开发与工程 yaml-configmulti-agentmcpdocker-cli-pluginragmodel-agnosticoci-registrycli

Docker Agent

用 YAML 声明式配置构建、运行和共享 AI 代理,支持多代理协作与丰富工具生态。

FollowAgents 评估 · FARS-2.1
不推荐
46/ 100 五分制 2.3 / 5
1 2 3 4 5 6
1信任安全8 / 29 · 1.4/5

证据显示:README 提到遥测收集匿名使用数据,但未说明具体数据流和用户同意机制;依赖中使用了 keyring 和 AWS SDK 等,暗示处理敏感凭据,但未提供详细的安全处理说明;CI 工作流使用 SHA 固定的 actions,显示依赖安全实践;存在 SECURITY.md 提供漏洞报告流程。扣分原因:缺少用户确认机制、数据流透明度不足、敏感数据处理细节缺失、回滚机制未提及、发布者身份未验证。

2可靠稳定8 / 14 · 2.9/5

证据显示:README 和 CI 工作流一致,构建和测试流程清晰;依赖列表完整,但未提供依赖可用性保证;失败消息方面,CI 有失败日志步骤,但产品本身的错误处理未详细说明。扣分原因:失败消息处理证据不足。

3适用触发10 / 18 · 2.8/5

证据显示:README 描述了多种使用场景(本地、OCI 注册表、交互式生成),支持多种模型提供商,环境适配良好;能力边界在文档中有说明,但触发精度(如命令参数)未详细描述。扣分原因:触发精度证据不足。

4规范维护10 / 18 · 2.8/5

证据显示:README 结构清晰,安装说明详细,提供示例和文档链接;Apache-2.0 许可证明确;维护责任由 Docker 承担,但版本变更日志未提供。扣分原因:版本变更日志缺失,已知限制未明确。

5有效结果7 / 13 · 2.7/5

证据显示:输出可用性高,提供 CLI 和 TUI,示例丰富;边际价值高,提供多代理和 RAG 等高级功能;成本效益方面,需要 API 密钥,但未提供成本估算。扣分原因:成本效益证据不足。

6证据核验3 / 8 · 1.9/5

证据显示:README 中的功能声明有文档链接支持,但未提供独立验证;跨来源佐证有限,主要依赖单一仓库;事实与推断未明确区分。扣分原因:跨来源佐证不足,事实与推断分离不明确。

证据充分度: 评估于 2026年8月13日 审查版本 600b42a84db1
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
源码中未见的安全控制:执行前用户确认、回滚或恢复路径
使用前请注意
  • 发布者身份未验证,需谨慎对待供应链风险。
  • 遥测数据收集缺乏透明度,用户应了解数据流向。
  • 敏感数据处理细节不足,建议审查密钥存储和传输。
  • 缺少回滚机制,升级前应备份配置。
评估证据 [1][2][3][4][5][6]
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

Docker Agent 是 Docker 官方推出的 CLI 插件,允许开发者通过简单的 YAML 文件定义 AI 代理,无需编写代码。它支持多代理架构,可自动委派任务,并内置思考、待办、记忆等高级推理工具。代理可调用内置工具及任意 MCP 服务器(本地、远程或 Docker 化),并兼容 OpenAI、Anthropic、Gemini、AWS Bedrock、Mistral、xAI 及 Docker Model Runner 等多种模型提供商。代理可打包并推送到任何 OCI 注册表,实现跨环境共享与运行。项目提供完整的文档、示例和交互式生成工具,并支持 RAG(BM25、嵌入、混合搜索和重排序)。

Docker Agent 作为 Docker CLI 插件运行,通过 docker agent 命令执行。它读取 YAML 配置文件(如 agent.yaml),定义代理的模型、指令和工具集,然后运行代理执行任务。具体操作包括:从 OCI 注册表拉取代理镜像并运行;使用 docker agent new 交互式生成新代理配置;调用 MCP 工具(如 DuckDuckGo)进行网络搜索;通过内置的 think、todo 和 memory 工具增强推理;支持 RAG 检索(BM25、嵌入等)。代理运行后可输出结果到终端,并可通过 TUI 或 CLI 交互。

  1. 开发者在本地快速搭建一个无需编码的 AI 助手,仅需编写 YAML 并运行 docker agent run
  2. 团队利用多代理架构,将复杂任务拆解为多个专业代理(如代码审查、文档生成)并自动协作。
  3. 运维人员使用 Docker Model Runner 运行本地模型,避免云端 API 依赖,实现数据隐私保护。
  4. 开发者将代理打包为 OCI 镜像,推送到私有注册表,在 CI/CD 管道中复用。
  5. 利用 MCP 工具集成外部服务(如搜索、数据库),扩展代理能力。
  6. 借助 RAG 功能为代理提供企业知识库检索,提升回答准确性。

这个 Agent 有哪些优点和局限?

优点
  • 声明式 YAML 配置,无需编程即可定义代理,易于版本化和共享。
  • 多代理架构支持自动委派,可构建复杂协作流程。
  • 模型提供商无关,支持 OpenAI、Anthropic、Gemini、Bedrock 等,并可与 Docker Model Runner 集成以运行本地模型。
  • 支持 MCP 生态,可连接任意 MCP 服务器,扩展性强。
  • 可通过 OCI 注册表打包和分发代理,便于团队协作。
局限
  • 需要 Docker 环境或 Docker Desktop,对非 Docker 用户不友好。
  • 依赖外部 API 密钥(如 OpenAI),除非使用本地模型,否则产生 API 费用。
  • 作为新项目,社区支持和生态成熟度可能不如一些老牌框架。
  • 文档和示例主要面向 CLI 使用,与其他 IDE 或平台集成有限。

如何安装或部署这个 Agent?

安装 Docker Agent 有三种方式:

  1. Docker Desktop 4.63+:已预装,直接运行 docker agent
  2. Homebrew:brew install docker-agent,可直接运行 docker-agent,或将其软链接到 ~/.docker/cli-plugins/docker-agent 以便使用 docker agent
  3. 从 GitHub Releases 下载二进制,并软链接到 ~/.docker/cli-plugins/docker-agent

另外需要设置至少一个 API 密钥,例如 export OPENAI_API_KEY=sk-...,或使用 Docker Model Runner 运行本地模型。

如何使用这个 Agent?

安装并配置 API 密钥后,可运行以下命令:
- docker agent run 运行默认代理。
- docker agent run myorg/agent:tag 从 OCI 注册表运行代理。
- docker agent new 交互式生成新代理。
- docker agent run agent.yaml 运行自定义 YAML 配置。
首次使用时,建议参考官方文档的快速入门指南。

常见问题

Docker Agent 需要付费吗?
工具本身开源免费,但使用云模型提供商需要支付 API 费用,除非使用 Docker Model Runner 运行本地模型。
如何保证代理使用的 API 密钥安全?
API 密钥通过环境变量传递,建议使用密钥管理工具,并在生产环境中避免硬编码。
Docker Agent 与 Docker Model Runner 有何关系?
Docker Model Runner 是 Docker 提供的本地模型运行方案,Docker Agent 可将其作为模型提供商,从而避免外部 API 依赖。
代理失败时如何调试?
可查看终端输出和日志,利用内置的思考工具追踪推理过程,并参考官方文档中的调试建议。

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents