Weaver 智能体平台
自托管企业级智能体平台，统一深度研究、工具调用与代码执行。
按维度查看评分与理由
README 明示代码执行、浏览器自动化、桌面控制、MCP、外部模型和搜索服务等高影响数据流，架构图也给出了主要组件；CI 工作流使用 contents: read，SECURITY.md 提供私密漏洞报告、密钥轮换和轻量密钥扫描指引。扣分在于未提供工具权限隔离、用户确认门、外部调用前后数据披露、MCP 信任边界或桌面控制授权机制的源码证据；依赖仅部分精确锁定，CI 有 pip check 但未见漏洞扫描、SBOM 或依赖更新机器人；取消和流协议回滚只在描述或文档索引中出现，所给文件未证明副作用补偿或恢复流程；归属仅写 Weaver contributors，维护者身份和明确联系方式不足。
README 的 Python、前后端、OpenAPI、Docker 和测试主张与 CI 工作流及测试文件大体一致；CI 包含编译、pip check、pytest、前端构建、接口类型漂移检查和镜像构建，默认中间件测试还覆盖重试与工具调用限制。扣分在于大量依赖采用宽泛下限且可选重型依赖混入主 requirements，外部 API 和浏览器能力的可用性策略未展示；没有提供面向用户的错误分类、降级提示、重试耗尽信息或恢复建议证据。quick_test.py 主要打印检查结果，且其若被 pytest 收集并不会断言这些布尔结果。
材料清楚列出 direct、web、agent、deep 四种策略，以及研究、代码执行、浏览器、RAG、多模态和 MCP 等场景，并支持多个模型提供商、本地运行、Docker、Postgres 或测试用内存检查点。扣分在于“企业级”和广泛能力边界主要是 README 声明；未展示针对不同用户角色的配置范式、工具适用条件、资源上限或不可用场景。自动路由和触发器虽被提及，也有配置文档入口，但所给源码未展示触发规则、歧义处理、优先级或误触发保护。
README 的信息架构优秀：快速开始、架构、配置、使用、部署、安全、API、流协议、MCP、基准和路线图均有明确导航，MIT 正文完整且元数据一致。安装步骤可操作，并标明 Python、Node、端口和基础密钥需求；OpenAPI 到 TypeScript 的漂移检查为命名和契约稳定性提供支持。扣分在于未提供被引用文档的正文，无法确认高级安装故障排查、完整示例或 FAQ；没有明确的已知限制章节；未见发布版本、标签策略或 changelog；维护责任只体现为通用贡献者、issue/discussion 入口和含糊的“email the maintainer”，缺少明确维护者与更新承诺。
可点击引用、SSE 活动面板、长代码查看、文档导出、统一 Web UI 和多种执行模式表明输出面向实际使用；将研究、工具调用、代码沙箱、浏览器和 MCP 集成在同一平台具有明显的组合价值，CI 也设置了夜间及手动基准入口。扣分在于没有提供基准结果、输出样例、用户评估或与替代方案的对照，无法量化质量增益；运行需要模型、Tavily、E2B 等潜在付费服务及较多重型依赖，却未给出成本、延迟、资源预算或默认限额。
主要架构、安装方式和工程质量主张可分别关联到 README、requirements、CI 和单元测试，OpenAPI 漂移守卫及基准脚本入口提供了跨文件佐证。扣分在于“62+ 工具”“企业级”“两分钟启动”、实时取消、多模态、记忆管理及 Deep Research 质量等关键主张没有在所给材料中逐项追踪到实现、测试或报告；夜间基准工作流只证明计划执行，不证明结果。README 对已实现能力、可选能力、计划能力和营销性概括的区分不够严格。
- 代码执行、浏览器自动化、可选桌面控制和 MCP 均可能产生外部副作用；在确认权限隔离、逐次授权、网络出口控制和审计机制前，不宜处理敏感或生产数据。
- SECURITY.md 的密钥指引是基础防护，不等同于运行时秘密管理；应验证密钥是否会进入提示、日志、SSE 事件、工具参数或第三方服务。
- 依赖树较大且许多包只设最低版本；部署前应生成可复现锁文件、执行漏洞扫描并审查 Python、Node、容器及 GitHub Actions 的供应链风险。
- README 引用的部署加固、MCP 安全、回滚和基准文档未包含在证据中，不能据此认定这些控制已完整实现。
- 发布者身份未知并非风险判定，但当前材料未明确维护责任、私密安全邮箱、支持期限或升级路径。
这个 Agent 能做什么，适合哪些场景？
Weaver 是一个基于 LangGraph 的开源 AI 智能体平台，由 FastAPI 后端和 Next.js Web UI 组成。请求经 Router 自动分配到 direct、web、agent 或 deep 四种执行策略，并可通过工具注册表连接代码沙箱、浏览器自动化和 MCP 第三方工具。Deep Research 支持并行检索、多轮迭代及带可点击证据的引用结果；交互过程通过 SSE 实时输出，并在界面展示工具活动和长代码输出。平台还提供任务取消、记忆管理、多模态交互，以及从 OpenAPI 自动生成前端和 SDK TypeScript 类型的契约对齐机制。它可在本地启动，也提供 Docker/Compose 部署文档，但运行搜索工作流至少需要模型提供商配置和 Tavily API 密钥。
