Skip to content

README_PTBR.md

Latest commit

 

History

History
546 lines (349 loc) · 21.9 KB

README_PTBR.md

File metadata and controls

546 lines (349 loc) · 21.9 KB

AgenticSeek: Alternativa Privada e Local ao Manus.

Agentic Seek Logo 

English | [中文](./README_CHS.md) | [繁體中文](./README_CHT.md) | [Français](./README_FR.md) | [日本語](./README_JP.md) | [Português (Brasil)](./README_PTBR.md)

Uma alternativa 100% local ao Manus AI, este assistente de voz com IA navega autonomamente na web, escreve código e planeja tarefas mantendo todos os dados no seu dispositivo. Feito para modelos de raciocínio locais, roda inteiramente no seu hardware, garantindo total privacidade e zero dependência da nuvem.

Visite AgenticSeek Licença Discord Twitter GitHub stars

Por que AgenticSeek?

  • 🔒 Totalmente Local & Privado - Tudo roda na sua máquina — sem nuvem, sem compartilhamento de dados. Seus arquivos, conversas e buscas permanecem privados.

  • 🌐 Navegação Inteligente na Web - O AgenticSeek pode navegar na internet sozinho — pesquisar, ler, extrair informações, preencher formulários — tudo sem as mãos.

  • 💻 Assistente Autônomo de Programação - Precisa de código? Ele pode escrever, depurar e executar programas em Python, C, Go, Java e mais — tudo sem supervisão.

  • 🧠 Seleção Inteligente de Agentes - Você pede, ele escolhe automaticamente o melhor agente para a tarefa. Como ter uma equipe de especialistas pronta para ajudar.

  • 📋 Planeja & Executa Tarefas Complexas - De planejamento de viagens a projetos complexos — pode dividir grandes tarefas em etapas e concluí-las usando múltiplos agentes de IA.

  • 🎙️ Ativado por Voz - Voz limpa, rápida e futurista, além de reconhecimento de fala, permitindo que você converse como se fosse sua IA pessoal de um filme de ficção científica. (Em desenvolvimento)

Demo

Você pode pesquisar sobre o projeto agenticSeek, aprender quais habilidades são necessárias, depois abrir o CV_candidates.zip e então me dizer quais combinam melhor com o projeto?

agentic_seek_demo.mov

Aviso: Esta demonstração, incluindo todos os arquivos que aparecem (ex: CV_candidates.zip), são totalmente fictícios. Não somos uma corporação, buscamos colaboradores open-source, não candidatos.

🛠⚠️️ Trabalho Ativo em Progresso

🙏 Este projeto começou como um projeto paralelo e não tem roteiro nem financiamento. Cresceu muito além do esperado ao aparecer no GitHub Trending. Contribuições, feedback e paciência são profundamente apreciados.

Pré-requisitos

Certifique-se de ter chrome driver, docker e python3.10 instalados.

Para problemas relacionados ao chrome driver, veja a seção Chromedriver.

1. Clone o repositório e configure

git clone https://github.com/Fosowl/agenticSeek.git
cd agenticSeek
mv .env.example .env

2. Altere o conteúdo do arquivo .env

SEARXNG_BASE_URL="http://127.0.0.1:8080"
REDIS_BASE_URL="redis://redis:6379/0"
WORK_DIR="/Users/mlg/Documents/workspace_for_ai"
OLLAMA_PORT="11434"
LM_STUDIO_PORT="1234"
CUSTOM_ADDITIONAL_LLM_PORT="11435"
OPENAI_API_KEY='opcional'
DEEPSEEK_API_KEY='opcional'
OPENROUTER_API_KEY='opcional'
TOGETHER_API_KEY='opcional'
GOOGLE_API_KEY='opcional'
ANTHROPIC_API_KEY='opcional'

As chaves de API são totalmente opcionais para quem optar por rodar LLM localmente. Que é o objetivo principal deste projeto. Deixe em branco se você tiver hardware suficiente

As seguintes variáveis de ambiente configuram as conexões e chaves de API do seu aplicativo.

