AgentSwarms 数据与智能体平台
在自有基础设施上运行智能体,并让它们基于受治理的数据工作。
- Star 数
- ★ 302
- 最近更新
- 今天
- License
- NOASSERTION
- 主语言
- TypeScript
- FA 评分
- 79/100 · 表现良好
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 高 · 需要较重的基础设施
- 开始前需要
- 典型场景
- 数据团队将数据库与 SaaS 数据汇入湖仓,并为下游表配置可追踪的 ETL 与 SQL 模型。
- 不适合
- 需要多区域自动故障切换的团队
- 希望把软件作为托管 SaaS 提供给第三方的团队
- 官网
- agentswarms.fyi ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-20最新版本 v1.7.0(2026-11-14)
- 源码审查
- 79/100 · 表现良好
这个 Agent 能做什么,适合哪些场景?
AgentSwarms 将 Agent Chat、多智能体 Swarm 画布和 RAG 知识库,与 ETL、DuckDB 与 Parquet 湖仓、BI 仪表板及无代码机器学习整合在一个平台中。智能体和分析师可以查询连接的数据源或湖仓,分析师会展示其 SQL,仪表板与智能体可共用语义层和访问策略。工作流可编排数据管道、模型构建、SQL、笔记本、Swarm、仪表板刷新及审批等步骤。平台使用 Supabase 作为后端,可通过 Docker 或 Kubernetes 部署,并支持配置多家模型提供方。适合希望自托管数据与 AI 工作流的团队;需要准备运行环境、Supabase 项目和模型凭据。
用户可连接数据库、数据仓库、文件和 SaaS 来源,在画布或 Python 模式中构建 ETL 管道,并将数据写入自有对象存储中的 zstd Parquet 湖仓。数据目录记录表与列信息及血缘;治理 SQL、语义指标和行列策略可供 BI、AI Analyst 与智能体共同使用。用户可创建 RAG 知识库、构建 Swarm 图、配置工具并从界面、API 或计划任务运行;部署的 Swarm 可逐步检查点,人工审批节点可暂停运行。AI Analyst 将问题拆解为步骤,生成并执行 SQL、自检并给出带步骤引用的结果。平台还可训练和登记湖仓上的机器学习模型、写回预测结果,并通过工作流、监控、审计和追踪管理运行。
- 数据团队将数据库与 SaaS 数据汇入湖仓,并为下游表配置可追踪的 ETL 与 SQL 模型。
- 分析师在受行列权限约束的数据上搭建仪表板,并用 AI Analyst 查询和核验结果。
- 运营团队把数据质量检查、模型重训、仪表板刷新和人工审批编排成一个工作流。
- 企业将内部文档和网站内容接入 RAG 知识库,为员工部署带引用的问答智能体。
- 数据科学团队在湖仓表上训练分类、预测或异常检测模型,并按计划回写批量预测。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 配置文件
.env- 运行环境
- Node.js 20.19
- 安装说明涉及
- Docker
如何安装或部署这个 Agent?
需要 Node.js 20.19 或更高版本。使用托管 Supabase 时,先创建 Supabase 项目并准备其密钥;再安装依赖、配置环境并应用数据库迁移。文档也提供 Docker 部署,以及包含自托管 Supabase 的安装脚本。完整 Docker 部署约需 8 GB RAM;训练模型建议准备 16 GB RAM。
如何使用这个 Agent?
手动启动开发环境的步骤如下。按需在 .env 中配置 Supabase 和模型提供方凭据;应用迁移后打开本地 Web 界面。也可按文档使用 Docker Compose 或 Kubernetes 部署。
这个 Agent 有哪些优点和局限?
- 智能体、ETL、湖仓、BI 和机器学习共用 IAM、审计与治理策略。
- 湖仓数据以 zstd Parquet 存于自有对象存储,并提供快照时间旅行。
- 支持多家模型提供方,并提供 OpenAI 兼容的
/api/v1/chat/completions接口。 - Swarm、数据管道、模型任务、审批和通知可在同一工作流图中编排。
- 部署涉及 Supabase、环境配置和多项服务;完整 Docker 部署约需 8 GB RAM。
- 使用模型功能需配置模型提供方凭据,相关调用成本取决于所选服务。
- 文档明确说明没有多区域故障切换;区域故障需要从备份恢复。
- Elastic License 2.0 不允许未经商业许可将软件作为托管或管理服务提供给第三方。
这个 Agent 与同类方案有什么区别?
