AgentKit

11小时前发布 2 00

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。

所在地:
美国
收录时间:
2025-12-06
AgentKitAgentKit

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。

AgentKit

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

部署步骤

  1. 克隆仓库:
    git clone <AgentKit 仓库地址>
    cd agentkit
    
  2. 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)

  3. 启动服务:
    docker-compose -f docker-compose.yml up -d
    
  4. 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

打开 http://localhost,输入提示词:

“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

暂无评论

none
暂无评论...