Atualize o arquivo .env com seus próprios valores conforme necessário:

  • SEARXNG_BASE_URL: Deixe inalterado
  • REDIS_BASE_URL: Deixe inalterado
  • WORK_DIR: Caminho para seu diretório de trabalho local. O AgenticSeek poderá ler e interagir com esses arquivos.
  • OLLAMA_PORT: Porta para o serviço Ollama.
  • LM_STUDIO_PORT: Porta para o serviço LM Studio.
  • CUSTOM_ADDITIONAL_LLM_PORT: Porta para qualquer serviço LLM adicional.

Todas as variáveis de ambiente de chave de API abaixo são opcionais. Só forneça se for usar APIs externas em vez de rodar LLMs localmente.

3. Inicie o Docker

Certifique-se de que o Docker está instalado e rodando no seu sistema. Você pode iniciar o Docker com os seguintes comandos:

  • No Linux/macOS:
    Abra um terminal e execute: sh sudo systemctl start docker Ou inicie o Docker Desktop pelo menu de aplicativos, se instalado.

  • No Windows:
    Inicie o Docker Desktop pelo menu Iniciar.

Você pode verificar se o Docker está rodando executando:

docker info

Se aparecerem informações sobre sua instalação do Docker, está funcionando corretamente.

Configuração para rodar LLM localmente na sua máquina

Requisitos de Hardware:

Para rodar LLMs localmente, você precisará de hardware suficiente. No mínimo, uma GPU capaz de rodar Qwen/Deepseek 14B é necessária. Veja o FAQ para recomendações detalhadas de modelo/desempenho.

Configure seu provedor local

Inicie seu provedor local, por exemplo com ollama:

ollama serve

Veja abaixo a lista de provedores locais suportados.

Atualize o config.ini

Altere o arquivo config.ini para definir o provider_name para um provedor suportado e provider_model para um LLM suportado pelo seu provedor. Recomendamos modelos de raciocínio como Qwen ou Deepseek.

Veja o FAQ no final do README para hardware necessário.

[MAIN]
is_local = True # Se está rodando localmente ou com provedor remoto.
provider_name = ollama # ou lm-studio, openai, etc.
provider_model = deepseek-r1:14b # escolha um modelo compatível com seu hardware
provider_server_address = 127.0.0.1:11434
agent_name = Jarvis # nome da sua IA
recover_last_session = True # recuperar sessão anterior
save_session = True # lembrar sessão atual
speak = False # texto para fala
listen = False # fala para texto, apenas para CLI, experimental
jarvis_personality = False # usar personalidade "Jarvis" (experimental)
languages = en zh # Lista de idiomas, TTS usará o primeiro da lista
[BROWSER]
headless_browser = True # deixe inalterado a menos que use CLI no host.
stealth_mode = True # Usa selenium indetectável para reduzir detecção do navegador

Aviso:

  • O formato do arquivo config.ini não suporta comentários. Não copie e cole a configuração de exemplo diretamente, pois comentários causarão erros. Em vez disso, modifique manualmente o arquivo config.ini com suas configurações desejadas, sem comentários.

  • NÃO defina provider_name como openai se estiver usando LM-studio para rodar LLMs. Use lm-studio.

  • Alguns provedores (ex: lm-studio) exigem http:// antes do IP. Exemplo: http://127.0.0.1:1234

Lista de provedores locais

Provedor Local? Descrição
ollama Sim Rode LLMs localmente facilmente usando ollama
lm-studio Sim Rode LLM localmente com LM studio (provider_name = lm-studio)
openai Sim Use API compatível com openai (ex: servidor llama.cpp)

Próximo passo: Inicie os serviços e rode o AgenticSeek

Veja a seção Problemas conhecidos se tiver problemas

Veja a seção Rodar com uma API se seu hardware não rodar deepseek localmente

Veja a seção Config para explicação detalhada do arquivo de configuração.

Configuração para rodar com uma API

Rodar com uma API é opcional, veja acima para rodar localmente.

Defina o provedor desejado no config.ini. Veja abaixo a lista de provedores de API.

[MAIN]
is_local = False
provider_name = google
provider_model = gemini-2.0-flash
provider_server_address = 127.0.0.1:5000 # não importa

Aviso: Certifique-se de não haver espaço no final da linha no config.

