Nasiko 智能体控制平面

这个 Agent 能做什么，适合哪些场景？

Nasiko 是面向生产环境 AI 智能体生态的开发者控制平面，采用云原生微服务架构。平台包含 FastAPI Backend、Router Service、Auth Service、Chat History、Kong Registry 与 Kong API Gateway，并通过 Web UI、Python CLI 和桌面应用提供入口。智能体以包含 AgentCard.json、Dockerfile 和 Python 项目的目录或 ZIP 包上传，并可通过 Kong 的 /agents/{agent-name}/ 路径访问。Router Service 使用 LangChain 分析查询、匹配 AgentCard 能力并返回带置信度的候选智能体 URL。它可用 Docker Compose 本地运行，也文档化了通过 Terraform、Helm、BuildKit 部署到 DigitalOcean 或 AWS Kubernetes 的流程。

用户可通过 nasiko agent upload-directory ./my-agent --name my-agent 上传智能体目录，或通过 nasiko agent upload-zip agent.zip --name packaged-agent 上传 ZIP；智能体必须提供 AgentCard.json，用于声明 capabilities、examples、端点及协议版本。后端将上传处理交给 Redis Stream Listener，并衔接构建系统、容器镜像仓库、Kubernetes 部署和 Kong 注册。查询可发送到 /router/route?query=...：Router Service 以 LangChain 执行查询分析、能力匹配、置信度评分和回退选择，返回 agent_url 与 confidence。Kong Gateway 将 /api/、/auth/、/router/、/app/ 和动态智能体路由到相应服务；Phoenix 用于请求与 LLM 跟踪，Chat History 保存并检索对话记录。

1. 平台工程师需要在本地 Docker Compose 环境中登记、构建并发布内部 FastAPI 智能体时。
2. 运营团队需要让用户请求依据 AgentCard.json 的能力描述自动路由到翻译、合规检查或 GitHub 类智能体时。
3. 需要经由 Kong Gateway 统一暴露 /agents/{agent-name}/、/api/、/auth/ 和 /router/ 路径的团队。
4. 需要用 Arize Phoenix 跟踪智能体请求和 LLM 调用，同时保留可检索对话历史的团队。
5. 准备在 DigitalOcean 或 AWS 的 Kubernetes 集群部署容器化智能体，并使用 BuildKit 构建镜像的团队。

这个 Agent 有哪些优点和局限？

如何安装或部署这个 Agent？

前提：Docker、Docker Compose、Python 3.12+，建议至少 4GB 内存。克隆仓库后执行：

git clone https://github.com/Nasiko-Labs/nasiko.git
cd nasiko
cp .nasiko-local.env.example .nasiko-local.env
pip install uv
uv sync

编辑 .nasiko-local.env，至少为生产安全配置 USER_CREDENTIALS_ENCRYPTION_KEY；可选配置 OPENAI_API_KEY、MINIMAX_API_KEY、GITHUB_CLIENT_ID 与 GITHUB_CLIENT_SECRET。随后启动：

docker compose -f docker-compose.local.yml --env-file .nasiko-local.env up -d

用 curl http://localhost:8000/api/v1/healthcheck 验证后，可在 http://localhost:9100/app/ 打开界面。

如何使用这个 Agent？

将 NASIKO_API_URL 设为 http://localhost:9100，使用自动生成于 orchestrator/superuser_credentials.json 的凭据执行 nasiko login，然后运行 nasiko status。上传目录智能体：

nasiko agent upload-directory ./my-agent --name my-agent

智能体目录应包含 AgentCard.json、Dockerfile、pyproject.toml 和 src/main.py 等文件。部署后可调用：

curl -X POST http://localhost:9100/agents/my-agent/analyze -H "Content-Type: application/json" -d '{"text": "Sample document content"}'

或让路由器选择目标：

curl "http://localhost:9100/router/route?query=analyze this document"

这个 Agent 与同类方案有什么区别？

常见问题