第 9 章：下一步

学习目标： 了解如何为 MoFA 做贡献，探索高级主题，找到 GSoC 旅程的资源。

恭喜！你已经从零构建了智能体，将它们连接到 LLM，赋予它们工具，编排了多智能体团队，设计了工作流，并编写了支持热重载的插件。你已经拥有了使用 MoFA 工作的扎实基础。

为 MoFA 做贡献

MoFA 是开源项目，欢迎贡献。以下是开始的方式：

1. 阅读贡献指南

CONTRIBUTING.md 涵盖了：

分支命名约定（kebab-case：feat/my-feature、fix/bug-name）
提交消息格式（Conventional Commits：feat:、fix:、docs:）
PR 指南和审查流程
架构规则（第 1 章中的 kernel/foundation 分离）

2. 找到 Issue

浏览 GitHub Issues 查找：

good first issue — 适合入门
help wanted — 欢迎社区贡献
gsoc — 为 GSoC 候选人标记

3. 开发工作流

# 创建功能分支
git checkout -b feat/my-feature

# 修改代码，然后检查
cargo check          # 快速编译检查
cargo fmt            # 格式化代码
cargo clippy         # 代码检查
cargo test           # 运行测试

# 提交（Conventional Commits 格式）
git commit -m "feat: add my new feature"

# 推送并创建 PR
git push -u origin feat/my-feature

GSoC 项目想法

以下是 MoFA 可以受益于贡献的领域。这些可以作为优秀的 GSoC 项目提案：

新 LLM 提供者

难度：中等
影响：高
为新的 LLM API 添加提供者（Mistral、Cohere、本地模型服务器）
实现 LLMProvider trait（参见 crates/mofa-foundation/src/llm/）
参考：openai.rs、anthropic.rs、ollama.rs 的模式

MCP 服务器集成

难度：中高
影响：高
构建 MCP（Model Context Protocol）服务器集成
MoFA 已有 MCP 客户端支持（mofa-kernel trait、mofa-foundation 客户端）
扩展新的工具服务器、资源提供者或提示服务器

新内置工具

难度：简单-中等
影响：中等
创建有用的工具：数据库查询、API 客户端、代码执行器、网络爬虫
实现 Tool trait（第 5 章）
添加到 mofa-plugins 内置工具集合

持久化后端改进

难度：中等
影响：中等
改进现有的 PostgreSQL/MySQL/SQLite 后端
添加新后端（Redis、MongoDB、DynamoDB）
参见 crates/mofa-foundation/src/persistence/

Python 绑定增强

难度：中高
影响：高
改进 mofa-ffi 中的 PyO3/UniFFI 绑定
使 Python API 更加 Pythonic
添加全面的 Python 示例和文档

监控仪表板

难度：中等
影响：中等
增强 mofa-monitoring 中基于 Axum 的 Web 仪表板
添加实时智能体可视化、指标图表、链路查看器
集成 OpenTelemetry 链路追踪

新示例

难度：简单
影响：中等
为真实使用场景创建示例智能体
完善文档（README + 内联注释）
好的示例：RAG 智能体、代码审查智能体、数据分析智能体

工作流引擎增强

难度：中高
影响：高
添加并行节点执行、子工作流、错误恢复
改进 YAML DSL 的功能
可视化工作流编辑器（基于 Web）

值得探索的高级主题

以下是我们在教程中未涵盖但可以探索的功能：

秘书智能体（人在回路中）

秘书智能体模式通过人工监督管理任务——适用于 AI 建议需要人工批准才能执行的工作流。

接收想法 → 澄清需求 → 调度智能体 →
监控反馈 → 推送决策给人类 → 更新待办事项

参见 examples/secretary_agent/ 和 examples/hitl_secretary/。

MCP 协议集成

MoFA 支持 Model Context Protocol，用于连接外部工具服务器：

#![allow(unused)]
fn main() {
use mofa_sdk::kernel::{McpClient, McpTool, McpToolRegistry};
}

参见 crates/mofa-kernel/src/mcp/ 获取 trait，crates/mofa-foundation/src/mcp/ 获取客户端。

持久化（PostgreSQL / SQLite）

将对话历史、智能体状态和会话数据存储到数据库中：

#![allow(unused)]
fn main() {
use mofa_sdk::persistence::{PersistencePlugin, PostgresStore};
}

参见 examples/streaming_persistence/ 和 examples/streaming_manual_persistence/。

FFI 绑定（Python、Java、Swift）

从其他语言调用 MoFA 智能体：

# Python 示例（通过 PyO3）
from mofa import LLMAgent, OpenAIProvider

agent = LLMAgent(provider=OpenAIProvider.from_env())
response = agent.ask("来自 Python 的问候！")

参见 crates/mofa-ffi/ 和 examples/python_bindings/。

Dora 分布式数据流

将智能体作为分布式数据流图中的节点运行：

#![allow(unused)]
fn main() {
use mofa_sdk::dora::{DoraRuntime, run_dataflow};

let result = run_dataflow("dataflow.yml").await?;
}

参见 dora feature flag 和 crates/mofa-runtime/src/dora/。

TTS（文字转语音）

通过 Kokoro TTS 集成让你的智能体拥有声音：

#![allow(unused)]
fn main() {
let agent = LLMAgentBuilder::new()
    .with_provider(provider)
    .with_tts_plugin(tts_plugin)
    .build();

agent.chat_with_tts(&session_id, "讲个笑话").await?;
}

资源

仓库：github.com/moxin-org/mofa
SDK 文档：参见 crates/mofa-sdk/README.md
架构指南：参见 docs/architecture.md
安全指南：参见 docs/security.md
示例：examples/ 目录中有 27+ 个示例

Rust 学习资源

如果你是 Rust 新手，以下资源可以补充本教程：

The Rust Book — 官方指南
Rust by Example — 通过示例学习
Async Rust — 理解 async/await
Tokio 教程 — MoFA 使用的异步运行时

感谢

感谢你完成了本教程！无论你是为了 GSoC 还是只是在探索，我们希望 MoFA 能激励你构建出色的 AI 智能体。框架还年轻且在不断成长——你的贡献将塑造它的未来。

如果有问题，请在 GitHub 上提 issue 或加入社区讨论。我们期待看到你构建的作品！

← 返回目录

English | 简体中文

Keyboard shortcuts

MoFA 文档