企业级 AI Agent 平台

面向二次开发与企业落地的 AI Agent 平台底座 · 基于 LangGraph 生态体系

English | 中文

系统总览 · 架构与链路图解 · 内置智能体生态 · 二次开发指南 · 前端体验与工作台 · 快速开始 · 部署手册 · 更新日志 · 致谢与技术核心

项目定位：解决什么问题？

很多团队做 Agent 容易停留在 Demo 阶段：平台治理、运行时执行、状态存储和前端交互全揉成一个“大泥球”，一到生产落地就面临权限缺失、状态丢失、模型切换困难、二开举步维艰的问题。

本项目为解决这一痛点而生，提供一个可直接用于二次开发、快速搭建企业私有 AI Agent 平台的工程底座：

• 解耦平台治理与 Agent 执行：平台层专职负责认证鉴权、多租户/项目隔离、审计回溯、模型 Catalog 治理；Agent 运行时专职负责图编排、工具装配与状态机运转。两层通过受管契约通信，互不污染。
• 拥抱主流开源生态，不造封闭轮子：全面基于 LangGraph / LangChain 系列生态设计，深度吸收 open-swe、deepagents 与 deer-flow 的工程思想，原生支持复杂图编排、状态持久化、多轮工具调用循环与人机协同（HITL）审批中断。
• 标准化二次开发骨架：预留清晰的扩展点（自定义 Agent 图、自定义 Tools、标准 MCP 服务、Skills 技能），其他企业可以直接拉取作为模板，快速装配自有业务 Agent。

系统总览

整个系统由三大服务分层构建，各司其职：

| 服务 | 目录 | 职责定位 | 核心技术栈 | |---|---|---|---| | Platform API | apps/platform-api | 控制面核心：认证鉴权、项目治理、审计日志、模型 Catalog 目录、受管契约网关转发 | FastAPI + SQLAlchemy + PostgreSQL | | Platform Web | apps/platform-web | 管理控制台前端：工作台布局、Agent 交互对话流、权限管理、多端流式渲染 | Vue 3 + Vite + Tailwind CSS + Pinia | | Runtime Service | apps/runtime-service | Agent 执行引擎：LangGraph 图注册、工具与 MCP 装配、会话调度、SSE 事件流保活推送 | Python 3.11+ + LangGraph + GraphHarbor + Redis |

架构与链路图解

1. 系统架构全景图

🔗 交互式网页体验： 👉 打开全屏交互式架构图 (HTML)（支持节点聚焦缩放、深浅主题切换与全要素搜索）

!系统架构全景图

• 平台治理层（左）：集中处理所有的用户身份、安全隔离与审计流向，Runtime 内部无须耦合任何用户鉴权逻辑。
• Agent 执行层（中）：Runtime API 与 Runtime Worker 分离，状态由 GraphHarbor 统一落库，保障长时间运行与故障断点恢复。
• 二开扩展点（右）：工具函数、标准 MCP 服务与外部 LLM 全部通过标准化协议接入，扩展时对核心代码零侵入。

2. Agent 执行请求链路时序

🔗 交互式网页体验： 👉 打开全屏交互式时序图 (HTML)（支持三阶段分段探索与完整链路追踪）

!Agent 执行请求链路时序图

• 阶段一（鉴权与契约组装）：Platform API 拦截用户请求，从数据库读取当前项目启用的模型参数、可用工具白名单和系统 Prompt，组装成受保护的“受管契约”下发给 Runtime。
• 阶段二（图编排与工具循环）：Runtime Worker 接管任务，驱动 LangGraph 状态机向 LLM 发起推理；当模型决定调用工具或 MCP 时，进入工具执行/人机审批流，完成后携带结果继续推理。
• 阶段三（SSE 流式保活透传）：执行状态以 Server-Sent Events（SSE）形式实时推送，网关层自动注入保活心跳，前端支持流式打字渲染与断流自愈。

