MATE 智能体指挥中心

通过仪表盘改提示词、换模型、管权限,无需改代码或重新部署。

源仓库
antiv/mate
Star 数
★ 108
最近更新
3 天前
License
Apache-2.0
主语言
Python

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 · 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
Python 3.10+Docker(可选)LLM 提供方 API 密钥(如 GOOGLE_API_KEY)SQLite/PostgreSQL/MySQL 数据库Shell / 命令行网络访问本地文件系统MCP Server
典型场景
运维或平台团队需要一个统一的智能体控制面,集中管理多团队、多项目的智能体层级与权限。
不适合
  • 只需要一个单文件脚本、不想运行 Web 服务的个人开发者
  • 不想承担数据库和运维维护的团队

这个 Agent 能做什么,适合哪些场景?

MATE 是建立在 Google ADK 之上的生产级多智能体编排引擎(同时支持 LangGraph),通过 FastAPI 提供 Web 仪表盘与后端。智能体配置存放在数据库中,可在可视化画布上创建层级、绘制父子关系、挂载工具与 MCP 节点,并支持版本历史与一键回滚。它通过 LiteLLM 接入 50+ 厂商模型,记录每次调用的美元成本与四类 token 用量,并提供按用户、智能体、项目的 RBAC、预算、告警与审计日志。内置 Eval 框架与 Playground,可对智能体跑测试集并按版本追踪分数与回归。部署方式为 Docker 镜像或源码自托管,数据库默认 SQLite,也可用 PostgreSQL、MySQL 8。

MATE 以 auth_server.py 启动 FastAPI 服务,默认在 8000 端口暴露仪表盘。它从数据库读取智能体定义(模型、指令、父子层级、工具、MCP 服务器、记忆块、RBAC 角色),在对话时通过 LiteLLM 调用所选模型,并将每次模型调用的美元成本与 prompt/response/thoughts/tool-use 四类 token 用量写入日志,供 /dashboard/usage 分析。它把每个根智能体暴露为 MCP 服务器(/agents/{name}/mcp/*)和 A2A 端点(/a2a/{agent}),并提供 OpenAI 兼容的 /v1 桥接与可嵌入的 <script> 聊天组件。Eval 框架自动调用在线智能体,用精确匹配、语义相似度或 LLM 裁判打分,并在版本回退超过 5 分时触发回归 webhook。启动时自动执行数据库迁移。

  1. 运维或平台团队需要一个统一的智能体控制面,集中管理多团队、多项目的智能体层级与权限。
  2. 产品团队想在不重新部署的情况下迭代提示词与模型,并用版本回滚兜底。
  3. 需要在对外网站(客服、销售、文档站)部署聊天机器人,且每个站点有独立外观与访问规则。
  4. 合规或财务团队要按智能体、项目、用户追踪 LLM 成本并设置预算告警。
  5. 想把智能体接入 Claude Desktop、Cursor 或兼容 OpenAI 的 IDE 客户端。
  6. 需要在发布前用自动化测试集对提示词改动做回归验证的团队。

如何安装或部署这个 Agent?

最快方式:从已发布的镜像运行 Docker 容器。

docker run -d --name mate -p 8000:8000 \
  -e AUTH_PASSWORD=change-me -e GOOGLE_API_KEY=your-key \
  -e DB_PATH=data/my_agent_data.db -v mate-data:/app/data \
  ghcr.io/antiv/mate:latest

或从源码安装:

git clone https://github.com/antiv/mate.git && cd mate
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.lock

cp .env.example .env
# 设置 GOOGLE_API_KEY(或其他受支持提供方的密钥)、AUTH_USERNAME 和 AUTH_PASSWORD

也可以使用 docker-compose up --build 构建完整栈(需在 .env 中设置 AUTH_PASSWORD)。

运行时需要 Python 3.10+(源码方式)、一个 LLM 提供方 API 密钥,默认数据库为 SQLite,迁移在启动时自动执行。

如何使用这个 Agent?

