🚀 项目公告：GNS3 Copilot — 构建面向网络实验室的 AI 驱动助手

大家好！👋

我很高兴正式宣布 GNS3 Copilot，这是我在过去几个月里一直在开发的开源项目。我的目标是通过将 LLM 和 AI 智能体的强大功能引入网络世界，改变我们与网络实验室的交互方式。

💡 愿景

愿景很简单：让工程师能够使用自然语言管理复杂的网络拓扑。无论是创建节点、连接链路、配置 OSPF，还是排查连接问题，GNS3 Copilot 都可以充当您的智能合作伙伴。

当前状态（单智能体原型）

我们已经有了一个可工作的原型，支持以下功能：

自然语言交互

由基于 LangGraph 的智能体驱动。

支持工具的 GNS3 API 集成

基于 GNS3 REST API 构建的全面工具套件，使 LLM 能够执行函数调用，根据实时意图动态创建项目、管理节点和配置链路。

Streamlit Web UI

一个简洁的界面，用于实时聊天和执行反馈。

来自实验室的经验：为什么我们需要不止一个智能体

在构建初始原型时，我花了一个月时间"生活"在 LLM + GNS3 的环境中。这些实践经验直接促成了我们向多智能体架构的转变：

"无限耐心"因素

LLM 是终极的 24/7 导师。它们永远不会因为你的 BGP 状态是 "Active" 而感到厌烦。但作为单智能体，它们有时会"只见树木，不见森林"。

幻觉障碍

虽然 AI 对标准 RFC（OSPF/BGP）了如指掌，但在处理专有厂商逻辑或复杂的路由重分发时会遇到困难。我了解到我们不应该向 AI 索要"答案"，而是要求诊断树。

"空间"限制

在具有 20+ 节点的拓扑中，单个 LLM 会话经常遇到"逻辑上限"。它无法一次"看到"整个地图，这就是我们要转向模块化规划方法的原因。

模拟中的安全性

GNS3 + AI 最好的部分是允许失败的自由。我意识到让 AI"破坏"实验室是工程师学习的最快方式。

下一步演进：多智能体系统（计划中）

为了解决上述发现的局限性，我们正在将 GNS3 Copilot 演进为一个复杂的多智能体系统。

随着项目的发展，我们正在转向复杂的多智能体系统架构，以确保可靠性并处理复杂的网络任务。

1. 多智能体角色分配

我们采用不同的智能体，每个智能体专门负责特定功能：

智能体	职责
规划智能体	识别用户意图并制定详细的分步任务计划
执行智能体	根据计划执行特定的设备操作
监督智能体	持续监控结果。如果出现问题，它会触发重试或调用专家智能体
专家智能体	解决复杂故障，提供高级指导，并修正原始计划

2. 闭环工作流

为了确保自我纠正和高成功率，系统在严格的循环中运行：

用户输入：系统接收高级请求（例如"设置双栈 BGP 核心"）
规划：规划智能体将其分解为 API 调用和配置命令
执行：执行智能体与 GNS3/EVE-NG 设备交互
监控：监督智能体验证状态（例如"BGP 会话是否已建立？"）
干预：如果链路保持 'Down' 状态，专家智能体分析日志，更正配置，并循环回执行阶段
最终交付：经验证后，完成的工作呈现给用户

路线图

第一阶段：核心体验

人工在环（HITL）确认
语法高亮

第二阶段：无缝集成

分屏 UI（聊天 + GNS3 Web UI）✅

第三阶段：多平台支持

添加 EVE-NG、Cisco CML 和 Containerlab 🚫

第四阶段：生态系统扩展（MCP）

打包为模型上下文协议（MCP）服务器，以便与 Claude Desktop 和 Gemini CLI 集成

🤝 加入我们的旅程！

这是一个开源倡议，我很想听听社区的声音。

反馈

哪些功能能为您在实验室中节省最多时间？

贡献

无论是代码、文档还是测试，我们都欢迎您的参与！

支持

如果您对这个项目感兴趣，请给它一个 ⭐ Star 仓库 来关注进展。

让我们一起让网络实验室变得更智能、更快速、更有趣！🚀