3. 二次开发扩展点全景

🔗 交互式网页体验： 👉 打开全屏交互式扩展点图 (HTML)（清晰划定二开边界）

!二次开发扩展点全景图

• 二开业务定制区（右侧）：业务开发者主要编写自定义 Agent 图、业务 Tools 和挂载 MCP 插件。
• 核心基础设施骨架（左下）：认证、网关、状态持久化、SSE 传输通道等基础设施开箱即用，一般无需做侵入性修改。

内置智能体生态：从教学到生产落地

仓库内置了两套具有不同使命的智能体示例，兼顾了快速上手学习与极端复杂场景落地：

1. 教学入门智能体：showcase_demo

• 定位：初学者了解平台机制的最小样板间。
• 源码位置：apps/runtime-service/src/runtime_service/services/demo/showcase_demo/
• 覆盖能力：

2. 生产级标杆智能体：DeerFlow Agent

• 定位：真正面向生产级任务工程的复杂智能体实现，验证平台对极端复杂场景的承载力。
• 设计思想：深度吸收 bytedance/deer-flow、langchain-ai/deepagents 与 langchain-ai/open-swe 的工程设计范式。
• 生产级核心特质：

💡 企业二开建议： 企业客户可以直接复用 DeerFlow Agent 的工程实现作为高阶智能体模板，也可将其拆解为底层组件，按需装配到企业原有的垂直业务场景中。

二次开发指南：如何接入你的业务？

扩展点代码速查

| 扩展需求 | 目标代码路径 | 开发说明 | |---|---|---| | 新增自定义 Agent 图 | apps/runtime-service/src/runtime_service/graphs/ | 基于 LangGraph 编写 StateGraph，定义节点与边，并在统一入口注册 | | 新增自定义工具 (Tools) | apps/runtime-service/src/runtime_service/tools/ | 使用 @tool 装饰器编写纯 Python 函数，平台自动提取 JSON Schema 供模型调用 | | 接入第三方 MCP 服务 | apps/runtime-service 配置文件 | 标准 MCP 客户端开箱即用，通过配置快速挂载外部 FastMCP / 官方 MCP 工具服务 | | 扩展控制面 API | apps/platform-api/src/platform_api/ | 遵循 apps/platform-api/docs/handbook/ 规范新增 REST 端点与数据模型 | | 管理台页面二次开发 | apps/platform-web/src/modules/ | 遵循 control-plane-page-standard.md 页面标准，快速扩建控制台视图 |

前端体验与工作台

当前平台控制台已完成多次大版本重构，消灭了早期简陋的 Demo 样貌，全面演进为现代化工业级控制台：

!平台前端效果展示

核心工作台体验矩阵

平台当前已沉淀出 4 大核心视觉与交互空间：

1. 通透无界智能体对话流：

1. 沉浸式沙箱 Workspace：

1. DeepSeek 级轨迹 DevTools 视图：

1. 企业级控制面管理空间：

💡 关于界面体验补充：我们正在准备一套完整的 30 秒快速漫游短视频与高帧率 GIF 动图，欢迎保持关注！

快速开始

运行环境准备

• Python：3.11+（各服务独立依赖隔离）
• Node.js：18+ / pnpm 9+
• PostgreSQL：建议 14+（平台与 Runtime 使用独立数据库隔离）
• Redis：支持会话队列与临时缓存

1. 本地原生多进程启动（开发推荐）

# 1. 激活 runtime 虚拟环境（确保依赖已安装）
source "apps/runtime-service/.venv/bin/activate"
2. 运行健康自检，检查数据库、Redis 连接与配置文件
bash "scripts/local-stack.sh" doctor
3. 自动执行数据库迁移并拉起全栈进程 (Runtime API、Worker、Platform API、Platform Web)
bash "scripts/local-stack.sh" start
4. 查看当前栈运行状态与端口占用
bash "scripts/local-stack.sh" status
5. 停止本地全栈服务
bash "scripts/local-stack.sh" stop

