
AgentKit 是由 BCG X 推出的开源启动套件,专为构建高质量、生产就绪的智能体(Agent)应用而设计。它基于 LangChain 构建,整合了现代全栈技术(FastAPI + Next.js),帮助开发者在几小时内完成从原型验证到 MVP 部署的全过程。

与通用 Agent 框架不同,AgentKit 的核心理念是:在可控路径中释放大模型能力。通过预定义的 Action Plans 和 Meta Agent 架构,它显著提升了 Agent 在真实业务场景中的可靠性,避免“自由探索”带来的不可预测性。
核心优势
快速构建高质量 Agent 应用
- 模块化架构:后端基于 FastAPI + LangChain,前端基于 Next.js 14 + Tailwind + DaisyUI
- 内置 GenAI 工具链:支持流式响应、向量检索、工具调用、可视化生成等
- 从零到可演示原型,仅需几小时
为 Agent 量身打造的 UI/UX
- 聊天式界面支持:
- 实时流式输出
- 表格、代码块、JSX 可视化渲染
- Agent 当前执行动作状态可视化(如“正在查询数据库”)
- 响应式设计,适配桌面与平板
强调可靠性:路径可控的 Agent 架构
- 不依赖纯 ReAct 循环,而是通过 Meta Agent + Action Plans 机制:
- Meta Agent 根据用户输入选择最合适的预定义动作流程(Action Plan)
- 每个 Action Plan 是一组线性或并行执行的工具(如
[sql_tool, pdf_tool] → [summary_tool, visualize_tool])
- 开发者可利用领域知识提前设计合理路径,大幅降低幻觉与失控风险
- 支持多级路由,形成路径决策树
开箱即用的扩展能力
- 内置生产级基础设施组件:
- Celery + Redis:处理长时任务与缓存
- PostgreSQL + pgvector:支持结构化数据与向量混合查询
- NextAuth 集成:支持 GitHub、邮箱/密码登录
- 内置监控、日志、队列管理
- 预配置 linting、单元测试、pre-commit 钩子,保障代码质量
技术栈概览
| 层级 | 技术选型 |
|---|---|
| 前端 | Next.js 14, React, Tailwind CSS, DaisyUI |
| 后端 | Python 3.10, FastAPI, SQLModel, Pydantic 2.x |
| Agent 框架 | LangChain + LangSmith(端到端可观测性) |
| 数据库 | PostgreSQL + pgvector(向量扩展) |
| 异步任务 | Celery + Redis |
| 部署 | Docker Compose(开发与演示环境) |
| 安全 | NextAuth(前端) + JWT(后端 API) |
⚠️ 注意:AgentKit 是启动套件,生产部署时需补充企业级安全措施(如网络隔离、审计日志、输入过滤)。使用大模型时,需防范提示词注入等已知风险。
快速开始
前置要求
- 安装 Docker
部署步骤
- 克隆仓库:
git clone <AgentKit 仓库地址> cd agentkit - 配置环境变量:
cp .env.example .env # 后端 cp frontend/.env.example frontend/.env # 前端编辑
.env文件,填入你的OPENAI_API_KEY和OPENAI_ORGANIZATION(即 Organization ID) - 启动服务:
docker-compose -f docker-compose.yml up -d - 访问应用:
http://localhost
体验 Demo:Chinook 音乐数据库
AgentKit 提供了一个开箱即用的数据库问答 Demo,基于经典的 Chinook 音乐数据库。
启动 Demo
# 清理已有数据(可选)
docker-compose down --volumes
# 使用 Demo 配置启动
docker-compose -f docker-compose-demo.yml up -d
“数据库中有多少位艺术家和多少首歌曲?”
Agent 将自动执行 SQL 查询,并将结构化结果以表格形式返回,同时展示执行过程。
工作原理详解
可靠性:Action Plans 机制
传统 Agent 依赖“思考-行动”循环,容易陷入死循环或执行无关操作。AgentKit 通过 预定义路径 解决此问题:
- 开发者定义多个 Action Plans(如“查数据库 + 生成摘要”、“检索文档 + 可视化”)
- Meta Agent 接收用户输入后,选择最匹配的 Action Plan
- 每个 Plan 可包含并行或串行的工具组合
例如:
ActionPlan_1 = [
[sql_tool, pdf_tool], # 并行检索
[generate_summary, visualize] # 后处理
]
这种设计将“探索空间”压缩到业务允许的范围内,大幅提升稳定性。
用户体验:中间结果实时反馈
Agent 执行过程中,每一步的输出都会实时流式传输到前端。用户可看到:
- 当前执行阶段(如“正在检索 PDF”)
- 中间数据(如 SQL 查询结果)
- 最终生成的摘要或可视化图表
这种透明性增强了用户信任,也便于调试与优化。
可选高级功能
- 用户反馈收集:对 Agent 回答进行点赞/点踩,用于后续优化
- 个性化设置:用户可保存默认提示词前缀、模型偏好等
- 认证系统:启用 NextAuth,支持 GitHub 或邮箱登录,实现多用户隔离
数据统计
相关导航


NEO

Wegent

Cracked AI

ChatTutor

rtrvr.ai

百宝箱 Tbox






