AI 知识库

MIRA

Properties1
tags工具, agent-runtime, 开源, 科研

9分钟阅读

MIRA

⚠️ 核实（2026-10-02）

  • 仍活跃但维护规模很小：PyPI mira-engine 最新 0.3.4（2026-08-05，仅 1 名维护者）
  • ⚠️ 官方 GitHub 主仓库未查到（按名搜到的都是同名无关小项目），官网与文档在线

产品介绍

MIRA 是一个开源的项目级 AI 助手，专为科学研究设计。其核心理念是把「研究 → 实验 → 报告」这条链路交给 Agent——输入一个目标，输出可复现的实验、可读的报告、可分享的 PPT。

MIRA 配套专属桌面 UI、CLI、PyPI 包、Docker 镜像，同时接入飞书、Slack、QQ，让科学家用熟悉的聊天工具就能驱动整个研究流程。

为什么科研场景特别需要 Agent

  • 研究链路长：从查文献、写代码、跑实验、整理数据到写报告，单人可能要几周
  • 实验需要可复现：每次跑实验的参数、数据、环境都要记录清楚
  • 报告要写得专业：论文级别的写作需要结构化输出
  • 协作成本高：导师、学生、合作者之间共享进度很麻烦

传统 AI 工具只能做其中一环（如 ChatGPT 只能写文本），MIRA 想做一个端到端的研究 Agent，从头到尾把研究链路打通。

核心实体

MIRA 系统由四个核心组件构成：

实体说明职责
MIRA Gateway通信网关负责与飞书/Slack/QQ 等平台对接，把消息路由到 Agent
MIRA Agent核心 Agent理解目标、规划任务、调度工具
MIRA Engine运行时引擎管理工具执行和任务状态
MIRA WebChannelWeb 通道桌面 UI 和 Web 端的实时通信

各组件的关系

用户（飞书消息）
       ↓
Gateway 接收消息，解析指令
       ↓
Agent 理解要做什么，规划任务步骤
       ↓
Engine 执行具体工具调用
       ↓
结果通过 WebChannel 实时回传给用户

五个运行旋钮

MIRA 的架构设计围绕五个可调节的旋钮，用户可根据任务需求灵活配置：

旋钮说明示例配置
Provider模型供应商OpenRouter、OpenAI、Anthropic、本地 Ollama
Model具体模型Claude Sonnet、GPT-4o、DeepSeek-V3、自研模型
Memory记忆系统配置短期上下文、向量检索、SQLite 长期记忆
Skills技能配置文件操作、代码执行、浏览器、数据库
Workspace工作目录Agent 操作的文件范围（如 /data/research）

旋钮的设计理念

这五个旋钮的设计是让 Agent 行为完全可控：

  • Provider/Model 旋钮：换模型不用改代码，跑不同模型对比效果
  • Memory 旋钮：科研场景需要记住所有实验细节，记忆配置决定 Agent 能调用多少历史
  • Skills 旋钮：根据任务需要开关能力，Python 任务开启 python_exec，浏览器任务开启 browser_navigate
  • Workspace 旋钮：限制 Agent 操作范围，避免误删系统文件

Skills 分类

MIRA 的 Skills 按功能分为以下类别：

类别代表技能用途
文件操作file_read, file_write, file_list读写文件、列出目录
命令执行shell_exec执行 shell 命令
代码执行python_exec执行 Python 代码
浏览器browser_navigate, browser_click操作浏览器
数据库db_query执行数据库查询
搜索web_search搜索网络信息
Gitgit_commit, git_pushGit 操作
飞书feishu_send, feishu_read飞书消息收发
自定义用户可自行添加根据需求自定义

自定义 Skill 的工作流

MIRA 鼓励用户编写自定义 Skill 来扩展能力：

  1. 编写 Python 函数，描述清楚输入输出
  2. 注册到 MIRA 的 Skill 注册表
  3. 写一个 description，告诉 Agent 何时调用
  4. Agent 会自动判断何时使用这个 Skill

技术架构

MIRA 采用分层架构：

┌────────────────────────────────────────────┐
│              接入层（飞书/Slack/QQ/Web）       │
└──────────────┬─────────────────────────────┘
               │ WebSocket
┌──────────────▼─────────────────────────────┐
│            MIRA Gateway（通信网关）           │
└──────────────┬─────────────────────────────┘
               │
┌──────────────▼─────────────────────────────┐
│            MIRA Agent（核心 Agent）           │
│  - 目标理解                                  │
│  - 任务规划                                  │
│  - 工具调度                                  │
└──────────────┬─────────────────────────────┘
               │
┌──────────────▼─────────────────────────────┐
│           MIRA Engine（运行时引擎）            │
│  - 工具执行                                  │
│  - 状态管理                                  │
│  - 结果验证                                  │
└──────────────┬─────────────────────────────┘
               │
┌──────────────▼─────────────────────────────┐
│              Skills & Tools（工具层）          │
└────────────────────────────────────────────┘

架构亮点

  • 接入层独立：换聊天平台不影响核心逻辑
  • Agent 和 Engine 解耦：Agent 负责思考，Engine 负责执行
  • Skill 系统可插拔：增删能力不用改 Agent

多模型路由

MIRA 使用 OpenRouter 进行动态模型路由，不绑定单一 AI 模型。当前路由 26 个模型，根据任务类型自动选择最佳模型。

路由策略示例

  • 简单问答：用 GPT-4o-mini（成本低）
  • 复杂推理：用 Claude Sonnet（推理强）
  • 代码生成：用 DeepSeek-Coder（代码专精）
  • 中文任务：用 GLM-4（中文好）
  • 长文档分析：用 Claude（200K 上下文）

战绩

2026 年 6 月的数据，MIRA 在 OpenRouter 全球 AI 生产力应用中排名第五。

与酒店定价的关系

MIRA 可以作为自建某类业务场景工具的基础：

  • 使用 Python 执行数据处理和分析
  • 使用数据库查询获取历史价格和入住数据
  • 使用文件操作管理定价规则
  • 使用自定义 Skills实现定价逻辑
  • 在 某类业务场景方案 中作为长期方案的核心

为什么选 MIRA 做酒店定价

  • 可自定义 Skills：定价逻辑可以自己写，不依赖固定算法
  • 多模型路由：数据分析用 Claude，规则优化用 GPT，文本生成用国产模型
  • 数据本地化：所有数据跑在自己机器上，不交给第三方
  • 接入飞书：酒店前台用飞书沟通，Agent 直接发消息给前台

自建方案的工作流示例

用户（飞书）："分析本周入住率"
       ↓
MIRA Agent 接收指令
       ↓
调用 db_query 查询数据库
       ↓
调用 python_exec 计算入住率
       ↓
调用 file_write 保存报告
       ↓
调用 feishu_send 把报告发给用户

部署方式

方式适用场景难度
桌面 UI个人研究者快速体验⭐
CLI服务器部署、自动化任务⭐⭐
PyPI 包集成到现有 Python 项目⭐⭐
Docker 镜像跨机器一致部署⭐⭐⭐

与 TraeWork 的对比

维度MIRATraeWork
定位项目级科研 Agent工作级通用 Agent
场景科研、实验、报告日常任务、文档处理、自动化
接入飞书/Slack/QQMCP、Skill 插件
模型OpenRouter 多模型路由单一主模型
记忆长链路记忆短期记忆为主
开源开源闭源

两者定位不同，可以互补：TraeWork 做日常 Agent，MIRA 做专业领域 Agent。

相关笔记

相关日记

反向链接