Open Agent Kit - Build Agents in Minutes
01.AI, with OSChina · 程式設計 · 其他
Open Agent Kit（OAK）是開源且不綁定特定模型的平台，用來打造與部署 AI 代理。它內建多代理框架、現成工具，以及一套視覺化網頁介面。
關於 Open Agent Kit - Build Agents in Minutes
What Is Open Agent Kit
Open Agent Kit 是一個由社群推動的專案，目標是成為 OpenAI AgentKit 的開放、中立替代方案。它由零一萬物（01.AI）與開源中國共同開發，整份程式碼採 MIT 授權。它的定位就是一個開源 AI 代理平台，讓你能在任何模型、任何工具、任何平台上打造 AI 代理，而不是被單一公司的技術堆疊綁死。
OAK 不是那種下載就能執行的單一產品。它是一把大傘，涵蓋代理生命週期的四個模組：多代理框架、視覺化建構器、執行環境，以及用於評估與追蹤的工作台。作為開源 AI 代理框架，它以框架為優先，而這也是目前唯一完成的部分，所以現在能用的功能幾乎都來自這裡。
框架本身叫做 LangCrew。它架在 LangGraph 之上，並借用 CrewAI 直覺易懂的概念，讓你直接用代理、任務與團隊來組裝，不必手動接上圖形引擎。這層已經處理好的協作機制，是選擇 OAK 而非自己拼一套的主要理由。
問題在於成熟度。四個模組只完成了一個，所以你接手的是藍圖很長、尚未完工的專案，而不是一套完整平台。如果今天就需要全部功能，請把 OAK 當成有潛力的起點，而不是最終答案。
Getting Started
- 用
pip install langcrew安裝框架（或pip install langcrew-tools安裝工具庫）。 - 設定支援的模型服務商 API 金鑰，例如
OPENAI_API_KEY、ANTHROPIC_API_KEY或DASHSCOPE_API_KEY。 - 用角色、目標與背景設定定義代理，接著描述每一項任務並指派給代理。
- 以
Crew(agents=[...], tasks=[...])把代理與任務組成團隊，再用crew.kickoff()執行。 - 複製儲存庫並啟動 Docker Compose，即可在 http://localhost:3600 開啟內附的網頁聊天介面。
產品資訊
快速了解 Open Agent Kit - Build Agents in Minutes 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 想省下前置工作的 Python 開發者：LangCrew 在 LangGraph 之上提供現成的代理、任務與團隊抽象層，讓你跳過底層接線
- 不願被單一廠商綁住的團隊：OAK 支援 OpenAI、Anthropic 等服務商，換模型時不必重寫代理
- 正在做多代理產品原型的初創團隊：內附的 React 元件與網頁聊天能快速做出可運作的示範，前提是你接受部分模組還在藍圖階段
- 正在評估代理框架的工程師：與 LangGraph、CrewAI 的並列比較，能在下決定前把取捨講清楚
任務
- 建構多代理流程：定義專責代理、串起各自的任務，再從單一 Python 進入點執行整支團隊
- 加入人工簽核步驟：LangCrew 內建 human-in-the-loop 中斷點，適合需要人工確認的任務
- 讓代理真正動手：langcrew-tools 工具庫補上瀏覽器自動化、程式碼解譯器、終端指令與雲端手機操控
- 把代理執行視覺化：Agent-UI 協定與 React 元件庫會即時呈現規劃、工具呼叫與執行步驟
情境
- 大量篩選應徵者：招募範例串起多個代理，替履歷排序並摘要
- 規劃行銷活動：行銷策略範本把一份簡報變成結構化計畫，並在代理之間交接
- 草擬旅遊行程：surprise trip 範例示範多個代理如何協同規劃旅程
- 打造內部 AI 應用：全端範本直接附上後端伺服器與聊天介面
主要功能
多代理框架（LangCrew）
LangCrew 是架在 LangGraph 上、向 CrewAI 取經的高階框架。你用單純的 Python 物件定義代理、任務與團隊，框架負責它們之間的協作。它支援循序流程、條件分流與平行執行，所以同一份程式碼能從兩個代理的示範長成真正的工作流程。
現成工具庫
langcrew-tools 是官方工具箱，每個工具都繼承 LangChain 的 BaseTool，介面保持一致。它涵蓋瀏覽器自動化、沙箱程式碼解譯器、終端指令、檔案操作、雲端手機操控、資料抓取、搜尋與圖片生成。這省下每個代理專案最後都得自己寫的串接程式。
人工介入流程
LangCrew 把簽核步驟做進框架，而不是事後外掛。你能在任務前後設定中斷點，暫停讓人工審閱，再帶著回饋繼續執行。雙語介面元件就是為了讓這些檢查點能用在真實產品，而不只是腳本裡。
視覺化代理介面
搭配的 Agent-UI 協定與 React 元件庫，把代理執行變成看得見的過程。前端會逐步顯示代理如何規劃、安排工作、執行任務與呼叫工具。這就是盯著原始日誌，和真正看見團隊在做什麼之間的差別。
多層記憶
記憶分成短期、長期與實體儲存，原生支援 PostgreSQL 與 Redis 後端，並具備向量相似度搜尋。對話能跨執行緒保持連貫，知識也能跨工作階段延續。對需要記住脈絡的代理來說，這省掉大量自己接線的工作。
即時串流
框架以詞元為單位串流，並在執行過程中派送細部事件。你能透過 WebSocket 或 SSE，即時追蹤代理的想法、工具呼叫與中間結果。這正是網頁介面即時更新的來源，對偵錯長時間的執行也很有用。
應用範本
範例資料夾附上招募、行銷策略、遊戲內容生成、旅遊規劃與職缺發布等可直接執行的方案。每一個都是能讀、能跑、能改的多代理系統，不必從空白檔案開始。它們同時也是框架用法的參考。
自架部署
整套技術堆疊都能跑在你自己的機器或伺服器上。一份 Docker Compose 檔案會同時啟動後端與網頁聊天前端，唯一的外部依賴是你自選的模型 API 金鑰。對需要自架 AI 代理、把提示與資料留在內部的團隊來說，這是相對代管代理平台的一大優勢。
優缺點
優點
- 採 MIT 授權的開源專案，堆疊的每一部分都能閱讀、修改與自架
- 設計上不綁定特定模型，意味著你不會被困在單一服務商的工具組合裡
- 架在 LangGraph 上並沿用 CrewAI 直覺的概念，只要熟悉其中一個就能快速上手
- 工具庫涵蓋瀏覽器、程式碼、終端與搜尋，不必自己寫串接
- 具備全端支援，包含 React 介面與 Docker 部署，加快從原型到產品的腳步
缺點
- 只有框架模組完成，視覺化建構器、執行環境與工作台仍是藍圖上的承諾
- 文件多半散在儲存庫與 README 裡，起步的門檻比一份整理好的產品手冊高
- 因為依賴 LangGraph 與 LangChain，也連帶承接它們的相依重量與版本變動
- 目前沒有代管雲端選項，部署得自己架設與維護
常見問題
Open Agent Kit（OAK）是開源且不綁定特定廠商的 AI 代理開發平台。它源自零一萬物與開源中國的合作，是 OpenAI AgentKit 的開放替代方案，整合了多代理框架、視覺化建構器、執行環境與評估工作台。
相關內容
探索與 Open Agent Kit - Build Agents in Minutes 相關的工具、技能與文章。
Open Agent Kit - Build Agents in Minutes 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。