Exporte sua chave de API: export <<PROVIDER>>_API_KEY="xxx"

Exemplo: exportar TOGETHER_API_KEY="xxxxx"

Lista de provedores de API

Provedor Local? Descrição
openai Depende Use API do ChatGPT
deepseek Não API Deepseek (não privado)
huggingface Não API Hugging-Face (não privado)
togetherAI Não Use API together AI (não privado)
google Não Use API google gemini (não privado)

Observe que código/bash pode falhar com gemini, pois ignora nosso prompt de formatação, que é otimizado para deepseek r1. Modelos como gpt-4o também apresentam desempenho ruim com nosso prompt.

Próximo passo: Inicie os serviços e rode o AgenticSeek

Veja a seção Problemas conhecidos se tiver problemas

Veja a seção Config para explicação detalhada do arquivo de configuração.

Inicie os serviços e rode

Inicie os serviços necessários. Isso iniciará todos os serviços do docker-compose.yml, incluindo: - searxng - redis (necessário para searxng) - frontend - backend (se usar full)

./start_services.sh full # MacOS
start start_services.cmd full # Windows

Aviso: Este passo fará download e carregará todas as imagens Docker, o que pode levar até 30 minutos. Após iniciar os serviços, aguarde até que o serviço backend esteja totalmente rodando (você verá backend: no log) antes de enviar mensagens. O backend pode demorar mais para iniciar.

Acesse http://localhost:3000/ e você verá a interface web.

Opcional: Rode com a interface CLI:

Para rodar com CLI, instale os pacotes no host:

./install.sh
./install.bat # windows

Inicie os serviços:

./start_services.sh # MacOS
start start_services.cmd # Windows

Depois execute: uv run cli.py

Uso

Certifique-se de que os serviços estão rodando com ./start_services.sh full e acesse localhost:3000 para a interface web.

Você também pode usar fala para texto definindo listen = True no config. Apenas para modo CLI.

Para sair, basta dizer/digitar goodbye.

Exemplos de uso:

Faça um jogo da cobrinha em python!

Pesquise na web pelos melhores cafés em Rennes, França, e salve uma lista de três com seus endereços em rennes_cafes.txt.

Escreva um programa Go para calcular o fatorial de um número, salve como factorial.go no seu workspace

Procure na pasta summer_pictures por todos os arquivos JPG, renomeie com a data de hoje e salve a lista dos arquivos renomeados em photos_list.txt

Pesquise online por filmes de ficção científica populares de 2024 e escolha três para assistir hoje à noite. Salve a lista em movie_night.txt.

Pesquise na web pelos últimos artigos de notícias de IA de 2025, selecione três e escreva um script Python para extrair títulos e resumos. Salve o script como news_scraper.py e os resumos em ai_news.txt em /home/projects

Sexta-feira, pesquise na web por uma API gratuita de preços de ações, registre-se com supersuper7434567@gmail.com e escreva um script Python para buscar os preços diários da Tesla usando a API, salvando os resultados em stock_prices.csv

Observe que o preenchimento de formulários ainda é experimental e pode falhar.

Após digitar sua consulta, o AgenticSeek alocará o melhor agente para a tarefa.

Como este é um protótipo inicial, o sistema de roteamento de agentes pode não alocar sempre o agente certo para sua consulta.

Portanto, seja explícito no que deseja e como a IA deve proceder. Por exemplo, se quiser que faça uma busca na web, não diga:

Você conhece alguns bons países para viajar sozinho?

Em vez disso, peça:

Faça uma busca na web e descubra quais são os melhores países para viajar sozinho

Configuração para rodar o LLM em seu próprio servidor

Se você tem um computador potente ou servidor, mas quer usar a partir do seu laptop, pode rodar o LLM em um servidor remoto usando nosso servidor LLM customizado.

No seu "servidor" que rodará o modelo de IA, obtenha o endereço IP

ip a | grep "inet " | grep -v 127.0.0.1 | awk '{print $2}' | cut -d/ -f1 # ip local
curl https://ipinfo.io/ip # ip público

Nota: Para Windows ou macOS, use ipconfig ou ifconfig para encontrar o IP.

