企业级 AI Agent 平台
为企业团队提供可自托管、可扩展的 Agent 平台底座，覆盖治理、执行与工作台。
- Star 数
- ★ 152
- 最近更新
- 今天
- 主语言
- Python
- FA 评分
- 57/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配
- 上手难度
- 高 · 需要较重的基础设施
- 开始前需要
- 典型场景
- 企业平台团队需要搭建带用户、项目隔离和审计能力的私有 Agent 控制面。
- 不适合
- 只需要单机聊天界面、不需要自托管平台的个人用户
- 希望直接安装成 Codex 或 Claude Code 插件的团队
- 源码审查
- 57/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
这是一个面向二次开发和企业私有部署的 AI Agent 平台，由 Platform API、Platform Web 和 Runtime Service 三部分组成。Platform API 使用 FastAPI、SQLAlchemy 和 PostgreSQL 提供认证鉴权、项目隔离、审计、模型目录及受管契约转发；Web 控制台使用 Vue 3。Runtime Service 基于 Python 3.11+、LangGraph、GraphHarbor 和 Redis，负责图编排、工具与 MCP 装配、会话调度及 SSE 事件推送。仓库包含教学用 showcase_demo 和生产级 DeerFlow Agent 示例，支持人机审批、沙箱工作区、长期记忆及子智能体协作等能力。可通过本地多进程脚本或 Docker Compose 部署，适合需要改造平台和 Agent 实现的团队，而非只想接入一个现成聊天机器人。
用户在 Vue 3 工作台发起请求后，Platform API 读取项目启用的模型参数、工具白名单和系统 Prompt，组装受管契约并转发给 Runtime。Runtime Worker 驱动 LangGraph 状态机调用 LLM，并在需要时执行 Python Tools 或 MCP 工具；敏感操作可进入 HITL 审批。执行过程通过 SSE 推送到前端，支持流式对话和轨迹查看。DeerFlow Agent 示例还能进行 Research、Coding、Planning 模式调度，管理短期会话上下文及跨会话个人或项目记忆，并在沙箱工作区生成可预览、归档下载的文件成果。
- 企业平台团队需要搭建带用户、项目隔离和审计能力的私有 Agent 控制面。
- 使用 LangGraph 的工程团队需要一个包含 Runtime、工具注册和会话调度的二次开发骨架。
- 需要让模型通过 MCP 接入标准化外部工具，并对敏感工具调用设置人工审批的团队。
- 代码或研究团队希望试用带沙箱文件工作区、交互终端和成果归档的复杂 Agent 模板。
- 平台运维团队需要用 Docker Compose 或本地多进程方式部署 API、Runtime 和管理界面。
如何安装或部署这个 Agent？
本地启动依赖 Python 3.11+、Node.js 18+、pnpm 9+、PostgreSQL（建议 14+）和 Redis。README 未提供完整的依赖安装与首次配置命令；首次运行的配置初始化、数据库建表和密码设置步骤需按部署手册完成。已配置环境后，可用以下命令检查并启动本地全栈：
source "apps/runtime-service/.venv/bin/activate"
bash "scripts/local-stack.sh" doctor
bash "scripts/local-stack.sh" start也可使用仓库提供的 Docker Compose 全栈配置：
docker compose -f deploy/docker-compose.stack.yml --env-file deploy/.env.stack up -d如何使用这个 Agent？
启动后可访问 Platform Web，并分别检查 Platform API 和 Runtime Service。默认入口如下：
Platform Web: http://127.0.0.1:3000
Platform API: http://127.0.0.1:2142
Runtime Service: http://127.0.0.1:8123健康检查命令：
curl -fsS "http://127.0.0.1:2142/_system/health"
