OpenAgent
将模型、知识库与可执行工具整合为可自托管的个人 AI 助手。
按维度查看评分与理由
证据显示：README 宣称支持 shell 执行、浏览器控制、文件读写等能力，但未提供权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的说明。因此所有信任标准均得 0 分。
证据显示：README 与 go.mod 在 Go 版本上存在不一致（README 要求 1.25.0+，go.mod 指定 1.25.0 但 toolchain 1.25.8），且依赖众多但未提供可用性保证。因此自洽性得 1 分，依赖可用性得 1 分，失败消息未提及得 0 分。
证据显示：README 明确目标用户为个人 AI 助手，支持多种场景（浏览器、shell、办公自动化），但未定义能力边界或触发精度。因此受众与场景得 2 分，能力边界得 1 分，触发精度得 0 分，环境适配得 2 分（支持多平台）。
证据显示：README 结构清晰，提供安装说明、示例和文档链接，但缺少已知限制、变更日志和明确的维护责任。因此信息架构得 2 分，安装说明得 2 分，命名稳定性得 1 分（版本号存在但无稳定性说明），示例与 FAQ 得 1 分（有示例但无 FAQ），已知限制得 0 分，许可证得 2 分（Apache-2.0），版本与变更日志得 1 分（有版本号但无变更日志），维护责任得 1 分（有社区链接但无明确维护者）。
证据显示：README 宣称提供多种功能，但未提供实际输出示例或用户反馈，边际价值难以评估，成本效益未提及。因此输出可用性得 1 分，边际价值得 2 分（功能丰富），成本效益得 1 分。
证据显示：README 中的功能声明未提供可验证的测试结果或第三方验证，且未区分事实与推断。因此声明可追溯性得 1 分，跨源佐证得 1 分（有 CI 配置），事实与推断分离得 0 分。
- 未提供权限模型或用户确认机制，shell 执行和浏览器控制可能带来安全风险。
- 依赖众多且未提供安全审计，存在供应链风险。
- README 与 go.mod 在 Go 版本上不一致，可能影响构建。
这个 Agent 能做什么，适合哪些场景？
OpenAgent 是一个开源、可自托管的个人 AI 助手平台，结合大语言模型、RAG 知识库和自主 Agent 循环。它可连接多家模型提供商，并允许按对话切换模型。Agent 可浏览网页、执行 Shell 命令、处理 Office 文件，以及调用兼容 MCP 的工具。平台还提供可视化工作流编辑器、定时任务、使用量分析、活动监控和请求日志。它以单一可执行文件提供 Linux、macOS 和 Windows 版本，也支持从源码构建或通过 Docker Compose 部署。
用户上传 PDF、Word、Excel 等文档后，OpenAgent 会将内容分块、嵌入并建立索引；在每次 LLM 回复前进行语义检索，取回相关段落作为上下文。Agent 循环可驱动真实浏览器进行导航、点击、表单填写、抓取和截图，也可进行网页搜索与内容获取、运行 Shell 命令和脚本、读写 Word、Excel 与 PowerPoint 文件。它可接入 SSE、Stdio 或 StreamableHTTP 方式的 MCP 服务器，并将其工具暴露给 Agent。工作流可在 BPMN 风格的拖放编辑器中编排，支持条件分支、并行执行及定时触发；管理端记录工具调用参数、返回值、请求日志及 token 和成本指标。
- 需要把内部 PDF、Word 和 Excel 资料变成可检索知识库的团队，可为每个聊天或应用分配独立知识库。
- 需要让助手完成网页导航、表单填写、页面抓取或截图的运营人员，可使用 Browser-Use 能力执行这些步骤。
- 需要在对话中运行命令或脚本的技术用户，可让 Agent 在工具调用过程中执行 Shell 操作。
- 需要统一接入现有 MCP 服务的组织，可通过 SSE、Stdio 或 StreamableHTTP 将服务端工具提供给 Agent。
- 需要把多步骤任务设置为条件分支、并行流程或定时任务的业务团队，可使用可视化工作流编辑器。
- 需要查看模型、用户或应用 token 消耗与成本，并排查请求细节的管理员，可使用使用量分析、活动监控和请求日志。
这个 Agent 有哪些优点和局限？
- 将文档 RAG、浏览器操作、Shell 执行、Office 自动化和 MCP 工具调用放入同一个可自托管平台。
- 支持 30+ 模型提供商，并可按对话切换模型，无需改代码。
- MCP 同时覆盖 SSE、Stdio 和 StreamableHTTP 三种连接方式。
- 提供 Linux、macOS、Windows 的预构建二进制，并明确说明 Windows 无需 WSL 或 Docker。
- 管理端同时提供 token/成本统计、活动监控、工具管理与完整请求日志。
- 模型提供商凭证、连接配置和安全边界的具体步骤未在提供的材料中说明。
- 浏览器、网页搜索、Shell 与 MCP 工具具备外部操作能力，采用前需要自行评估权限和网络访问控制。
- 从源码构建需要 Go 1.25.0+、Node.js 20+ 和 Yarn 1.x，前后端工具链均需维护。
- 材料没有说明向量存储、文档解析失败处理、数据保留或备份策略。
- 虽然提供 REST API 与 Swagger UI，但未给出认证、端点或请求示例。
如何安装或部署这个 Agent？
macOS、Linux 或 WSL：
curl -fsSL https://raw.githubusercontent.com/the-open-agent/openagent/master/scripts/install.sh | bashWindows PowerShell：
irm https://raw.githubusercontent.com/the-open-agent/openagent/master/scripts/install.ps1 | iex安装器会下载最新版本并在端口 14000 启动服务；打开 http://localhost:14000。可选环境变量为 OPENAGENT_VERSION、INSTALL_DIR 和 BIN_DIR。从源码构建时，后端需要 Go 1.25.0+，前端需要 Node.js 20+ 与 Yarn 1.x：先运行 go build，再运行 cd web && yarn install && yarn start。也可运行 docker-compose up。提供的材料未说明模型提供商凭证的具体配置方式。
如何使用这个 Agent？
服务启动后访问 http://localhost:14000。连接所需的模型提供商，在对话中选择模型；上传文档以建立知识库，并将知识库分配给聊天或应用。需要执行外部操作时，为 Agent 配置浏览器、Shell、Office、网页搜索或 MCP 工具；界面会逐步展示工具调用、参数和返回值。若要自动化多步骤任务，在可视化工作流编辑器中组合步骤，并按需要设置条件、并行路径或定时触发。提供的材料未给出模型连接、MCP 服务器注册或 REST API 调用的具体字段与示例。
这个 Agent 与同类方案有什么区别？
OpenAgent 的定位是把多模型连接、RAG 和 Agent 循环集中在一个自托管平台中；它明确支持 OpenAI、Azure OpenAI、Anthropic Claude、Google Gemini、Ollama 等模型提供商，并允许按对话切换。
常见问题
是否必须使用某一家模型提供商？
能否在本地或自有环境部署？
docker-compose up。