apowerb 智能体平台
自托管生产级智能体，连接业务系统、知识库与自动化触发器。
- Star 数
- ★ 148
- 最近更新
- 2 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 61/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 运营团队收到 Gmail 或 Outlook 新邮件时，让智能体分类邮件、查询 CRM 客户信息并草拟回复。
- 不适合
- 需要免配置托管服务的团队
- 希望所有高级功能都包含在开源核心中的团队
- 源码审查
- 61/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
apowerb 是基于 FastAPI、Google ADK 和 LiteLLM 的开源平台，用于构建、运行和管理生产环境中的 AI 智能体。用户可通过网页界面或 REST API 定义智能体、配置模型与工具，并组合顺序、并行、循环和子智能体执行。平台提供 RAG、Text-to-SQL、MCP 接入、业务系统工具、邮件触发和定时运行，并以会话轨迹、令牌配额、权限和加密密钥支持日常运营。可用 Docker Compose 自托管，也可从源码运行；源码安装需要 PostgreSQL、Python 3.10+ 和 UV。核心采用 Apache-2.0 许可，计费、身份提供商登录、MFA、评估等部分功能由 thaink² 作为商业模块单独提供。
管理员或用户在网页界面或 REST API 中创建智能体，填写指令、模型、工具和知识库配置；Google ADK 负责执行，LiteLLM 可连接 Anthropic、OpenAI、Mistral、Gemini、Azure AI Foundry、OVHcloud 等模型服务。智能体可调用 MCP 服务器及 Google Workspace、Microsoft 365、GitHub、CRM、数据库、S3、网页搜索、OCR 和受限 Python 等工具，也可通过 RAG 检索文件、URL、数据库或 S3 内容，并用 Text-to-SQL 将自然语言问题转成数据库查询。用户可手动发起运行，也可设置由 Gmail 或 Outlook 新邮件触发，或通过外部编排器安排定时运行。运行结果可流式返回，也会形成可审计会话轨迹；平台还提供 BI 图表和仪表板、通知及令牌用量记录。
- 运营团队收到 Gmail 或 Outlook 新邮件时，让智能体分类邮件、查询 CRM 客户信息并草拟回复。
- 管理人员安排每日数据库报告，让智能体用 Text-to-SQL 查询数据、生成图表并发送摘要邮件。
- 法务或人事团队将合同、流程文档或 SharePoint 文件建成知识库，供员工通过 RAG 提问。
- 销售团队在对话或自动化流程中查询客户，并创建 HubSpot、Pipedrive 交易或更新 Odoo 记录。
- 需要集中管理内部智能体的 IT 团队，通过用户、群组、权限、令牌配额和会话审计运营自托管服务。
如何安装或部署这个 Agent？
快速启动使用独立的 apowerb-hosting 仓库；需要 Docker 和 Docker Compose。命令会复制环境变量模板、生成所需密钥并启动包含 PostgreSQL 的 Compose 服务。启动后网页界面位于 localhost:3000，API 位于 8000 端口。首次使用模型时，需在界面中添加自己的模型密钥，或在 .env 中配置共享模型。源码安装则需要 PostgreSQL、Python 3.10+ 和 UV；配置所需数据库字段及 ENCRYPT_KEY。
如何使用这个 Agent？
服务启动后，在网页界面创建智能体，配置指令、模型、工具和知识库，再从界面运行。也可使用 CLI 管理智能体和工具，或调用 REST API；API 文档默认不随服务公开，发布 schema 需显式配置。运行智能体需要提供 LiteLLM 支持的模型及相应凭据。下面是 README 中给出的 CLI 操作：
apowerb serve --host 0.0.0.0 --port 8000
apowerb agents list
apowerb agents create
apowerb tools list
apowerb runs list源码安装的 Uvicorn 启动方式：
uv run uvicorn apowerb.main:app --reload这个 Agent 有哪些优点和局限？
- 可通过网页界面和 REST API 定义智能体，并支持顺序、并行、循环及子智能体组合。
- 核心通过 LiteLLM 支持多个模型提供方，也能连接自定义 MCP 服务器。
- 将 RAG、Text-to-SQL、邮件触发、定时运行和会话审计纳入同一自托管平台。
- 核心包含用户、群组、权限、每用户令牌配额、可撤销会话和加密密钥等运营控制。
- 快速启动需要 Docker 和 Docker Compose；从源码运行还需自行提供 PostgreSQL、Python 3.10+ 和 UV。
- 智能体必须配置模型及其密钥；模型调用费用取决于所用提供方和密钥。
- 定时运行依赖外部编排器，需配置 Mage 或 th2etl。
- 计费、身份提供商登录、MFA、智能体评估和监督界面等能力属于单独销售的商业模块。
这个 Agent 与同类方案有什么区别？
README 将其描述为基于网页界面或 REST API 定义、存储于 PostgreSQL 并通过 Google ADK 运行的系统，而非画布式构建器。它强调业务系统内置工具和无需聊天用户在场的邮件及定时触发；未提供与具名竞品的直接比较。
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 |
|---|---|---|---|---|---|---|
| apowerb 智能体平台 当前 | 61 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 148 | 2 天前 | Python | OpenAI API · Claude API |
| EDDI 对话式 AI 编排平台 | 68 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 386 | 1 天前 | Java | OpenAI API |
| SwarmClaw | 48 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 692 | 3 个月前 | TypeScript | Codex · Claude Code · OpenAI API · Claude API |