curl -fsS "http://127.0.0.1:8123/ready"在控制台创建或选择项目并配置模型后，可与内置 Agent 对话；自定义 Agent 图放在 apps/runtime-service/src/runtime_service/graphs/，自定义工具放在 apps/runtime-service/src/runtime_service/tools/，外部 MCP 服务通过 Runtime 配置挂载。README 未列出模型凭据名称或 API 调用示例。
这个 Agent 有哪些优点和局限？
- 把控制面治理与 Agent 执行分层，平台层包含认证、项目隔离、审计和模型目录。
- 基于 LangGraph，并提供自定义图、Python Tools、MCP 服务和管理台 API 的明确扩展位置。
- 内置展示 HITL、沙箱工作区、子智能体和记忆流程的复杂 Agent 示例。
- 支持本地多进程和 Docker Compose 部署，包含 Web 控制台、API 与独立 Runtime。
- 部署需要多个服务和基础设施，包括 PostgreSQL、Redis、Python 与 Node.js 环境。
- 平台面向二次开发；README 没有给出从克隆到完成依赖安装和配置的完整命令序列。
- 未说明模型 Provider 清单、凭据配置细节、使用成本或可直接验证的模型接入 API。
- 核心执行基于 LangGraph；迁移到其他 Agent Runtime 可能需要改造图、工具和会话逻辑。
这个 Agent 与同类方案有什么区别？
README 将本项目定位为基于 LangGraph/LangChain 的平台底座，并说明其设计参考了 open-swe、deepagents 和 deer-flow；这些是灵感与工程参考，不代表兼容产品或可直接替换的部署方案。
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 |
|---|---|---|---|---|---|---|
| 企业级 AI Agent 平台 当前 | 57 · 缺口较多 | 自托管服务 | ★ 152 | 今天 | Python | — |
| Deuz SDK | 76 · 表现良好 | 代码库 / SDK免费 + 模型费 | ★ 508 | 22 天前 | TypeScript | OpenAI API · Claude API |
| 从零构建邮件智能体 | 46 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 2.4k | 2 个月前 | Jupyter Notebook | OpenAI API |
| Open Swarm 智能体集群控制台 | 证据不足 | — | ★ 826 | 1 个月前 | JavaScript | Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
运行手册具体规定非 root 沙箱、无网络、资源上限、凭据文件权限、mTLS、精确清理与回退；清理需人工核实并带候选令牌，体现确认与恢复机制。扣分原因：README 宣称功能广泛，但本样本没有完整权限实现或数据流代码；本地模式明确运行于可信宿主 shell，远端节点仍有 Docker 组权限，最小权限证明不完整；依赖安全只有冻结哈希安装说明，未见漏洞审查证据。
运行手册描述原 ID 对账、未知命令不重发、故障时拒绝准入及磁盘丢失不在恢复承诺内；CI 配置列出部分 lint、编译、测试与构建步骤。扣分原因：README 声称的端到端契约验证和质量状态无法从所给样本独立确认，pyproject.toml 却是空依赖、示例描述且版本为 0.1.2，与 README 的 v0.5.0 发行信息不一致；样本未提供依赖锁文件或可用性保证。
README 面向二次开发团队，列出服务职责、内置 Agent 和扩展点；学术论文 Skill 对触发情境及输出范围有明确说明，运行手册区分本地、本地 Docker 与远端 Docker。扣分原因：样本对平台适用边界、资源需求和不同部署受众的覆盖不完整，且未给出完整产品级能力清单。
README 有系统概览、架构图入口、二次开发指南、快速启动和变更记录导航；AGENTS.md 组织了文档目录，运行手册包含配置、生命周期、回退与故障边界。扣分原因：许可证元数据未知，样本中的归属文字不能构成许可证；顶层 AGENTS.md 内容明确为 AI 开发流程与贡献规范，评估为项目协作说明而非面向终端用户的产品行为约束；包元数据仍为 aitestlab 和占位描述，与平台名称不符；维护责任人或支持渠道没有清晰说明。
平台将控制面、运行时、前端、MCP、Skills、记忆和沙箱组合为二次开发底座，若所述能力如文档所述，可减少搭建集成的工作；README 提供快速启动命令。扣分原因：所给材料不足以验证各能力的实际覆盖与完整度，安装步骤依赖已有虚拟环境但没有在该处说明创建方式，维护多服务及远端沙箱的部署成本也未量化。