Clone o repositório e entre na pasta server/.

git clone --depth 1 https://github.com/Fosowl/agenticSeek.git
cd agenticSeek/llm_server/

Instale os requisitos específicos do servidor:

pip3 install -r requirements.txt

Rode o script do servidor.

python3 app.py --provider ollama --port 3333

Você pode escolher entre usar ollama e llamacpp como serviço LLM.

Agora, no seu computador pessoal:

Altere o arquivo config.ini para definir provider_name como server e provider_model como deepseek-r1:xxb. Defina provider_server_address para o IP da máquina que rodará o modelo.

[MAIN]
is_local = False
provider_name = server
provider_model = deepseek-r1:70b
provider_server_address = http://x.x.x.x:3333

Próximo passo: Inicie os serviços e rode o AgenticSeek

Fala para Texto

Aviso: fala para texto só funciona no modo CLI no momento.

Atualmente, fala para texto só funciona em inglês.

A funcionalidade de fala para texto está desativada por padrão. Para ativar, defina listen como True no arquivo config.ini:

listen = True

Quando ativado, o recurso escuta por uma palavra-chave de ativação, que é o nome do agente, antes de processar sua entrada. Você pode personalizar o nome do agente atualizando o valor agent_name no config.ini:

agent_name = Friday

Para melhor reconhecimento, recomendamos usar um nome comum em inglês como "John" ou "Emma" como nome do agente.

Quando o transcript começar a aparecer, diga o nome do agente em voz alta para ativá-lo (ex: "Friday").

Fale sua consulta claramente.

Finalize seu pedido com uma frase de confirmação para o sistema prosseguir. Exemplos de frases de confirmação incluem:

"do it", "go ahead", "execute", "run", "start", "thanks", "would ya", "please", "okay?", "proceed", "continue", "go on", "do that", "go it", "do you understand?"

Configuração

Exemplo de config:

[MAIN]
is_local = True
provider_name = ollama
provider_model = deepseek-r1:32b
provider_server_address = 127.0.0.1:11434
agent_name = Friday
recover_last_session = False
save_session = False
speak = False
listen = False
jarvis_personality = False
languages = en zh
[BROWSER]
headless_browser = False
stealth_mode = False

Explicação:

  • is_local -> Roda o agente localmente (True) ou em servidor remoto (False).

  • provider_name -> Provedor a ser usado (um de: ollama, server, lm-studio, deepseek-api)

  • provider_model -> Modelo usado, ex: deepseek-r1:32b.

  • provider_server_address -> Endereço do servidor, ex: 127.0.0.1:11434 para local. Qualquer valor para API não local.

  • agent_name -> Nome do agente, ex: Friday. Usado como palavra-chave para TTS.

  • recover_last_session -> Retoma da última sessão (True) ou não (False).

  • save_session -> Salva dados da sessão (True) ou não (False).

  • speak -> Ativa saída de voz (True) ou não (False).

  • listen -> Ativa entrada por voz (True) ou não (False).

  • jarvis_personality -> Usa personalidade tipo JARVIS (True) ou não (False). Apenas muda o prompt.

  • languages -> Lista de idiomas suportados, necessário para o roteador de LLM funcionar corretamente. Evite muitos idiomas ou muito parecidos.

  • headless_browser -> Roda navegador sem janela visível (True) ou não (False).

  • stealth_mode -> Dificulta detecção de bot. Único contra é instalar manualmente a extensão anticaptcha.

  • languages -> Lista de idiomas suportados. Necessário para o sistema de roteamento de agentes. Quanto maior a lista, mais modelos serão baixados.

Provedores

Tabela de provedores disponíveis:

Provedor Local? Descrição
ollama Sim Rode LLMs localmente facilmente usando ollama
server Sim Hospede o modelo em outra máquina, use localmente
lm-studio Sim Rode LLM localmente com LM studio (lm-studio)
openai Depende Use API do ChatGPT (não privado) ou API compatível
deepseek-api Não API Deepseek (não privado)
huggingface Não API Hugging-Face (não privado)
togetherAI Não Use API together AI (não privado)
google Não Use API google gemini (não privado)

Para selecionar um provedor, altere o config.ini:

is_local = True
provider_name = ollama
provider_model = deepseek-r1:32b
provider_server_address = 127.0.0.1:5000

is_local: deve ser True para qualquer LLM rodando localmente, senão False.

provider_name: Selecione o provedor pelo nome, veja a lista acima.

provider_model: Defina o modelo a ser usado pelo agente.

provider_server_address: pode ser qualquer valor se não usar o provedor server.