| Manifold | 60 · 存在缺口 | 自托管服务免费 | ★ 502 | 2 个月前 | Go | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 說明了資料庫、OAuth、模型金鑰、RAG、MCP 與外部排程等資料或服務流向，也指出 stdio MCP 會在主機執行命令且需明確啟用；設定文件說明密鑰加密、權限、配額、可撤銷工作階段及 API schema 預設關閉。這些支持資料流與敏感資料處理各得 2 分。扣分原因是代理可執行工具、觸發器與工件程式碼，外部副作用範圍很廣，但沒有清楚說明每次副作用的使用者確認或回復機制；權限與來源歸屬也僅有概述，未見逐工具最小權限或完整來源引用流程，因此相關項目為 1 分。依賴安全有 Safety 工作流程和選擇可更新依賴的理由，但沒有提供掃描結果或完整緩解證據，得 2 分。
README、設定表與 pyproject.toml 對 Python 版本、安裝方式及元件大致一致，亦解釋部分商業 brick 缺席時的 404 與特定設定行為，因此自洽性得 2 分。CI 建置與匯入流程及少量測試文件提供支持，但靜態材料未證明外部服務、資料庫或模型依賴可用性，依賴可用性得 1 分。Onedrive 測試列出多種 HTTP 錯誤與可辨識訊息，得 2 分；未見全面錯誤契約，故未給滿分。
文件明確面向開發者與自架部署，並以郵件分類、排程報告、文件助理及後台自動化說明情境，情境覆蓋充分，得 3 分。它列出工具、觸發器、部署選項及商業功能邊界，也揭露 stdio opt-in 與未載入 brick 的行為；但未提供全面能力限制或適用／不適用情境，能力邊界與觸發精確度各得 2 分。Docker Compose、Helm、Python/PostgreSQL、自帶模型金鑰等環境需求交代明確，但平台與執行環境支持仍有限，環境適配得 2 分。
README 有目錄、分區架構、安裝、設定、執行、CLI、部署與故障排除章節，安裝命令和必要設定也具體，資訊架構與安裝說明各得 3 分。範例與常見問題材料充足但並非完整 FAQ；已披露商業 brick、預設 URL、特定設定限制，仍缺少更完整的限制清單，相關項目得 2 分。名稱與版本資訊可從套件設定及安全政策追溯，但變更紀錄與發布維護政策有限；維護責任有安全通報流程和承諾，但發布者身分未經策展登記驗證，不能據此推定可信，相關項目得 2 分。LICENSE 明確提供 Apache-2.0，得 3 分。
框架提供 API、CLI、編排、RAG、工具整合、排程與稽核等可用輸出，說明了相對於單純代理函式庫的整合價值，兩項各得 2 分。成本效益得 1 分，因為材料未量化部署、維護、模型或託管整合的成本，也未證明效益；大量整合和依賴可能提高運維負擔。
多項主張可在 README、pyproject.toml、安全政策、CI 工作流程及測試文件中找到對應線索，故可追溯性與跨來源佐證各得 2 分。文件通常把具體設定或測試描述與產品主張分開，但生產適用、安全與功能廣度的多項主張仍屬文件陳述，沒有由此處材料充分驗證，事實與推論分離得 2 分。
- 此為低信心靜態審查；CI 與測試檔案僅作為文件證據，未在本審查中執行或獨立驗證。
- 啟用代理、排程、郵件觸發器、MCP 或工件執行前，應核對工具權限、憑證範圍及外部副作用的確認與復原方式。
- Publisher provenance 未經策展企業登記驗證；發布者身分保持未知。
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。
-
发布说明摘录
What's Changed * perf(llm): cache the stable prompt prefix on Claude models by @dgnaglo in https://github.com/apowerb/apowerb/pull/394 * chore: drop the S3 log banners and the undefined names ruff flags by @dgnaglo in https://github.com/apowerb/apowerb/pull/397 * test: make a plain local pytest run match CI by @dgnaglo in https://github.com/apowerb/apowerb/pull/399 * fix(identity): bind the agent identity per voice session, stop writing it to os.environ by @dgnaglo in https://github.com/apowerb/apowerb/pull/398 …在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * fix(agents): propagate a guardrail's LlmResponse through the before_model chain by @dgnaglo in https://github.com/apowerb/apowerb/pull/386 * perf(tools): cut the tokens tools cost the model on every call by @dgnaglo in https://github.com/apowerb/apowerb/pull/387 * docs(bench): BI token costs measured in DEV on core 0.2.84 by @dgnaglo in https://github.com/apowerb/apowerb/pull/389 * fix(bi): let group_by run over a period filter's presets by @dgnaglo in https://github.com/apowerb/apowerb/pull/390 …在 GitHub 查看 ↗ -
发布说明摘录
What's changed Fewer tokens per BI conversation (offline replay bench, input tokens, quality checks 8/8 passing): creation −16.6 %, dashboard question −13.8 %, dashboard chat −35 %, multi-turn −31.3 %, forecast −44.9 %, main-chat question −13 %. - perf(bi): BI templates stop auto-adding 10 unused chat tools (#379) - perf(bi): BI agents read a large CSV as header + sample + row count (#380) - perf(bi): group_by in tool_bi_query_dashboard, one call per comparison (#381) - perf(bi): shorten earlier-turn tool results in BI chats (#382) …在 GitHub 查看 ↗