docker-agent
docker/docker-agent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
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。
「我用 YAML 定义了一个 AI 助手团队，让它们分工处理代码审查、PR 合并和依赖更新——全程不需要写一行 Go 代码。」
Docker Agent 运行演示：定义 agent → 赋予工具 → 启动运行
2025 年，AI Agent 框架井喷——LangChain、AutoGen、CrewAI……每个框架都有自己的 DSL（领域特定语言），都有自己的运行时，各家工具互相不兼容。开发者好不容易学会了一套，换个项目又得重来。
Docker 的思路很简单：与其在已有生态上再做一个框架，不如让 Agent 也能"容器化"。Docker 最擅长的就是封装、分发和运行——为什么不能把这些能力平移到 AI Agent 身上？
2025 年 7 月，Docker 宣布 Compose 支持 AI Agent 和模型；Docker Model Runner 让本地模型可以直接调用。docker-agent 就是这套组合拳的最终产物：一个用 YAML 声明式定义 AI Agent 的 CLI 插件，由 Docker 官方工程团队开发和维护，Apache 2.0 开源协议。
docker-agent 的设计哲学是零代码构建 Agent。用户只需要写一份 YAML 配置文件，指定模型、指令和工具集，就能启动一个完整的 AI Agent。
单 Agent 使用极其简单：
agents:
root:
model: openai/gpt-4o
description: 我的编程助手
instruction: |
你是一个经验丰富的全栈工程师。
回答时给出具体代码，附带简洁解释。
toolsets:
- type: mcp
ref: docker/duckduckgo
多 Agent 则支持任务委托：一个协调者 Agent 可以把子任务分配给专业 Agent：
agents:
coordinator:
model: anthropic/sonnet-4
instruction: 分析用户问题并分配给合适的专家
delegation:
agents:
- web_searcher
- code_reviewer
- document_writer
web_searcher:
model: openai/gpt-4o-mini
toolsets: [web_search]
code_reviewer:
model: anthropic/sonnet-4
toolsets: [filesystem, shell]
docker-agent 的工具扩展基于 Model Context Protocol（MCP）——这是 Anthropic 主导的 Agent 工具互操作协议。docker-agent 内置了文件系统、Shell、Memory、Web Fetch 等基础工具，同时可以接入 Docker MCP Catalog 中数百个 MCP Server。
常见的 MCP 集成场景：
| 类型 | 提供商 |
|---|---|
| 云端 API | OpenAI、Anthropic、Google Gemini、AWS Bedrock、Mistral、xAI |
| 本地模型 | Docker Model Runner、DMR（Docker 官方本地推理引擎） |
本地模型最大的好处是隐私：代码和对话数据不需要发给第三方 API，适合企业内网场景。
docker-agent 内置了完整的 RAG 管道：
用户只需指定文档目录，Agent 就能在对话中自动检索相关上下文。
| 安装方式 | 适用场景 |
|---|---|
| Docker Desktop 4.63+ | 直接运行 docker agent，零安装 |
| Homebrew | macOS/Linux：brew install docker-agent |
| 二进制下载 | GitHub Releases，解压即用 |
# 至少配置一个
export OPENAI_API_KEY=sk-...
export ANTHROPIC_API_KEY=sk-ant-...
也可以使用本地模型（不需要 API Key）：
docker agent run --model docker/model-runner .
# 运行默认 agent
docker agent run
# 从 OCI 镜像运行（类似 docker pull）
docker agent run myorg/agent:tag
# 交互式创建新 agent
docker agent new
# 运行自定义配置
docker agent run agent.yaml
docker-agent 支持两种交互模式：
cmd/root/ # 主入口，CLI 参数解析
cmd/wasm/ # WASM 运行时支持（实验性）
pkg/ # 核心包
├── agent/ # Agent 定义和执行循环
├── tools/ # 内置工具实现
├── mcp/ # MCP 协议客户端
├── rag/ # RAG 管道
└── model/ # 多模型提供商适配
.agents/skills/ # 内置 skill（bump-config, triage-prs, ...）
e2e/ # 端到端测试
examples/ # 42+ 官方示例配置文件
docker-agent 遵循标准的 Agent 执行循环：
1. 用户输入 → Agent 接收任务
2. LLM 推理 → 决定是否调用工具
3. 工具执行 → MCP/内置工具完成具体操作
4. 结果反馈 → LLM 基于结果继续推理
5. 循环直到任务完成或达到最大轮次
最有趣的设计：Agent 可以像 Docker 镜像一样分发。
# 把自己的 Agent 推送到 OCI registry（如 Docker Hub）
docker agent push myorg/my-agent:v1
# 其他人直接运行
docker agent run myorg/my-agent:v1
这意味着 Agent 的分发渠道和 Docker 镜像完全复用——CI/CD 流水线、Docker Hub、GitHub Packages 都能直接接入。
| 框架 | 语言 | 配置方式 | 模型支持 | 生态成熟度 |
|---|---|---|---|---|
| Docker Agent | Go | YAML | 多提供商 + 本地 | ⭐⭐ (新兴) |
| LangChain | Python | Python 代码 | 灵活 | ⭐⭐⭐⭐⭐ |
| AutoGen | Python | Python 代码 | 多提供商 | ⭐⭐⭐⭐ |
| CrewAI | Python | Python 代码 | OpenAI 为主 | ⭐⭐⭐⭐ |
Docker Agent 的差异化在于极低的使用门槛 + Docker 生态复用，而非技术深度。
Docker Agent 代表了一个重要趋势：AI 基础设施的容器化。
此前，AI Agent 的开发、部署和分发缺乏统一标准——每个框架各自为战，Agent 无法跨框架运行。Docker Agent 用 YAML 声明 + OCI 分发的方式，试图建立一种 Agent 的"镜像标准"：只要你有一份 YAML，就能用 docker-agent 运行；只要你能把它推送到 registry，就能让任何人复用你的 Agent。
从增长数据看，2026 年 3 月才发布首个版本，到 10 月已有 4322+ stars、500+ forks，并已登上 KDnuggets 等技术媒体——增长势头强劲。Docker 官方还发布了 docker/docker-agent-action，让 Agent 可以直接跑在 GitHub Actions 工作流里。
对于已经熟悉 Docker 的开发者来说，docker-agent 提供了一条几乎零学习曲线的 AI Agent 入门路径。
总结：如果你已经在用 Docker，想要快速搭建 AI Agent 团队，或者想让团队共享定制化的 Agent 能力，docker-agent 是目前门槛最低、接入最顺的选择。