studio
MCP 协议驱动的 AI Agent 控制面板：统一管理工具连接、追踪 Token 消耗、自适应项目
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
MCP 协议驱动的 AI Agent 控制面板：统一管理工具连接、追踪 Token 消耗、自适应项目
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有这种感觉——用 Claude Code 写代码很爽，但想让它操控 GitHub Issue、Slack 通知、数据库查询时，配置过程像打了一场仗？每个工具要单独配置认证，每个 Agent 要手动管理上下文，每个调用要自己追踪 token 消耗。这种碎片化的体验，正是 Deco CMS Studio 试图解决的核心问题。
Deco CMS Studio（简称 Deco Studio）的定位非常清晰：AI Agent 的控制面板。它不是一个 AI 本身，而是管理 AI Agent 的平台——让你像"雇用员工"一样雇用 AI Agent、给它们分配工具（通过 MCP 协议）、追踪它们的花销、把它们组织成团队。
图1：Deco CMS 架构——连接 AI 客户端与 MCP 工具生态
要理解 Deco Studio 的价值，需要先理解它所基于的协议——MCP（Model Context Protocol）。
MCP 是 Anthropic 在 2024 年底开源的协议，旨在解决 AI 模型与外部工具之间的连接标准问题。在此之前，每个 AI 编程工具（Cursor、Claude Code、Windsurf）要接入 GitHub、Slack、数据库，都需要自己实现一套工具调用的适配层。开发者体验碎片化，每个工具的认证方式、数据格式、错误处理都不一致。
MCP 试图成为 USB 接口——无论什么品牌的电脑、什么类型的设备，插上就能用。Deco Studio 正是站在这个趋势上：它不是一个 MCP 客户端，而是一个MCP 流量治理平台。它接收来自 Cursor、Claude、VS Code 等客户端的 MCP 请求，统一路由、认证、计费、追踪。
Deco Studio 内置了 Agent 商店，提供预置的 AI Agent。这些 Agent 不是通用大模型，而是针对特定任务优化过的"专家"——比如擅长代码审查的 Agent、擅长内容管理的 Agent、擅长数据分析的 Agent。
每个 Agent 都有经过调优的系统提示词（battle-tested prompts），并且知道如何使用特定的工具集。你可以雇用一个 Agent，也可以让多个 Agent 协作（Agent 之间可以互相调用），每次调用都有成本归属。
Connections 是 Deco Studio 最核心的功能之一。它让你通过 Web UI 配置 MCP 连接，支持一键 OAuth——不再需要手写 JSON 配置文件，不再需要折腾认证 token。
支持的工具涵盖：
每个连接都有独立的监控面板——延迟、错误率、Token 消耗，一目了然。
这是 Deco Studio 的亮点设计。随着团队使用的工具越来越多，每个 AI 客户端都需要配置几十个 MCP 连接，维护成本陡增。Virtual MCPs 允许你将多个真实 MCP 服务"组合"成一个虚拟端点，并根据不同策略决定暴露哪些工具：
Projects 是 Deco Studio 的组织单元。一个项目包含一组 Agent 和 Connection，围绕一个具体目标协作。
最有趣的是自适应 UI——项目的工作台界面会根据其中包含的内容动态变化。如果你添加了一个内容管理 Agent 和一个 CMS 连接，工具栏自动切换到内容管理视图；如果你换成数据分析 Agent 和数据库连接，界面就变成仪表盘。这种"所见即所需"的设计理念大幅降低了认知负担。
你也可以用声明式方式定义项目目标，让 Deco Studio 自动推导里程碑、分配 Agent、验证结果。
Token 消耗追踪是 Deco Studio 的杀手级功能。在 AI 成本日益成为企业 IT 预算重要组成部分的背景下，能够精确知道：
这些数据对成本控制和性能优化至关重要。目前支持 OpenRouter、Perplexity、Firecrawl 等主要 AI 路由服务的计费追踪。
Deco Studio 采用 Bun + TypeScript Monorepo 架构，使用 npm workspaces 管理多个子包：
| 包 | 说明 |
|---|---|
apps/mesh | 主应用：Web UI（React 19）+ API（Hono） |
apps/docs | 文档站点 |
packages/mesh-sdk | 面向客户端的 SDK |
packages/runtime | Agent 运行时引擎 |
packages/sandbox | 沙箱执行环境 |
packages/ui | React 组件库（基于 shadcn/ui） |
packages/std | 标准工具集（MCP servers） |
packages/harness | 测试框架 |
packages/tunnel | 隧道服务（远程访问） |
packages/typegen | 类型生成工具 |
开发环境使用嵌入式 PostgreSQL（Bun 的 postgres 内置支持），生产环境使用标准 PostgreSQL。通过 Kysely 进行数据库迁移管理。认证相关的 Schema 通过 Better Auth 的独立迁移系统管理。
官方提供完整的 docker-compose.yml，包含：
/health 端点）studio-data）一条命令即可启动：docker compose -f deploy/docker-compose/docker-compose.yml up -d
零配置启动，Deco Studio 自动处理所有依赖：
bunx decostudio
启动后访问 http://localhost:3000，内置嵌入式 PostgreSQL，完全本地私有。
git clone https://github.com/decocms/studio.git
bun install
bun run dev
运行在 http://localhost:4000（前端 Vite + 后端 Hono 热重载）。
| 资源 | 需求 |
|---|---|
| RAM | 1GB+ |
| 磁盘 | 1GB+ |
| GPU | 不需要 |
| CPU | 任何现代处理器 |
项目要求 Node.js >= 24，而目前（2026年）LTS 版本才到 22。这意味着很多生产环境需要特殊配置才能运行，增加了企业采用门槛。
20+ 个子包的 Monorepo 架构，对只想快速体验核心功能的用户来说，认知负担较重。文档中"从源码运行"需要理解 Bun workspaces、数据库迁移、lefthook 钩子等多个概念。
虽然 Connections 支持 OAuth 一键配置，但完整的团队协作（RBAC、多租户）需要配置 Better Auth 的 OAuth 提供商（Google、GitHub 等），初学者仍需要阅读文档。
Deco Studio 的价值高度依赖 MCP 服务器生态。如果某个常用工具（如 Linear、Jira）还没有高质量的 MCP 实现，Deco Studio 能提供的价值就打折扣。
Deco Studio 代表了一个趋势：AI Agent 管理平台化。
2024-2025 年，AI 编程工具经历了爆发式增长，但管理这些工具的手段基本停留在"配置文件 + 手工调试"的阶段。Deco Studio 的出现，将 AI Agent 管理从手工时代带入平台时代——集中认证、统一计费、可视化追踪、自适应 UI，这些特性在传统 DevOps 工具中是标配，但在 AI Agent 领域还是新鲜事物。
从增长曲线看，该项目在 GitHub 上获得了可观的关注度（380+ stars），Discord 社区活跃，文档完善。如果 MCP 协议生态继续扩展，Deco Studio 有潜力成为 AI Agent 领域的 "Kubernetes for AI"——一个连接、管理、观测 AI Agent 的标准平台。
bunx decostudio（5分钟启动）报告生成时间：2026-06-26 | 数据来源：GitHub API + 源码分析