Inkeep Agents：让任何人都能构建 AI Agent 的开发框架

图1：Visual Builder 拖拽式编辑界面

一、场景切入：从「只有程序员能用」到「全员皆可构建」

想象这样的场景：产品经理张姐想给客服团队做一个 AI 助手，能够自动回答用户关于产品的常见问题。在传统的 Agent 开发框架下，她需要写 TypeScript 代码、配置 MCP 服务器、理解 Agent 的状态管理机制——这对非技术背景的人几乎是不可能完成的任务。

而在 Inkeep Agents 中，张姐只需要打开 Visual Builder（可视化构建器），拖拽几个节点、配置提示词、连接数据库凭证，一个完整的 AI 客服 Agent 就能上线运行。与此同时，后端工程师李哥可以在 VS Code 中通过 TypeScript SDK 继续完善 Agent 的底层逻辑——两者的修改会自动双向同步，互不冲突。

这就是 Inkeep Agents 试图解决的问题：打破技术壁垒，让非技术人员也能参与 AI Agent 的构建，同时不牺牲技术团队对代码质量和工程实践的追求。

二、项目背景：Inkeep 的开源野心

Inkeep 是一家专注于 AI 搜索和问答的初创公司，其核心产品是帮助企业构建基于自有知识库的智能问答系统。在服务大量企业客户的过程中，团队发现了一个核心痛点：企业需要根据自身业务定制 AI Agent，但市面上的框架要么太偏向代码（技术门槛高），要么太偏向低代码（灵活性不足）。

2024 年，Inkeep 决定将其商业产品中的 Agent 框架开源，发布了 Inkeep Agents 项目。该项目在 GitHub 上迅速获得了关注，目前已有超过 1,198 个 Star，话题标签涵盖了 agent-framework、no-code、low-code、mcp、self-hosted 等多个领域，体现了其作为综合 Agent 开发平台的设计理念。

从项目结构来看，Inkeep Agents 采用 monorepo 架构，使用 pnpm workspace + Turbo 构建系统，仓库根目录包含了多个独立发布的 npm 包，总代码量相当可观。

图2：TypeScript SDK 基本用法示例 Basic Agent SDK

三、技术架构：Monorepo 下的多包协同

3.1 包结构一览

项目在 packages/ 目录下包含以下核心包：

包名	功能说明
`agents-core`	核心运行时：Agent 执行引擎、状态管理、消息队列
`agents-sdk`	TypeScript SDK：开发者 API、类型定义、2-way sync 逻辑
`agents-api`	后端 API 服务：Agent 配置管理、凭证存储、执行端点
`agents-manage-ui`	Visual Builder：拖拽式可视化编辑器（Next.js）
`agents-mcp`	MCP 协议集成：支持 MCP Tools 和 MCP Server 角色
`agents-work-apps`	业务集成：Slack、GitHub 等工作流应用连接器
`agents-email`	邮件能力：基于 Resend 的邮件发送集成
`ai-sdk-provider`	AI Provider 桥接：接入 OpenAI/Anthropic/Google 等 LLM
`create-agents`	脚手架工具：快速创建新 Agent 项目的 CLI

3.2 数据库层

agents-core 使用 Drizzle ORM 管理数据库，支持两个数据库实例：

Doltgres（管理数据库）：存储 Agent 配置、Sub Agent 树、MCP Server 定义、凭证等元数据
PostgreSQL（运行数据库）：存储 Agent 执行过程中的运行时数据（会话历史、trace 数据）

此外，项目还引入了 SpiceDB（基于 Zanzibar 的授权系统）来做细粒度的权限控制。这意味着 Inkeep Agents 从一开始就考虑了企业级多租户场景下的权限管理需求。

3.3 认证与凭证管理

凭证管理是 AI Agent 框架中最敏感的部分之一——Agent 通常需要持有各种第三方 API 密钥来完成任务。Inkeep Agents 提供了多层级的凭证管理方案：

内存存储（默认）：仅开发环境使用
OS Keychain：通过 @napi-rs/keyring 接入系统密钥链
Nango：集成 OAuth 凭证管理，支持 Google、Slack 等服务的 OAuth 授权流程

3.4 MCP 协议支持

Inkeep Agents 同时支持 MCP Tools（让 Agent 调用外部工具）和 MCP Server（让 Agent 自身作为 MCP Server 被其他系统调用）两种角色。项目还维护了独立的 agents-mcp 包，并发布到 npm 作为独立 MCP Server 使用，体现了模块化的设计思路。