启动服务后打开 http://localhost:8000,使用 AUTH_USERNAME / AUTH_PASSWORD 登录(留空时为 admin / mate;MATE_ENV=production 会拒绝该默认值)。

源码方式启动:

python auth_server.py
# Dashboard: http://localhost:8000

登录后默认进入 /dashboard/workroom,从卡片中选择一个根智能体开始对话。在 /dashboard/agents 用可视化画布创建智能体、绘制父子连线、配置工具和 MCP 服务器。

把智能体作为 MCP 服务器暴露:

export MCP_EXPOSED_AGENTS=creative_agent,support_agent

客户端使用仪表盘账户菜单生成的 Personal Access Token 认证:

curl -H "Authorization: Bearer mate_pat_..." https://your-mate-instance.com/mcp

嵌入网站聊天组件:

<script
  src="https://your-mate-instance.com/widget/mate-widget.js"
  data-key="wk_abc123..."
  data-server="https://your-mate-instance.com"
></script>

常用环境变量包括 DB_TYPE、GOOGLE_CLIENT_ID/GOOGLE_CLIENT_SECRET 与 GITHUB_CLIENT_ID/GITHUB_CLIENT_SECRET(SSO)、RATE_LIMIT_ENABLED、ALERTS_ENABLED、CSP_MODE、OTEL_TRACING_ENABLED、AUDIT_RETENTION_DAYS。

这个 Agent 有哪些优点和局限?

优点
  • 智能体配置存在数据库里,提示词、模型、权限都可在仪表盘即时修改并一键回滚,无需重新部署。
  • 通过 LiteLLM 支持 50+ 模型提供方,包括 Ollama、LM Studio、llama.cpp 等本地服务。
  • 内置按智能体的 RBAC、美元成本统计、预算告警与审计日志,覆盖生产治理需求。
  • Eval 框架与 Playground 可对同一提示词或测试集并排比较模型、指令与历史版本的分数、延迟和成本。
  • 每个智能体可作为 MCP 服务器和 A2A 端点暴露,并提供 OpenAI 兼容的 /v1 桥接。
  • 单条 <script> 标签即可在任意网站嵌入按 key 隔离的聊天组件。
局限
  • 是以 Google ADK 为核心的较重服务,需要运行 FastAPI 进程和维护数据库(默认 SQLite,也可用 PostgreSQL/MySQL 8)。
  • 按项目文档,依赖清单中 google-adk 与 SQLAlchemy 被手工固定在 2.1 以下,升级受上游变更约束。
  • 高级功能(SSO、告警、OpenTelemetry、MCP 暴露、A2A)需要额外的环境变量和服务配置。
  • 成本统计依赖价格表或手工设置的价格,未知价格的调用只会标注而不会计为 0。
  • UI 以英文为主;演示向导界面为塞尔维亚语,非英语团队需要适应。

这个 Agent 与同类方案有什么区别?

README 明确与「直接使用原始 Google ADK」对比:原始 ADK 修改提示词或模型需要改代码并重新部署,而 MATE 可在仪表盘即时修改;原始 ADK 不带按智能体的 RBAC、成本统计、预算、Eval 套件和嵌入组件,这些由 MATE 提供。

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
MATE 智能体指挥中心 当前 53 · 缺口较多 自托管服务免费 + 模型费 ★ 108 3 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 ★ 389 今天 Java OpenAI API
DashClaw 65 · 存在缺口 命令行工具免费 ★ 316 1 个月前 TypeScript Codex · Claude Code
Agent Swarm 47 · 缺口较多 Agent 插件 / 技能免费 + 模型费 ★ 1k 今天 TypeScript Codex · Claude Code

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
53/ 100 五分制 2.7 / 5
信任安全 16/29
可靠稳定 8/14
适用触发 10/18
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16 / 29 · 2.8/5

证据显示分层鉴权(DashboardAuthzMiddleware、平台专属路径、workspace 隔离、RBAC 三层)与 CSP 文档较扎实,故 least_privilege 给 2;但默认 AUTH_PASSWORD=mate、TRUSTED_PROXY_HOSTS=*、WIDGET_ORIGIN_STRICT=false、CSP 默认 report-only 等不安全默认削弱了最小权限,扣分。user_confirmation 仅见 RESUMABILITY 的 human-in-the-loop 工具审批(默认关闭),无普遍确认机制,给 1。data_flow_transparency 有配置参考与 CSP/数据流说明,但缺少端到端数据流向图,给 2。sensitive_data_handling 有 MATE_SECRET_KEY 加密、PAT 哈希、审计日志,但未设密钥时明文存储并仅告警,扣分至 2。dependency_security 有 requirements.lock 哈希锁定与月度升级工作流,但未见漏洞扫描证据,给 2。external_effects 涉及代码执行、浏览器工具、MCP stdio、告警外发等副作用,仅靠平台专属限制,缺少统一确认/回滚,给 1。rollback 有代理版本历史一键回滚,但仅限配置层,给 2。source_attribution 有作者与案例链接,但发布者身份未经验证、无来源溯源机制,给 1。

