LangBot：开源大语言模型原生即时通信机器人开发平台

开箱即用的IM机器人开发体验，支持Agent、RAG、MCP等多种LLM应用功能

info项目简介

LangBot是一个开源的大语言模型原生即时通信机器人开发平台，旨在提供开箱即用的IM机器人开发体验。它具有Agent、RAG、MCP等多种LLM应用功能，适配全球主流即时通信平台，并提供丰富的API接口，支持自定义开发。

LangBot基于Python开发，支持3.10至3.13版本，采用事件驱动架构，集成了即时通信平台的API和多种大语言模型，支持插件扩展和Web管理面板，内置访问控制、限速和敏感词过滤等安全机制。

LangBot平台

stars核心特性

多平台支持

无缝集成到多种主流即时通信平台，如QQ、微信(包括企业微信和个人微信)、飞书、Discord等。

多模型适配

支持接入多种主流的大语言模型(LLM)，如OpenAI的ChatGPT、DeepSeek、Claude、Gemini、Ollama等。

多模态交互

支持文本、语音、图片等多种输入输出形式，能够进行多轮对话和工具调用。

高稳定性

原生支持访问控制、限速、敏感词过滤等机制，保障机器人运行的稳定性和安全性。

architecture技术架构

LangBot采用事件驱动架构，基于Python开发，具有高度模块化和可扩展性。其核心架构包括以下几个部分：

1. 事件驱动架构

LangBot基于事件驱动架构设计，当特定事件发生时（如接收到消息、用户操作等），系统会触发相应的处理逻辑。这种架构使得LangBot能够高效地处理多个平台的消息和事件。

2. API集成层

LangBot通过集成各个即时通信平台提供的API接口，实现与用户的交互。这一层负责处理不同平台的协议差异，为上层提供统一的接口。

3. 大语言模型集成

LangBot支持多种大语言模型，通过统一的接口与不同的LLM进行交互。这使得用户可以根据需求选择合适的模型进行对话任务。

4. 插件系统

LangBot提供了强大的插件系统，支持事件监听器和内容函数两种插件类型。插件系统基于事件驱动和组件扩展机制，适配Anthropic MCP协议。

5. Web管理面板

LangBot提供了Web管理面板，用户可以通过浏览器管理LangBot实例，无需手动编写配置文件，大大降低了使用门槛。

# 事件监听器插件示例
from langbot import Event, EventType

@bot.on(EventType.MESSAGE)
async def on_message(event: Event):
    # 处理消息事件
    message = event.message
    if message.content.startswith("/hello"):
        await message.reply("你好！我是LangBot机器人。")

devices支持的平台和模型

消息平台

大模型能力

cloud_upload部署方式

Docker Compose 部署

# 克隆仓库
git clone https://github.com/langbot-app/LangBot
cd LangBot

# 启动服务
docker compose up -d

启动后访问 http://localhost:5300 即可开始使用。

宝塔面板部署

LangBot已上架宝塔面板，若您已安装宝塔面板，可以根据官方文档使用一键部署功能。

云平台部署

手动部署

可以直接使用发行版运行，详细步骤请参考官方文档的手动部署部分。

extension插件系统

插件是LangBot的扩展模块，其中包含事件监听器和内容函数两种可执行内容。事件监听器由主程序运行中的事件驱动，而内容函数由GPT生成的内容驱动。这两种驱动方式都统一包装在插件类中。

事件监听器

事件监听器插件监听LangBot运行期间的各种事件，LangBot在事件发生时，携带事件相关信息调用插件注册的监听器。插件可以通过注册监听器以在指定情况下被触发。

内容函数

内容函数不同于通过事件触发插件，而是在对话期间，当对话内容符合内容函数的描述时，由GPT指定要调用的函数，并由LangBot进行调用。这是基于GPT的Function Calling能力实现的。

# 内容函数插件示例
from langbot import Function, FunctionParameter

@bot.function(
    name="get_weather",
    description="获取指定城市的天气信息",
    parameters=[
        FunctionParameter(
            name="city",
            description="城市名称",
            required=True,
            type="string"
        )
    ]
)
async def get_weather(city: str):
    # 获取天气信息的逻辑
    weather_data = await fetch_weather_data(city)
    return f"{city}的天气：{weather_data['weather']}，温度：{weather_data['temperature']}℃"

插件安装方式

groups社区信息

LangBot拥有活跃的开发者社区，欢迎贡献代码、提交插件或提出改进建议。

如何参与贡献

社区链接

LangBot - 开源大语言模型原生即时通信机器人开发平台

更多信息请访问：https://langbot.app