开发与工程 langchain langgraph flask vue3 rag docker-compose weaviate visual-workflow

OpenAgent

将 Deep Research 式深度推理与可视化工作流整合为一站式平台，帮助团队快速构建垂直领域 AI 应用。

源仓库: Haohao-end/openagent
Star 数: ★ 774
最近更新: 1 天前
License: MIT
主语言: Python
FA 评分: 35/100 · 缺口较多

30 秒速览

运行形态: 自托管服务网页应用
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: Docker 20.10+Docker Compose 2.xPython 3.11+Node.jsPostgreSQLRedisWeaviate模型提供商 API 密钥Shell / 命令行网络访问本地文件系统MCP Server
典型场景: 团队需要将领域知识库（数据集 + 检索）接入对话应用并发布为企业内部工具时
不适合: 希望开箱即用、不想维护 PostgreSQL/Redis/Weaviate 等服务的团队
对安全边界敏感、无法自行评估自托管风险的团队
源码审查: 35/100 · 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？

OpenAgent（GitHub 仓库 Haohao-end/openagent，MIT 许可）是一个全栈 AI 智能体平台，定位类似将 OpenAI Deep Research 与 Dify 融合到同一平台。后端由 Flask、SQLAlchemy、Celery 和 Flask-SocketIO 构成，前端使用 Vue 3、Vite、Pinia、Vue Flow 与 Arco Design，检索层支持 Weaviate 与 FAISS，基础设施通过 Docker Compose 与 Nginx 交付。它提供应用工作区、可视化工作流编辑、数据集与文档管理、应用发布以及基于 REST 与 SSE 的 OpenAPI 输出。模型层通过适配器接入 OpenAI、DeepSeek、Atlas Cloud、月之暗面、通义、文心、Ollama、智谱等多家提供商。深度思考模式（enable_deep_thinking）支持将复杂任务拆解为多步执行并协调已绑定能力。适合需要自托管、可编排、可发布为 API 的 AI 应用团队。

OpenAgent 提供：1) 首页助手，通过 A2A 将用户请求路由到已发布的公共智能体，或将自然语言需求转化为 AI 应用创建流程；2) 应用工作区，管理模型、提示词、能力绑定（插件、MCP、Skills、子 Agent、工作流、数据集）、草稿、发布、版本与提示词对比，左侧配置、右侧实时调试与执行链路检查；3) 可视化工作流编辑器，含 LLM、工具调用、数据集检索、代码执行、HTTP 请求、模板转换、文本处理、参数提取、if/else 等节点；4) 数据集管理，上传文档、查看分段、接入检索；5) 已发布应用通过 POST /api/openapi/chat 以 REST 或 SSE（含流式）对外交付，支持多轮会话标识。运行环境为 Docker Compose 启动的前端（3000 端口）、Flask API（5001 端口）和 Nginx 反向代理。

团队需要将领域知识库（数据集 + 检索）接入对话应用并发布为企业内部工具时
开发者希望用可视化节点编排 LLM、代码执行、HTTP 调用与分支逻辑而不手写编排代码时
需要多步深度推理并产出脚本、文件等具体成果物的场景（启用 Deep Research 深度思考模式）
平台运营方想把已构建的 AI 应用以 OpenAPI（/api/openapi/chat，REST/SSE）形式提供给第三方调用时
需要接入国产模型（通义、文心、智谱、月之暗面）或本地模型（Ollama）的自托管部署场景
需要在统一工作区进行提示词版本对比、草稿管理和发布前调试的 AI 应用迭代团队

