi.org/project/aevs/"><img src="https://img.shields.io/pypi/pyversions/aevs" alt="Python"></a> <a href="https://github.com/fetchai/AEVS-sdk/blob/main/LICENSE"><img src="https://img.shields.io/github/license/fetchai/AEVS-sdk" alt="License"></a> </p>

<p align="center"> <a href="https://github.com/fetchai/AEVS-sdk/blob/main/docs/README.md">Documentation</a> &middot; <a href="https://explorer.aevs.fetch.ai">Explorer</a> &middot; <a href="https://github.com/fetchai/AEVS-sdk/tree/main/examples">Examples</a> &middot; <a href="https://aevs.fetch.ai">Get Credentials</a> </p>

---

Intercepts tool calls from supported frameworks, builds tamper-evident receipts (HMAC-signed, hash-chained), and sends them to the AEVS backend. Zero changes to your agent code.

Installation

pip install aevs

With framework extras:

pip install aevs[langchain]   # LangChain / LangGraph
pip install aevs[mcp]         # Model Context Protocol
FrameworkExtraMin version
LangChain / LangGraphaevs[langchain]langchain-core >= 0.2
MCPaevs[mcp]mcp >= 1.20

Quick Start

```python import aevs from langchain_core.tools import tool

@tool def search(query: str) -> str: """Search the web.""" return f"Results for: {query}"

aevs.configure( api_key="aevs_sk_<key_id>_<hex_secret>", agent_id="<your-agent-uuid>", ) aevs.enable()

result = search.invoke({"query": "AI news"})

refs = aevs.get_reference_ids(clear=True) print(refs)

Examples

ScriptWhat it teachesRequirements
[01_local_quickstart.py](https://github.com/fetchai/AEVS-sdk/blob/main/examples/01_local_quickstart.py)Minimal SDK loop — invoke a tool, see AEVS capture itAEVS credentials only
[02_openai_agent.py](https://github.com/fetchai/AEVS-sdk/blob/main/examples/02_openai_agent.py)LangChain agent with OpenAIOPENAI_API_KEY + AEVS
[03_asi_agent.py](https://github.com/fetchai/AEVS-sdk/blob/main/examples/03_asi_agent.py)Same agent with [ASI:One](https://asi1.ai) — provider-agnosticASI_API_KEY + AEVS

See examples/README.md for setup instructions.

[{"seq": 1, "tool_name": "search", "reference_id": "abc-123-...", ...}]

aevs.flush() aevs.disable() ```

Credentials can also be set via AEVS_API_KEY / AEVS_AGENT_ID environment variables. If missing, the SDK logs a warning and runs in no-op mode — your agent keeps working, receipts just aren't recorded.

API Overview

aevs.configure(api_key=..., **options)   # set configuration
aevs.enable()                            # start intercepting tool calls
aevs.disable()                           # stop and restore originals
aevs.flush()                             # send buffered receipts now
aevs.get_session_id()                    # current session UUID
aevs.get_reference_ids(clear=True)       # all captured reference IDs
aevs.get_reference_id(tool_call_id)      # lookup single reference ID
aevs.is_healthy()                        # buffer write health check

See the full API reference for details.

🎯 aiskill88 AI 点评 A 级 2026-06-09

该项目提供了一个开源的AI工作流验证系统,提高了AI工作流的透明度和可信度,但需要进一步优化和完善。

📚 实用指南(长尾问题)
适合谁
  • 需要 AEVS-sdk 解决具体问题的开发者与运营人员
最佳实践
  • 先在测试环境跑通最小用例,再接入生产数据
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
AEVS-sdk 中文教程AEVS-sdk 安装报错怎么办AEVS-sdk 与同类工具对比AEVS-sdk 最佳实践AEVS-sdk 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要 AEVS-sdk 解决具体问题的开发者与运营人员
⭐ 最佳实践
  • 先在测试环境跑通最小用例,再接入生产数据
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • Python 依赖冲突:建议用 venv / uv 隔离环境

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +Apache-2.0 协议,可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程,清晰直观
  • +可扩展性强,支持复杂场景
⚠️ 不足
  • 初始配置和调试需投入一定时间
  • 强依赖外部服务的稳定性
  • 复杂场景需具备一定技术基础
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议,可商用,需保留版权声明和 NOTICE 文件,含专利授权条款。

🔗 相关工具推荐

📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

请参阅README文件
💡 AI Skill Hub 点评

经综合评估,Agent Execution Verification System 在Agent工作流赛道中表现稳健,质量良好。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 Agent Execution Verification System
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 AEVS-sdk
原始描述 开源AI工作流:Agent Execution Verification System — transparent audit SDK for AI agents.。⭐51 · Python
Topics workflowpython
GitHub https://github.com/fetchai/AEVS-sdk
License Apache-2.0
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/fetchai/AEVS-sdk 🌐 官方网站  https://aevs.fetch.ai/

收录时间:2026-06-09 · 更新时间:2026-06-09 · License:Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。