开发与工程 multi-agent-orchestration yaml-workflows fastapi vue-3 python-sdk docker-compose data-visualization 3d-generation

DevAll 多智能体编排平台

用可视化工作流配置、运行并监控多智能体任务，无需编写编排代码。

源仓库: OpenBMB/ChatDev
Star 数: ★ 35k
最近更新: 7 天前
License: Apache-2.0
主语言: Python
FA 评分: 41/100 · 缺口较多

30 秒速览

运行形态: 命令行工具网页应用代码库 / SDK
可在哪里用: 通用 · 跨平台
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: Python 3.12+Node.js 18+uvShell / 命令行网络访问本地文件系统MCP Server
典型场景: 数据分析人员需要把大型房地产交易数据集生成 4–6 张 PNG 图表时，可运行数据可视化工作流并上传数据文件。
不适合: 不想安装 Python 3.12+、Node.js 18+ 与 uv 的用户
需要 3D 生成工作流但未安装 Blender 与 blender-mcp 的用户
源码审查: 41/100 · 缺口较多 2 项安全控制未见

这个 Agent 能做什么，适合哪些场景？

ChatDev 2.0（DevAll）是一个零代码多智能体编排平台，用于通过配置构建和执行工作流。后端由 FastAPI 的 server/ 提供，runtime/ 负责智能体抽象与工具执行，workflow/ 处理协作逻辑，entity/ 提供配置驱动的编排。Vue 3 前端提供工作流画布和 Launch 界面，可查看实时日志、中间产物并提供人工反馈。工作流以 yaml_instance/ 中的 YAML 文件定义，也可通过 Python SDK 的 runtime.sdk.run_workflow 批量执行并取得最终节点消息。项目可本地启动或以 Docker Compose 部署，README 列出了数据可视化、3D 生成、游戏开发、深度研究和教学视频等工作流示例。

用户在 Web Console 的 Workflow 画布中配置节点参数和上下文流，或选择 yaml_instance/ 的 YAML 工作流后在 Launch 中上传附件、输入任务并执行。后端运行工作流，runtime/ 管理智能体抽象和工具执行，运行过程可显示实时日志和中间产物，并支持人工反馈。程序化调用可使用 from runtime.sdk import run_workflow，传入 yaml_file、task_prompt、可选 attachments 与 variables；返回结果的 final_message 可通过 text_content() 读取。make sync 会将 yaml_instance/ 中的工作流上传至数据库，make validate-yamls 检查全部 YAML 的语法和 schema 错误。开发者还可在 functions/ 添加自定义 Python 工具。

数据分析人员需要把大型房地产交易数据集生成 4–6 张 PNG 图表时，可运行数据可视化工作流并上传数据文件。
需要制作坦克大战或其他游戏原型的团队，可在 Launch 中执行 GameDev_v1.yaml 或 ChatDev_v1.yaml 并提交需求。
研究人员需要整理 LLM-based agent RL 的近期进展时，可使用 deep_research_v1.yaml 运行深度研究流程。
具备 Blender 和 blender-mcp 的创作者需要生成圣诞树等 3D 内容时，可选择 3D 生成工作流。
希望用代码自动批量运行既有 YAML 工作流的开发者，可通过 run_workflow 传递任务、附件和环境变量覆盖值。

如何安装或部署这个 Agent？

前置条件为 Python 3.12+、Node.js 18+ 和 uv。在项目根目录执行：

uv sync
cd frontend && npm install

然后创建配置文件：

cp .env.example .env

在 .env 中为所用 LLM 提供方设置 API_KEY 与 BASE_URL。可选地，安装 Docker 与 Docker Compose 后执行 docker compose up --build 启动整个应用。

如何使用这个 Agent？

完成 .env 配置后，在项目根目录执行 make dev，然后访问 http://localhost:5173。也可分别执行 uv run python server_main.py --port 6400 --reload，以及在 frontend/ 中执行 VITE_API_BASE_URL=http://localhost:6400 npm run dev。在 Launch 中选择工作流、按需上传文件并输入任务提示；需要同步或校验工作流时分别执行 make sync 和 make validate-yamls。Python 调用的最小形式是：result = run_workflow(yaml_file="yaml_instance/demo.yaml", task_prompt="Summarize the attached document in one sentence.", variables={"API_KEY": "sk-xxxx"})，再读取 result.final_message.text_content()。

这个 Agent 有哪些优点和局限？

优点

通过 YAML、可视化画布和 Launch 界面覆盖工作流定义、执行、日志查看与人工反馈，而非只提供代码调用接口。
同时提供本地 Web Console、Docker Compose 和 runtime.sdk.run_workflow，适合交互式使用与批处理自动化。
内置的工作流集合覆盖数据可视化、3D 生成、游戏开发、深度研究和教学视频，并提供可执行的 YAML 配置。
make validate-yamls 可检查所有工作流的 YAML 语法和 schema，make sync 可将工作流同步到数据库。

局限

启动开发环境需要 Python 3.12+、Node.js 18+、uv，并且前后端需要分别安装依赖。
必须自行配置 LLM 提供方的 API_KEY 与 BASE_URL；README 未列出支持的具体模型、提供方或定价信息。
3D 工作流额外依赖 Blender 与 blender-mcp，教学视频工作流要求先执行 uv add manim。
默认前端和后端端口分别为 5173 与 6400；端口被占用时需要同时修改后端端口和 VITE_API_BASE_URL。

