OmAgent

OmAgent 是一个用于快速构建多模态语言智能体（Multimodal Language Agent）的 Python 开源库。它提供轻量级、图式工作流驱动的架构，内置对视觉语言模型（VLM）、视频/图像/音频理解、移动设备连接及本地模型部署（如 Ollama、LocalAI）的支持，并封装了任务编排、内存管理与组件复用等工程细节，仅暴露简洁接口。核心特点包括低开销设计、原生多模态输入处理能力、可扩展分布式架构及 Lite 模式免中间件部署。适用于需要融合文本、视觉、语音等多源信息进行推理与交互的研究原型开发、智能硬件集成及垂直领域多模态应用落地。