AgentChat 智能对话平台

这个 Agent 能做什么，适合哪些场景？

AgentChat 是一个前后端分离的大语言模型智能对话系统，后端采用 FastAPI，前端采用 Vue 3 与 Element Plus。它提供默认智能体和用户自定义智能体，支持多轮对话、子智能体协作、任务工作流及工具多轮调用。知识库模块可处理多种格式的内容，进行语义分块和向量检索，并用于 RAG 问答。系统还支持 MCP Server 的运行时动态加载，以及通过 HITL 将 OpenAPI 信息对话式生成为 MCP Server。可通过 Docker Compose 部署，也可分别启动 Python 后端和 Node.js 前端；MySQL、Redis 和可选的 Milvus、ChromaDB、Elasticsearch 构成其部署与检索边界。

用户在 Vue 前端与智能体进行多轮交流，系统保留 3000 tokens 以内的短期上下文、自动总结更早历史，并持久化用户偏好等长期记忆。智能体可执行依赖式工具调用，例如按 A → B → C 的顺序把前一工具结果传给后一工具；项目还提供 10+ 内置工具，并允许上传 Swagger/OpenAPI 构建自定义工具。知识库流程对多格式内容做语义分块和向量检索，再用于 RAG 问答。对于 OpenAPI 信息，HITL 流程在关键决策点请求人工确认，并产出 MCP Server 配置结果。后端以 FastAPI 提供服务，启动后可通过 /docs 访问 Swagger 文档。

1. 需要把内部资料用于问答的团队，可将资料接入知识库，以语义检索和 RAG 回答用户问题。
2. 希望把多个 API 串成任务步骤的业务人员，可上传 Swagger/OpenAPI 构建自定义工具，并让智能体按依赖顺序多轮调用。
3. 需要审查自动生成服务的开发者，可在 OpenAPI 到 MCP Server 的对话式生成过程中于关键节点介入确认。
4. 同时管理多个对话型应用的运营人员，可在工作区与应用中心之间切换，并按智能体、模型和时间范围查看调用次数与 Token 用量。
5. 需要部署私有对话服务的工程团队，可使用 Docker Compose，或分别运行 FastAPI 后端和 Vue 前端。

这个 Agent 有哪些优点和局限？

如何安装或部署这个 Agent？

文档列出的运行条件为 Python 3.12+、Node.js 18+、MySQL 8.0+、Redis 7.0+ 和 Docker 20.10+。Docker 部署：git clone https://github.com/Shy2593666979/AgentChat.git，cd AgentChat，编辑 docker/docker_config.yaml，再执行 cd docker 和 docker-compose up --build -d。本地部署时，在 src/backend 执行 pip install -r requirements.txt，或先安装 uv 后执行 uv sync；在 src/frontend 执行 npm install 和 npm run dev。文档未给出模型供应商凭据字段、MySQL/Redis 初始化步骤，或可复制的首个 API 请求，因此这些配置需在部署前另行确认。

如何使用这个 Agent？

启动后端后访问 /docs 查看 Swagger 文档；启动前端后，通过界面创建或使用智能体进行多轮对话。可将知识库内容用于 RAG 问答，上传 Swagger/OpenAPI 创建自定义工具，或在 HITL 流程中根据 OpenAPI 信息生成 MCP Server。首次启动若缺少模型配置，项目说明会进行配置检查并给出引导提示；但文档未说明具体模型配置位置、凭据格式或首个可调用接口。

这个 Agent 与同类方案有什么区别？

常见问题