README 将自托管仓库与 agentswarms.fyi 托管服务作了区分:仓库面向部署和运行平台的团队;托管服务侧重课程、练习和托管学习环境。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AgentSwarms 数据与智能体平台 当前 | 79 · 表现良好 | 网页应用免费 + 模型费 | ★ 302 | 今天 | TypeScript | OpenAI API |
| WrenAI GenBI | 54 · 缺口较多 | 命令行工具免费版 + 付费版 | ★ 18k | 2 天前 | Python | Codex · Claude Code |
| AI 工程实战训练营 | 38 · 缺口较多 | 开发框架免费 | ★ 959 | 1 个月前 | Jupyter Notebook | — |
| Seal Report 报表与 BI 平台 | 54 · 缺口较多 | 桌面应用免费 | ★ 1.6k | 今天 | C# | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
安全模型、沙箱和 lakehouse 访问说明具体描述了权限边界、凭据流转、SSRF 防护及审计;对用户密钥、加密数据范围和回滚风险也有说明。扣分原因:应用进程仍持有可绕过 RLS 的 service-role 密钥,需依赖应用侧范围检查;文档生成服务在未设置 DOCGEN_TOKEN 时不做认证(仅面向私有网络);依赖扫描门槛主要针对可修复的严重漏洞,样本未提供完整依赖风险证据。来源与维护联系信息存在,但发布者身份未经验证。
文档、CI 配置及实现样本在沙箱拒绝、错误上报和依赖安装方面大体一致,CI 覆盖类型检查、文档检查、测试、构建及浏览器检查。failure_messages 得分高,因为网关明确记录拒绝原因并通知客户端,沙箱不可用时也会解释。扣分原因:样本无法覆盖整个大型仓库,且静态材料不能证明运行可靠性或所有文档声明均与实现一致。
README 和安装指南覆盖本地及自托管、多个操作系统、容器与 Kubernetes,并说明了多种工作负载。沙箱文档给出能力边界和已知共享出口代理限制。扣分原因:定时或 webhook 等触发方式虽有描述,但样本没有完整呈现各项能力的配置约束和触发规则。
README 设有清晰的功能入口,安装指南含前置条件、分步配置及多种部署路径;安全文档还列出限制、责任边界和报告渠道。扣分原因:产品规模大且名称众多,样本不足以确认全仓命名稳定;许可证由 README、package 元数据及 LICENSE 文件支持,但 ELv2 有明确托管服务限制,不能视为宽松通用许可;版本和维护信息存在但不完整,publisher 身份也未验证。
产品提供面向 Agent 和数据工作的完整功能描述,强调可检查的 SQL、可用结果、编排及可审计治理。扣分原因:功能跨度和运维依赖很大,安装需要 Supabase、容器及可选模型服务;样本没有成本、资源需求或收益数据,难以证明普通部署的成本效益。
安全文档将多项声明指向实现文件,CI 描述具体自动检查,安装和沙箱文档提供了可核对的操作与边界。扣分原因:部分安全实现说明、README 功能声明与代码仅在样本中单方面出现;本评估只能区分文档声称与可见配置,无法静态确认声明所述行为确已实现。
- 该评估仅基于所给文件样本,置信度为低;未执行代码或独立验证产品声明。
- 部署前应设置 DOCGEN_TOKEN 并限制 doc-gen 服务的网络可达性;审查 service-role 路径、客户密钥配置及数据加密范围。
- Elastic License 2.0 限制将软件作为托管或管理服务提供;上线或再分发前应确认该许可适用于预期用途。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
v1.7.0 AgentSwarms 1.7.0
发布说明摘录
AgentSwarms 1.7.0 is the first release published as images, and the first that deploys to AWS without assembling it by hand. Every image is built for amd64 and arm64, smoke-tested, scanned and signed. An install picks a release with AGENTSWARMS_VERSION, and rolls back the same way. The schema now installs on a plain PostgreSQL such as Amazon RDS. deploy/aws deploys the whole platform with Terraform: as VMs behind a load balancer, on Amazon ECS, or on EKS from the new Helm chart. Users' code runs on Fargate there, or on a node pool of its own. Behind a load balancer, restarts and rolling …在 GitHub 查看 ↗ -
v1.6.0 AgentSwarms 1.6.0
发布说明摘录
AgentSwarms 1.6.0 1.5 made the whole platform arrive at once. 1.6 adds a spreadsheet: Sheets, under Data & BI, with Excel's formulas over lakehouse tables. It adds a Settings page with themes and keyboard shortcuts. Most of the rest was found by using the product the way people do: edits that are no longer lost, failures that say so, runs that end the way they report, and sandboxes that no longer hold the lakehouse's credentials. 328 commits, 930 files, 9 migrations. Run npx supabase db push after pulling. --- Highlights Sheets: a spreadsheet over the lakehouse. …在 GitHub 查看 ↗ -
v1.5.0 AgentSwarms 1.5.0
发布说明摘录
AgentSwarms 1.5.0 1.4 put doors in the platform. 1.5 makes the whole thing arrive at once and then run itself: every service on every install, with nothing left opt-in; workflows as one graph over the four separate clocks that used to run the pipelines, the model builds, the notebooks and the swarms; a **transformation layer over the lakehouse; Delta Sharing** for people who are not users; SCIM so the directory creates and deactivates accounts; **column-level lineage recorded from what each run actually did; and a dashboard** that …在 GitHub 查看 ↗
常见问题
运行平台需要哪些基础设施?
软件免费是否代表模型调用也免费?
可以在模型调用前限制数据和模型访问吗?
如果部署所在区域发生故障,会自动切换吗?
AgentSwarms 数据与智能体平台 官网是什么?
AgentSwarms 数据与智能体平台 开源吗?
AgentSwarms 数据与智能体平台 安全吗?
AgentSwarms 数据与智能体平台 还在维护吗?
AgentSwarms 数据与智能体平台 是谁开发的?
谢谢反馈,我们会据此改进页面。