README 的架构和功能声明可与运行手册、CI 配置、前端入口及测试夹具部分对照；运行手册明确将正式验收记录指向项目文档，并指出某些事项仍 deferred。扣分原因：多项质量与发布声明仅在 README 中陈述，当前样本没有相应结果记录；部分测试夹具只展示隔离场景代码，不能证明执行结果；整体缺少把每项产品声明逐一映射到实现或验证材料的完整证据。
- 部署前核对实际许可证、依赖安全状态及 README 所述版本与包元数据的一致性。
- 把本地可信宿主执行和 Docker 组权限纳入威胁模型；远端沙箱的单机持久盘不覆盖磁盘损坏或整机丢失恢复。
- 本评估仅基于给定文件样本；README 中的测试、发行和能力声明未被执行或独立验证。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/ai-agent-platform)<a href="https://followagents.com/zh/agents/ai-agent-platform"><img src="https://followagents.com/badge/ai-agent-platform.svg?lang=zh" alt="FARS 评测"></a>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。
-
v0.5.0 v0.5.0 - 企业级 AI Agent 平台架构重构与生产级智能体里程碑
发布说明摘录
v0.5.0 - 企业级 AI Agent 平台架构重构与生产级智能体里程碑 > 正式发布说明，将自动同步为 GitHub Release Notes。 Summary v0.5.0 是平台的重大里程碑版本：项目全面确立“面向二次开发与企业落地的 AI Agent 平台底座”定位，解耦平台治理层（FastAPI + PostgreSQL）与 Agent 执行层（LangGraph + GraphHarbor + Redis）；引入 3 套 Archify 2K 架构/时序/扩展点全景可视化系统；实装以 open-swe、deepagents 与 deer-flow 为核心工程支柱的生产级智能体 DeerFlow Agent，支持多模式工作流、长期记忆闭环引擎、安全沙箱 Workspace 与真实 PTY 交互终端。 Highlights - 企业级分层解耦架构：平台治理层专职鉴权、多租户、审计与 Catalog 治理；Agent 运行时专职图编排与状态流转，两层通过受管契约通信，二开零侵入。 - Archify 2K 架构与时序全景：发布系统总览、Agent 请求执行链路、二次开发扩展点 3 套交互式可视化系统与 100% 完整长图。 …在 GitHub 查看 ↗ -
发布说明摘录
Full Changelog: https://github.com/ljxpython/ai-agent-platform/compare/v0.4.0...v0.4.1在 GitHub 查看 ↗ -
v0.4.0 v0.4.0 - 可信运行时与聊天 v2 工作台
发布说明摘录
v0.4.0 - 可信运行时与聊天 v2 工作台 > 正式发布说明，可直接用于 GitHub Release。 Summary v0.4.0 将平台聊天主线迁移到受管的 v2 运行时契约：服务端生成可信身份和项目上下文，前端以流式 SDK 状态作为唯一运行真相，同时提供独立调试工作台。 Highlights - 正式聊天使用 v2 流式运行时，覆盖续接、中断、工具调用和历史消息展示 - 模型、工具和 prompt 配置通过受管运行时契约进入每次运行 - 身份与项目上下文由服务端生成，不再依赖前端注入可信字段 - 调试能力独立为工作台，避免污染正式聊天交互 Added - 聊天 v2 状态适配、运行元数据展示和独立 Debug 工作台 - 运行时委派、平台认证和运行上下文解析的服务端实现与回归测试 - 运行级模型、工具和 prompt 配置入口 Changed - 正式聊天收敛到 LangChain 流式 SDK 的运行状态 - 前端聊天依赖升级并收敛消息、工具调用和中断交互 - 运行时请求使用可信服务端上下文，部署配置同步更新 Fixed - 修复 runtime_delegation_not_configured 导致聊天无法运行的问题 - 修复发送消息后的页面闪烁、线程目标恢复和线程搜索兼容性问题 …在 GitHub 查看 ↗
常见问题
部署需要哪些服务？
可以接入哪些模型提供方？
Agent 是否会执行工具前先请求人工审批？
它能作为现成托管服务使用吗？
谢谢反馈，我们会据此改进页面。