用户从 Next.js Web UI 提交任务后，FastAPI API 将请求交给 Router，并在 direct、Web Search、Agent Tools 和 Deep Research 路径之间选择。Agent 与 Deep Research 路径通过 Tool Registry 调用 E2B Sandbox、Browser Automation 或 MCP Bridge；工具范围包括代码执行、浏览器操作、文件与文档生成，以及可选的桌面控制。Deep Research 会执行并行检索和多轮迭代，产出附有可核验证据的引用结果。后端通过 SSE 推送执行事件，前端展示工具 activity、长代码输出，并支持查找、全屏和虚拟滚动。项目还通过 OpenAPI 生成前端及 SDK 的 TypeScript 类型，以降低后端接口与客户端类型发生漂移的风险。
- 需要在内网或自有服务器部署研究助手的工程团队，可用它组织并行检索、多轮分析和可点击引用。
- 希望让模型在沙箱中运行代码并把过程实时展示给用户的应用开发者，可复用其 FastAPI、SSE 和 E2B 集成。
- 需要自动操作网页的测试或运营团队，可通过浏览器自动化能力执行页面交互任务。
- 维护多种内部工具的企业平台团队，可通过 Tool Registry 和 MCP Bridge 接入第三方能力。
- 同时使用 OpenAI、Anthropic 或 DeepSeek 兼容模型配置的团队，可在同一自托管平台中配置模型访问。
- 重视前后端接口一致性的全栈团队，可使用 OpenAPI 到 TypeScript types 的自动生成流程。
这个 Agent 有哪些优点和局限？
- 把 direct、web、agent 和 deep 四种策略置于统一 Router 下，可覆盖简单回答到多轮深度研究的不同任务。
- Deep Research 明确支持并行检索、多轮迭代和可点击核验的引用证据，便于检查研究结果。
- 同时提供代码沙箱、浏览器自动化、文件/文档生成和 MCP 扩展路径，工具覆盖面较广。
- SSE 实时流、任务取消和工具 activity 面板适合展示耗时较长的智能体执行过程。
- OpenAPI 到前端及 SDK TypeScript 类型的自动生成机制有助于控制接口漂移。
- 支持 OpenAI、Anthropic API 密钥或 DeepSeek 兼容配置，不局限于单一模型提供商。
- 快速开始至少依赖一个模型提供商凭证和 Tavily API 密钥，相关服务可能产生费用并要求外网访问。
- 完整系统同时涉及 Python 后端、Next.js 前端、pnpm 和多项可选集成，部署与运维复杂度高于单进程工具。
- E2B、Playwright、MCP 和 Docker Compose 的完整配置不在所给快速开始中，需要继续完成各自的环境设置。
- 来源没有提供吞吐量、延迟、资源消耗或生产规模的量化结果，无法据此评估容量。
- 桌面控制被标记为可选能力，来源未说明其支持的操作系统、权限模型或隔离边界。
如何安装或部署这个 Agent？
准备 Python 3.11+、pnpm，以及可访问所选模型服务和 Tavily 的网络环境。执行：
git clone https://github.com/skygazer42/weaver.git
cd weaver
cp .env.example .env
cp web/.env.local.example web/.env.local
make setup
pnpm -C web install --frozen-lockfile在根目录 .env 中至少填写 OPENAI_API_KEY，或改用 ANTHROPIC_API_KEY／DeepSeek 兼容配置；同时填写 TAVILY_API_KEY。然后启动后端和前端：
.venv/bin/python main.py
pnpm -C web dev两条启动命令需要分别保持运行。
如何使用这个 Agent？
服务启动后，访问 http://localhost:3100 使用 Web 界面并提交任务。后端 API 默认位于 http://localhost:8001，OpenAPI 文档位于 http://localhost:8001/docs；可在根目录 .env 中通过 PORT 修改后端端口。Router 会根据任务选择 direct、web、agent 或 deep 策略，执行进度和工具活动通过 SSE 返回。需要代码执行、Playwright、MCP 或 Docker Compose 时，还应按项目相应配置文档补充运行环境；给出的快速开始没有列出这些可选功能的完整配置命令。
这个 Agent 与同类方案有什么区别？
仓库描述将其多智能体配置定位为“类 Manus”；与单一路径的聊天应用相比，Weaver 更强调可配置的多智能体工作流、工具注册、代码执行和深度研究。来源未提供与 Manus 的逐项功能、性能或成本对比。
常见问题
运行 Weaver 需要哪些密钥？
OPENAI_API_KEY，或使用 ANTHROPIC_API_KEY／DeepSeek 兼容配置；同时至少需要 TAVILY_API_KEY。