如何安装或部署这个 Agent？

1) 克隆仓库：git clone https://github.com/Haohao-end/openagent.git && cd openagent
2) 创建环境文件：cp api/.env.example api/.env
3) 在 api/.env 中配置最小必填项：JWT_SECRET_KEY、POSTGRES_PASSWORD、REDIS_PASSWORD、WEAVIATE_API_KEY、VITE_API_PREFIX，以及至少一个模型密钥（如 OPENAI_API_KEY、ATLASCLOUD_API_KEY、DEEPSEEK_API_KEY 或 DASHSCOPE_API_KEY）
4) 启动 Docker 栈：cd docker && docker compose up -d --build
5) 访问服务：前端 http://localhost:3000，API http://localhost:5001，Nginx 反代 http://localhost
前置条件：Docker 20.10+、Docker Compose 2.x、建议 8GB+ 内存。

如何使用这个 Agent？

本地开发：后端 cd api && pip install -r requirements.txt && flask run --port 5001；前端 cd ui && npm install && npm run serve（Vite 默认 5173 端口，通过 VITE_API_PREFIX 解析 API 地址，本地通常将 /api 代理到 Flask）。使用流程：进入首页助手发起对话或描述需求创建应用 → 在应用工作区绑定模型、提示词与能力（插件/MCP/Skills/子 Agent/工作流/数据集），右侧调试并查看深度执行时间线 → 需要时在工作流编辑器中编排节点 → 上传文档建立数据集并接入检索 → 发布应用后通过 POST /api/openapi/chat（标准或流式）调用。

这个 Agent 有哪些优点和局限？

优点

端到端覆盖构建、调试、发布与 API 交付，已发布应用可直接通过 POST /api/openapi/chat（REST/SSE）集成
深度思考模式支持复杂任务拆解与多步能力协调，并支持脚本执行、文件生成等具体产出物
多模型适配：OpenAI、DeepSeek、Atlas Cloud、通义、文心、智谱、月之暗面、Ollama 等可配置切换，避免单一供应商锁定
Docker Compose 一键部署完整栈（Flask、Celery、Vue 3、Weaviate、PostgreSQL、Redis、Nginx），并附带前后端自动化测试（pytest 与 npm test:unit）

局限

全栈运行资源要求较高：官方建议 8GB+ 内存，且需同时维护 PostgreSQL、Redis、Weaviate、Celery 等多个组件
必须提供至少一个模型提供商 API 密钥，运行成本直接取决于所选模型
安全历史：README 记录曾出现 Host Header 投毒与 SSRF 漏洞（均已由外部研究者负责任披露），采用前需评估自部署安全边界
MIT 许可但缺乏成熟度证据（README 中无版本发布、路线图或生产规模案例），生产采用前需自行验证

这个 Agent 与同类方案有什么区别？

README 自述定位为「OpenAI Deep Research 与 Dify 合一的平台」：与 Deep Research 相比，OpenAgent 增加可视化工作流、数据集管理和 OpenAPI 发布能力；与 Dify 类似，它同样提供应用编排与发布，但以 Flask + LangGraph 自托管栈和深度推理循环为核心卖点。

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
OpenAgent 当前	35 · 缺口较多	自托管服务免费 + 模型费	★ 774	1 天前	Python	OpenAI API
AI Agent Service Toolkit	69 · 存在缺口	开发框架免费 + 模型费	★ 4.5k	1 天前	Python	OpenAI API
Lang-Agent 可视化 Agent 配置平台	50 · 缺口较多	网页应用免费 + 模型费	★ 338	9 个月前	TypeScript	—
《LangGraph 1.0 完全指南》	69 · 存在缺口	代码库 / SDK免费 + 模型费	★ 464	1 个月前	Jupyter Notebook	Claude Code

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

35/ 100 五分制 1.8 / 5

信任安全 7/29

可靠稳定 3/14

适用触发 9/18

规范维护 9/18

有效结果 4/13

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

README/.env.example 提到需设置 JWT_SECRET_KEY、POSTGRES_PASSWORD 等密钥，且 SECURITY.md 记录了 Host Header 投毒与 SSRF 的负责任披露，说明作者关注出站请求安全；扣分点：代码样本中无最小权限、用户确认、数据流说明或敏感数据加密策略的具体实现证据，测试还显示 debug 模式下 allow_unsafe_werkzeug=True 绑定 0.0.0.0，属于放宽默认。