这个 Agent 与同类方案有什么区别？

ChatDev 2.0（DevAll）定位为零代码多智能体编排平台；仓库中的 chatdev1.0 分支维护旧版 ChatDev 1.x。旧版被描述为由 CEO、CTO、Programmer 等角色通过专题研讨覆盖软件设计、编码、测试和文档的“虚拟软件公司”，而 2.0 的范围扩展为可配置的通用工作流。

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
DevAll 多智能体编排平台当前	41 · 缺口较多	命令行工具免费 + 模型费	★ 35k	7 天前	Python	—
Agents Universe	68 · 存在缺口	自托管服务免费 + 模型费	★ 830	今天	Python	OpenAI API · Claude API
aiXplain SDK	29 · 缺口较多	代码库 / SDK免费版 + 付费版	★ 59	7 天前	Python	—
DeterminFlow	66 · 存在缺口	桌面应用免费 + 模型费	★ 960	1 个月前	Python	—

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

41/ 100 五分制 2.1 / 5

信任安全 7/29

可靠稳定 6/14

适用触发 9/18

规范维护 9/18

有效结果 7/13

证据核验 3/8

查看各维度的扣分理由

信任安全7 / 29 · 1.2/5

证据显示：存在针对路径穿越漏洞的回归测试（tests/test_attachment_upload_filename.py），表明对文件上传安全有基本处理；README 提及 Docker 安全运行和 Git 模式，但未提供权限最小化或用户确认机制；数据流透明度有限，仅提及日志和回放模式；敏感数据处理方面，.env 文件用于 API 密钥，但未说明加密或保护措施；依赖安全方面，pyproject.toml 固定了部分版本，但未提供漏洞扫描或审计证据；外部影响方面，工作流可执行代码和发布内容，但未提供审批或限制机制；回滚机制未提及；来源归属方面，README 列出了贡献者，但发布者身份未验证。扣分原因：缺乏用户确认、回滚机制和明确的权限最小化设计。

可靠稳定6 / 14 · 2.1/5

证据显示：测试文件覆盖了内存模块和附件上传，表明有一定自洽性；依赖列表完整，但未提供锁定文件或版本范围验证；失败消息方面，测试中捕获 API 错误并返回空列表，但未提供面向用户的错误提示。扣分原因：依赖可用性未验证，失败消息不充分。

适用触发9 / 18 · 2.5/5

证据显示：README 描述了多种场景（数据可视化、3D 生成、深度研究等），并提供了工作流模板；能力边界未明确说明，但通过 YAML 配置可扩展；触发精度方面，工作流通过提示词触发，但未提供精确的触发条件；环境适配方面，支持多种操作系统和 Docker，但未提供详细的部署要求。扣分原因：能力边界和触发精度描述不足。

规范维护9 / 18 · 2.5/5

证据显示：README 提供了清晰的安装和运行指南，包括 Makefile 和 Docker；信息架构合理，有目录结构说明；命名稳定性方面，版本号存在但变更日志未提供；示例和 FAQ 部分有教程和案例；已知限制未明确列出；许可证为 Apache-2.0；维护责任方面，有贡献者列表但无明确维护政策。扣分原因：缺少变更日志和已知限制说明。

有效结果7 / 13 · 2.7/5

证据显示：输出可用性方面，提供了 Python SDK 和 Web 控制台，可获取结果；边际价值方面，提供了多种工作流模板，节省开发时间；成本效益方面，未提供性能或成本数据。扣分原因：成本效益缺乏数据支持。

证据核验3 / 8 · 1.9/5

证据显示：README 引用了论文和版本，但未提供具体实现细节；跨来源验证方面，有测试文件但未独立验证；事实与推断分离方面，README 中的声明未明确区分。扣分原因：声明缺乏可追溯性，测试未独立验证。

风险与缓解建议

源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
发布者身份未验证，需谨慎对待供应链风险。
依赖未锁定，存在版本漂移风险。
缺少用户确认和回滚机制，执行工作流可能产生不可逆影响。
API 密钥通过 .env 管理，需确保环境安全。

证据充分度：低评估于 2026年8月9日审查版本 4fb2db0ea903 评估后仓库已有新提交，评分可能未覆盖最新改动

评估证据 README-zh.md LICENSE package.json pyproject.toml requirements.txt workflows/validate-yamls.yml tests/test_attachment_upload_filename.py tests/test_mem0_memory.py tests/test_memory_embedding_consistency.py

查看完整评分方法 →

常见问题

运行是否需要 LLM 凭证？

需要。README 要求在 .env 中为所用提供方设置 API_KEY 和 BASE_URL，也可在 run_workflow 的 variables 中覆盖环境变量。

是否只能通过网页使用？

不是。除 Vue 3 Web Console 外，可使用 runtime.sdk.run_workflow 在 Python 中执行 YAML 工作流并读取最终节点消息。

能否离线部署？

README 提供本地启动和 Docker Compose 部署方式，但工作流需要配置 LLM 提供方的 API 凭证；是否支持完全离线模型或离线执行未说明。

工作流失败或前端连不上后端时怎么办？

README 指出默认端口 6400 可能被占用；可将后端改为例如 6401，并将前端的 VITE_API_BASE_URL 同步设为 http://localhost:6401。

工具和权限如何隔离？

README 说明 runtime/ 管理工具执行，并可在 functions/ 添加自定义 Python 工具，但未说明权限模型、沙箱或凭证隔离机制。

DevAll 多智能体编排平台

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

对比同类 Agent

开源编程 Agent 横向对比

相关 Agents

Agents Universe

aiXplain SDK

DeterminFlow

AgenticX 多智能体平台