Problemas conhecidos

Problemas com Chromedriver

Erro conhecido #1: chromedriver incompatível

Exception: Failed to initialize browser: Message: session not created: This version of ChromeDriver only supports Chrome version 113 Current browser version is 134.0.6998.89 with binary path

Isso ocorre se houver incompatibilidade entre seu navegador e a versão do chromedriver.

Você precisa baixar a versão mais recente:

https://developer.chrome.com/docs/chromedriver/downloads

Se estiver usando Chrome versão 115 ou superior, acesse:

https://googlechromelabs.github.io/chrome-for-testing/

E baixe o chromedriver correspondente ao seu sistema operacional.

alt text

Se esta seção estiver incompleta, abra uma issue.

Problemas de adaptadores de conexão

Exception: Provider lm-studio failed: HTTP request failed: No connection adapters were found for '127.0.0.1:11434/v1/chat/completions'

Certifique-se de ter http:// antes do IP do provedor:

provider_server_address = http://127.0.0.1:11434

SearxNG base URL deve ser fornecida

raise ValueError("SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.")
ValueError: SearxNG base URL must be provided either as an argument or via the SEARXNG_BASE_URL environment variable.

Talvez você não tenha movido .env.example para .env? Você também pode exportar SEARXNG_BASE_URL:

export SEARXNG_BASE_URL="http://127.0.0.1:8080"

FAQ

P: Que hardware eu preciso?

Tamanho do Modelo GPU Comentário
7B 8GB Vram ⚠️ Não recomendado. Desempenho ruim, alucinações frequentes, agentes de planejamento podem falhar.
14B 12 GB VRAM (ex: RTX 3060) ✅ Usável para tarefas simples. Pode ter dificuldades com navegação web e planejamento.
32B 24+ GB VRAM (ex: RTX 4090) 🚀 Sucesso na maioria das tarefas, pode ainda ter dificuldades com planejamento
70B+ 48+ GB Vram (ex: mac studio) 💪 Excelente. Recomendado para uso avançado.

P: Por que Deepseek R1 em vez de outros modelos?

Deepseek R1 se destaca em raciocínio e uso de ferramentas para seu tamanho. Achamos que é uma ótima escolha para nossas necessidades, outros modelos funcionam bem, mas Deepseek é nossa principal escolha.

P: Recebo erro ao rodar cli.py. O que faço?

Certifique-se de que o local está rodando (ollama serve), seu config.ini corresponde ao provedor e as dependências estão instaladas. Se nada funcionar, abra uma issue.

P: Pode rodar 100% localmente mesmo?

Sim, com Ollama, lm-studio ou provedores server, todo o reconhecimento de fala, LLM e TTS rodam localmente. Opções não locais (OpenAI ou outras APIs) são opcionais.

P: Por que usar AgenticSeek se já tenho Manus?

Começou como um projeto paralelo por interesse em agentes de IA. O diferencial é usar modelos locais e evitar APIs. Nos inspiramos em Jarvis e Friday (filmes do Homem de Ferro) para torná-lo "legal", mas funcionalmente nos inspiramos mais no Manus, pois é isso que as pessoas querem: uma alternativa local ao Manus. Ao contrário do Manus, o AgenticSeek prioriza independência de sistemas externos, dando mais controle, privacidade e evitando custos de API.

Contribua

Procuramos desenvolvedores para melhorar o AgenticSeek! Veja as issues abertas ou discussões.

Guia de contribuição

Star History Chart

Mantenedores:

Fosowl | Horário de Paris

antoineVIVIES | Horário de Taipei

steveh8758 | Horário de Taipei

Agradecimentos Especiais:

tcsenpai e plitc pela ajuda na dockerização do backend