可靠稳定3 / 14 · 1.1/5

提供 pytest 与前端测试命令并附有真实单元测试文件（启动行为、依赖注入单例），自我一致性有基本支撑；扣分点：测试仅覆盖少量模块，无错误信息/失败提示相关证据，外部服务（Weaviate/Redis/Postgres/模型API）可用性仅由 docker compose 隐含保证。

适用触发9 / 18 · 2.5/5

README 明确面向构建垂直 AI 应用的团队，给出 Deep Research、工作流、RAG、OpenAPI 等多场景，环境要求（Docker 20.10+、8GB RAM、Python 3.11+）清晰；扣分点：能力边界（上下文长度、并发、数据上限）与 A2A/路由触发精度均无文件级说明。

规范维护9 / 18 · 2.5/5

README 结构完整（目录、架构图、安装、用法、测试、联系），安装步骤具体可执行，SECURITY.md 含版本支持矩阵与披露流程，MIT 许可证全文清晰，且披露了两位安全报告者；扣分点：无 CHANGELOG、无已知限制章节、无 FAQ，'Deep Research' 与 enable_deep_thinking 的命名映射仅一笔带过，v1.1.4 与 main 之外的维护承诺仅为 best effort。

有效结果4 / 13 · 1.5/5

描述了发布后经 POST /api/openapi/chat 以 REST/SSE 交付、带多轮会话标识，输出可用性有主张；扣分点：本样本无真实输出样例、无成本/耗时/Token 消耗数据，Deep Research 多步执行的边际价值相对 Dify 等平台仅有口头对比（'What if…one platform'）而无论证。

证据核验3 / 8 · 1.9/5

README 声称的测试命令与仓库内真实测试文件可互相印证（如 api/test/app/http/ 下的测试确实存在并测试所声明的模块），且区分了事实（已支持功能）与愿景性描述；扣分点：多数功能主张（A2A 路由、Deep Research 执行链）在样本文件中无对应实现可核查，赞助商与外部网站链接无法静态验证。

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：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
发布者身份未经企业注册表验证，供应链信任需自行评估。
debug 模式测试显示 allow_unsafe_werkzeug=True 且绑定 0.0.0.0，生产环境务必关闭 FLASK_DEBUG 并置于 Nginx 后。
自定义 API 工具服务器 URL 曾出现 SSRF 漏洞，部署后应严格限制出站请求目标。
密钥管理仅依赖 .env 文件，缺少密钥轮换与加密存储说明。
无 CHANGELOG 与已知限制清单，升级前应自行 diff 版本差异。

证据充分度：低评估于 2026年9月10日审查版本 4013ab216b54 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.md LICENSE SECURITY.md http/test_app_main.py http/test_module_singletons.py

查看完整评分方法 →

常见问题

必须使用哪些模型提供商？

至少配置一个受支持的提供商密钥即可，可选 OpenAI、Atlas Cloud、DeepSeek、DashScope（通义）等，也支持 Ollama 本地模型。

最低部署要求是什么？

Docker 20.10+ 与 Docker Compose 2.x，建议 8GB+ 内存；需配置 JWT_SECRET_KEY、数据库与 Redis 密码、Weaviate API Key 及模型密钥。

发布的应用如何被外部系统调用？

发布后通过 POST /api/openapi/chat 调用，支持标准与流式（SSE）响应，并支持多轮会话标识。

是否支持知识库检索？

支持。可创建数据集、上传文档、查看分段，检索基于 Weaviate 和 FAISS，支持语义、全文与混合检索，并可接入智能体或工作流的检索节点。

如何验证部署是否正常？

仓库自带测试：后端 cd api && pytest；前端 npm run test:unit -- --run、npm run type-check、npm run build。

OpenAgent

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

AI Agent Service Toolkit

Lang-Agent 可视化 Agent 配置平台

《LangGraph 1.0 完全指南》

AI Agent 工程学习手册