首次运行的配置初始化、数据库建表及密码配置，请查阅 非容器化本地部署手册。

2. Docker / Docker Compose 启动

# 选项 A：仅启动 runtime-service 执行层
docker compose -f apps/runtime-service/deploy/docker-compose.runtime-service.yml \
  --env-file apps/runtime-service/deploy/.env.runtime-service up -d
选项 B：启动全栈 stack（前后端独立暴露端口）
docker compose -f deploy/docker-compose.stack.yml --env-file deploy/.env.stack up -d
选项 C：启动全栈 stack（带 Nginx 反向代理，单端口统一入口）
docker compose -f deploy/docker-compose.stack.nginx.yml --env-file deploy/.env.stack up -d

完整容器指南见 deploy/README.md 与 容器化零到一运行指南。

3. 默认访问入口与健康检查

| 模块 | 默认本地地址 | 最小健康检查指令 | |---|---|---| | Platform Web | http://127.0.0.1:3000 | 浏览器直接访问前端管理界面 | | Platform API | http://127.0.0.1:2142 | curl -fsS "http://127.0.0.1:2142/_system/health" | | Runtime Service | http://127.0.0.1:8123 | curl -fsS "http://127.0.0.1:8123/ready" |

仓库结构速览

ai-agent-platform/
├── apps/
│   ├── platform-api/       # 平台控制面后端 (FastAPI, 权限/项目/审计/Catalog)
│   ├── platform-web/       # 平台控制面前端 (Vue 3, 统一管理台与聊天流)
│   └── runtime-service/    # LangGraph 执行运行时 (图编排/工具装配/状态机)
├── deploy/                 # Docker Compose 生产与开发镜像编排
├── docs/                   # 架构设计、场景指南与跨服务标准体系
│   ├── architecture/       # 系统架构沉淀与概念透析专篇
│   ├── diagrams/           # 交互式架构与时序图表 (Archify HTML)
│   ├── guides/             # 开发者指南、部署手册与数据库运维规范
│   └── standards/          # 跨服务通信、错误信封与追踪标准
├── scripts/                # 本地栈启停管理与一致性检查脚本
└── AGENTS.md               # 团队工程规范与 AI 协同开发指南

按目标阅读文档

• 🚀 我想把环境跑起来：

• 📐 我想深入理解架构：

• 🛠️ 我想进行代码二开：

• 🐳 我想做生产容器化发布：

当前状态与工程基线

• 当前正式版本：v0.4.0（迭代记录见 CHANGELOG.md）
• 代码质量与门禁：

支持与交流

如果你在企业内部落地 Agent 平台、使用 LangGraph 进行二次开发或使用 MCP 扩展能力时遇到问题，欢迎交流探讨：

个人微信号：

致谢与技术核心

本项目在持续演进过程中，深度受益于以下开源项目与核心工程思想：

核心灵感与架构支柱（Technical Core）

• open-swe：提供了现代化沙箱工作区（Artifacts Workspace）、多终端 PTY 会话流及工业级工程交互模型的核心灵感。
• deepagents：提供了复杂长程任务分解、子智能体协同编排及调用历史轨迹持久化的关键设计参考。
• deer-flow：提供了生产级端到端智能体流式执行、记忆闭环治理与全链路工程落地的核心思想。

生态基石与重要参考

• LangGraph / LangChain：提供了卓越的状态图编排核心与智能体运行时抽象。
• FastAPI：高并发控制面与异步网关接口的可靠基石。
• FastMCP：模型上下文协议（MCP）工程化落地的重要参考。
• Wei-Shaw/sub2api：提供了极具质感的前端后台工作台排布与交互美学启发。
• HKUDS/LightRAG：知识检索与图结构 RAG 探索的重要参考。

开源协议与引用规范

本项目以开源方式持续演进，欢迎学习、参考与基于本项目搭建商业化产品。若你在公开技术分享、衍生开源项目或商业发行版中使用了本项目的代码或架构设计，请注明原项目出处：

Based on Enterprise AI Agent Platform:
https://github.com/ljxpython/ai-agent-platform