可靠稳定8 / 14 · 2.9/5

self_consistency 文档与配置参考、CSP 文档相互一致,给 2。dependency_availability 有锁定文件、多数据库驱动、Docker 镜像,给 2。failure_messages 文档提及部分错误(403/404/409),但缺少系统性错误信息规范,给 1。

适用触发10 / 18 · 2.8/5

audience_and_scenarios 明确区分 user/dev 文档与三类空间,给 2。capability_boundaries 有平台专属能力清单与 workspace 边界,给 2。trigger_precision 有触发器与告警,但触发精度与去重证据薄弱,给 1。environment_fit 支持 SQLite/PostgreSQL/MySQL、Docker、多 LLM 提供商,给 2。

规范维护9 / 18 · 2.5/5

information_architecture 有 docs 目录、order、covers 元数据,给 2。install_notes 有 Quick Start、Docker、依赖说明,给 2。naming_stability 未见命名稳定性承诺,给 1。examples_and_faq 有示例与演示,但无 FAQ,给 1。known_limitations 有 Known gaps 与不安全默认说明,给 2。license 标注 Apache-2.0,给 2。versioning_changelog 有 CHANGELOG 链接与发布徽章,但内容未在证据中,给 1。maintenance_responsibility 有作者与月度依赖工作流,但发布者未验证、责任归属不清,给 1。

有效结果7 / 13 · 2.7/5

output_usability 有仪表盘、API、MCP、A2A、嵌入组件,输出可用性较好,给 2。marginal_value 相对裸 ADK 提供治理、成本、评测等增量价值,给 2。cost_benefit 有成本追踪与预算,但部署与运维复杂度高、默认不安全配置增加隐性成本,给 1。

证据核验3 / 8 · 1.9/5

claim_traceability README 声称 1400+ 测试与生产使用,但证据中无测试文件或案例细节,给 1。cross_source_corroboration 多份文档相互印证部分配置,但关键声明缺乏独立佐证,给 1。fact_inference_separation 文档混有营销声明与事实,未明确区分推断,给 1。

风险与缓解建议
  • 默认配置不安全:AUTH_PASSWORD=mate、TRUSTED_PROXY_HOSTS=*、WIDGET_ORIGIN_STRICT=false、CSP 默认 report-only,生产部署前必须收紧。
  • 未设置 MATE_SECRET_KEY 时密钥明文存储,仅有启动告警。
  • 代码执行、浏览器工具、MCP stdio 等高风险能力仅靠平台专属限制,缺少统一确认与回滚。
  • README 声称 1400+ 测试与生产使用,但证据中无测试文件或案例细节,需独立验证。
  • 发布者身份未经验证,维护责任与更新路径不明确。
证据充分度:低 评估于 2026年11月6日 审查版本 797c317150ce
查看完整评分方法 →

常见问题

软件本身收费吗?
MATE 以 Apache-2.0 许可开源,可自托管;但你需要自备 LLM 提供方的 API 密钥并按用量付费。也可以指向 Ollama、LM Studio 等本地模型服务来避免调用费用。
支持哪些数据库?
默认 SQLite,也支持 PostgreSQL 和 MySQL 8,启动时自动执行迁移;可用 python shared/migrate.py status 查看待执行迁移。
智能体可以脱离 MATE 单独运行吗?
MATE 的治理能力(RBAC、成本、Eval、护栏)绑定在其服务与数据库之上。README 另外说明了如何治理在 MATE 之外运行的外部智能体,但核心控制面仍是 MATE 服务本身。
如何保证改动不引入回归?
用 Eval 框架为智能体编写测试集并设置回归阈值;新版本分数比上一版低超过 5 分时会触发 webhook。发布前还可在 Playground 并排比较多个变体。
能否接入 Claude Desktop 或 Cursor?
可以。通过 MCP_EXPOSED_AGENTS 暴露指定智能体后,客户端用仪表盘生成的 Personal Access Token(Authorization: Bearer mate_pat_...)访问 /agents/{name}/mcp/*。
在 GitHub 查看 ↗ 安装 ↓

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