图3：Inkeep Agents Logo Inkeep Logo

四、部署体验：开箱即用的 Docker Compose

对于想要快速体验的用户，Inkeep Agents 提供了 docker-compose.yml，覆盖了完整的微服务栈：

服务	镜像版本	说明
`inkeep-agents-manage-ui`	`:0.56.2`	Visual Builder 前端（Next.js）
`inkeep-agents-api`	`:0.56.2`	后端 API 服务（Node.js）
`inkeep-agents-migrate`	`:0.56.2`	数据库迁移任务（启动后退出）
`inkeep-agents-doltgres-db`	`dolthub/doltgresql:0.56.1`	Doltgres 管理数据库
`inkeep-agents-postgres-db`	`:16`	PostgreSQL 运行数据库
`inkeep-agents-spicedb`	`:v1.36`	SpiceDB 权限服务
`inkeep-agents-nango`	`:latest`	OAuth 凭证管理（可选）
`inkeep-agents-signoz`	`:latest`	可观测性平台（可选）

部署流程非常简单：复制 .env.example → 填入必要的 API Key（如 ANTHROPIC_API_KEY）→ docker compose up → 等待迁移完成。约 5-10 分钟即可启动完整的本地开发环境。

生产环境部署则需要更多配置：SpiceDB 的 TLS 证书、Nango OAuth 应用注册、可观测性后端（SigNoz/OTEL）等。总体部署难度评为中等（3/5），主要挑战在于理解多服务依赖关系和正确配置环境变量。

五、开发者体验：TypeScript SDK 的设计亮点

对于习惯代码开发的工程师，Inkeep Agents 的 TypeScript SDK 提供了一套精心设计的 API：

import { agent, subAgent, tool } from "@inkeep/agents-sdk";

// Sub Agent：封装特定能力的子 Agent
export const helloAgent = subAgent({
  id: "hello-agent",
  name: "Hello Agent",
  prompt: "回复用户并 console.log 'hello world'",
});

// 主 Agent：编排多个 Sub Agent
export const myAgent = agent({
  id: "my-agent",
  name: "My Agent",
  defaultSubAgent: helloAgent,
  subAgents: () => [helloAgent],
});

几个值得注意的设计：

subAgent 模式：通过树形结构组织多 Agent 协作，主 Agent 可以将请求委托给最适合处理该问题的 Sub Agent
Credential Provider 抽象：凭证存储方式可插拔，方便在不同环境（dev/staging/prod）切换
Telemetry Provider：可观测性方案可替换，默认不开启（避免生产环境不必要的性能开销）
Webhook Trigger：支持通过 Webhook 触发 Agent 执行，并内置 HMAC 签名验证（兼容 GitHub、Slack、Stripe 等主流服务）

项目还提供了完整的 changeset 规范化发布流程，monorepo 中的每个包可以独立版本化发布，遵循 Semver 规范。代码风格由 Biome（Biome.jsonc）统一约束。

六、争议与局限

Inkeep Agents 并非没有缺点，在实际评估中需要关注以下几点：

1. 商业许可限制 项目采用自定义许可（SEE LICENSE IN LICENSE.md），并非标准的 MIT/Apache-2.0 开源许可。SUPPLEMENTAL_TERMS.md 中包含了额外的使用条款，商业使用前务必仔细审查。

2. 过度工程化风险 Doltgres + PostgreSQL + SpiceDB 的组合对于简单场景来说过于复杂。一个简单的 AI 客服助手场景，需要启动 7-8 个 Docker 服务，这增加了运维负担和调试难度。

3. 前端技术栈锁定 Visual Builder 是基于 Next.js 构建的，如果用户希望将 Agent 集成到现有的 React/Vue 应用中，目前没有现成的嵌入式方案，需要通过 iframe 或 API 集成。

4. 文档和社区仍在建设中 虽然项目有不错的 README 和 SDK 文档，但一些高级功能（如多租户配置、分布式部署）的文档还不够完整。33 个 open issues 中包含不少功能建议和 bug 反馈，社区响应速度有待观察。

七、行业意义：No-Code 与 Code-First 的融合趋势

Inkeep Agents 代表了当前 AI Agent 开发领域的一个重要趋势：No-Code 与 Code-First 的深度融合。

回顾 AI Agent 框架的发展脉络：LangChain 开创了全代码化的 Agent 编排范式；Flowise 等工具带来了低代码可视化；CrewAI、AutoGen 等框架则侧重多 Agent 协作。而 Inkeep Agents 的独特价值在于其 2-way sync 机制——Visual Builder 中修改的配置会同步到代码中，代码中的改动也会反映到 Visual Builder 中，真正实现了「技术人和业务人协作」的目标。

从 Star 增长曲线来看（1,198 ★，持续增长中），市场对这类「兼顾灵活性和易用性」的 Agent 框架有明确需求。如果 Inkeep 能够在开源社区建设和商业许可之间找到平衡，这个项目有望成为企业级 AI Agent 基础设施的重要选择。