AgentDock
构建具有可配置确定性的 AI Agent 框架，兼具创造力与可靠性。
证据显示：README 声称有内置安全功能（如 API 密钥加密），但未提供实现细节或代码证据。未发现权限最小化、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的具体实现。因此所有信任标准得分为 0。
证据显示：README 和 package.json 提供了一致的安装和运行说明，但未提供实际运行验证。依赖项在 package.json 中列出，但未验证可用性。错误处理在 README 中提及，但未提供具体实现。因此自一致性、依赖可用性和失败消息各得 1 分。
证据显示：README 描述了多种使用场景（如 AI 应用、集成、自动化），并提供了示例代理。能力边界在文档中有所提及，但未明确界定。触发精度未详细说明。环境适配方面，README 提供了 Node.js 和 pnpm 的要求，以及部署选项。因此受众和场景得 2 分，能力边界和触发精度各得 1 分，环境适配得 2 分。
证据显示：README 提供了清晰的信息架构，包括目录结构和文档链接。安装说明详细。命名稳定性未明确说明。示例和 FAQ 部分提供了示例代理。已知限制在路线图中有所提及。许可证为 MIT。版本和变更日志未提供。维护责任未明确。因此信息架构、安装说明、示例和 FAQ、许可证各得 2 分，命名稳定性、已知限制、版本和变更日志、维护责任各得 1 分。
证据显示：README 描述了输出能力，但未提供具体示例。边际价值在功能列表中有所体现。成本效益未讨论。因此输出可用性得 1 分，边际价值得 2 分，成本效益得 1 分。
证据显示：README 中的声明未提供可追溯的证据。跨来源验证未进行。事实和推断未明确分离。因此所有标准得 1 分。
- 未提供安全功能的实现细节，需谨慎评估。
- 依赖项未验证可用性，可能存在供应链风险。
- 未提供版本和变更日志，维护状态不明确。
这个 Agent 能做什么，适合哪些场景？
AgentDock 是一个用于构建复杂 AI Agent 的开源框架，强调可配置的确定性，即平衡 LLM 的创造性与系统行为的可预测性。它由两部分组成：AgentDock Core（一个后端优先的框架，用于构建和部署 AI Agent）和开源客户端（一个完整的 Next.js 参考实现，部署于 hub.agentdock.ai）。框架采用基于节点的架构，核心组件包括 BaseNode、AgentNode 以及作为节点实现工具和自定义逻辑。它提供可配置的确定性工作流，支持多步骤工具调用、会话管理、编排框架和评估框架。框架无关，支持多种 LLM 提供商，并在 MIT 许可下发布。
AgentDock 提供了一组可组合的节点（如 AgentNode、BaseNode）来构建 AI Agent，并通过节点注册表和工具注册表管理节点和工具。AgentNode 编排 LLM 交互、工具使用和 Agent 逻辑，支持多步骤工具调用链。框架支持确定性工作流（由连接节点的执行路径定义）和非确定性 Agent 行为（由 LLM 推理驱动），允许开发者在相同系统中结合两者。它包含会话管理（隔离并发对话的状态）、编排（基于上下文动态控制工具可用性）和评估框架（用于衡量和提升 Agent 质量）。开源客户端（Next.js 应用）提供一个消费这些能力的参考实现，支持通过环境变量或 UI 配置多个 LLM 提供商（如 Anthropic、OpenAI、Gemini、DeepSeek、Groq）。
- 开发人员使用 TypeScript 构建自定义 AI Agent，并希望通过可选择的确定性和多步骤工具调用来平衡可预测性与创造力。
- 团队通过从模板（如医疗诊断、认知推理、历史教育或卡路里视觉 Agent）开始，快速原型化由 AI 驱动的应用程序。
- 希望将 AI 集成到现有 Node.js 后端，同时控制提供商依赖（BYOK）并利用会话管理和编排功能的架构师。
- 需要评估框架来系统测量 Agent 性能与其预期行为的一致性的质量保证工程师。
- 构建自动化数据流水线或文档分析系统的开发者，利用确定性工作流与 LLM 组件结合。
这个 Agent 有哪些优点和局限？
- 可配置的确定性：允许开发者在同一系统中结合非确定性 LLM 推理与确定性工作流，提供可预测的结果。
- 框架无关：支持多种 LLM 提供商（Anthropic、OpenAI、Gemini 等），减少供应商锁定。
- 模块化节点架构：通过扩展 BaseNode 构建自定义节点和工具，实现高度可扩展性。
- 内置高级特性：会话管理、编排和评估框架为生产级 Agent 提供支持。
- 处于 Beta 阶段：项目状态为 Beta，核心包尚未作为稳定的 NPM 包发布，可能存在 API 变更。
- 初始设置复杂：需要 Node.js ≥20.11.0 和 pnpm，并要求手动配置多个 API 密钥。
- 文档分散：文档分布在仓库和外部站点，可能不利于快速入门。
- 功能不完整：存储抽象层和向量集成等功能仍在开发中，可能限制高级用例。
如何安装或部署这个 Agent？
克隆仓库：git clone https://github.com/AgentDock/AgentDock.git
启用并准备 pnpm：corepack enable && corepack prepare pnpm@latest --activate
安装依赖：pnpm install
复制环境文件：cp .env.example .env.local
添加 LLM 提供商 API 密钥（至少一个，例如 ANTHROPIC_API_KEY、OPENAI_API_KEY）和工具特定密钥（如 SERPER_API_KEY、FIRECRAWL_API_KEY）。
如何使用这个 Agent？
启动开发服务器：pnpm dev
在 UI 中或通过环境变量配置 API 密钥（BYOK 模型）。
探索 agents/ 目录中的示例 Agent 模板，选择或创建一个适合您需求的模板。
参考 docs/ 目录中的文档和 hub.agentdock.ai/docs 上的文档，了解如何创建自定义节点和使用框架。