openagent
the-open-agent/openagent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。
图1：OpenAgent 官方 Logo
你是否想象过，有一天 AI 不再只是聊天，而是能真正"动手"帮你做事——帮你搜索网页、填表提交、读写文件、管理知识库，甚至自动执行多步骤的工作流程？OpenAgent 正是这样一款产品：它是一个开源的个人 AI 助手平台，将大语言模型、RAG 检索增强生成和自主 Agent 循环深度融合，既可以作为本地私有化部署的 AI 中枢，也可以接入企业知识库成为智能助手。
OpenAgent 由知名开源访问控制库 Casbin 的团队打造，托管于 the-open-agent 组织下。项目自 2020 年 5 月创建，至今已超过 6 年持续维护，目前 GitHub 星标数超过 5100 个，Fork 数达 585，活跃 Issues 44 个，显示出一个健康活跃的开源生态。
与纯研究性质的 Agent 框架不同，OpenAgent 从一开始就走产品化路线：提供即装即用的 Web UI、内置知识库管理、支持 30 余家模型提供商，目标用户是需要私有化 AI 能力的个人开发者、中小型团队和企业。你可以把它理解为：AI 时代的"私人助理操作系统"。
OpenAgent 的架构设计值得深入了解，它并不是一个简单的 LLM 封装，而是一个多层次的能力平台：
图2：OpenAgent 系统架构图
后端采用 Go 1.25 编写，选型 Beego Web 框架，这是一个成熟的 MVC 框架，提供了路由、ORM（gorm）、Session 管理（支持 Redis）、日志等开箱即用的组件，开发者无需从零搭建 Web 基础设施。
Go 语言的选择体现了项目对性能和跨平台的追求。相比 Python，Go 的并发模型更适合高并发的 API 服务；相比 Node.js，Go 在长时间运行的 Agent 循环中内存占用更稳定。
关键 Go 依赖一览：
前端构建在 web/ 目录下，使用 Node.js 22 + Yarn + React，构建产物通过 Go 的 embed 机制直接打包进二进制文件。这意味着安装包只有一个文件，用户无需分别安装前端和后端。
使用 MySQL 8.0 作为主数据库（docker-compose 中默认配置），存储用户数据、知识库索引、Agent 会话记录、工作流配置等。数据库连接通过环境变量可灵活配置。
最有特色的设计之一是 embed.go——通过 Go 1.16+ 的 //go:embed 指令，将前端构建产物、配置文件、OCR 服务、PPTX Worker 等全部打包进单一可执行文件。
//go:embed web/build/static/css/*.css
//go:embed web/build/static/js/*.js
var _embeddedWeb embed.FS
这样用户只需要下载一个二进制文件，双击运行，无需安装任何依赖。这在企业内网部署场景下极大降低了运维复杂度。
Agent 循环是 OpenAgent 的核心。项目支持多种 Agent 能力：
浏览器操控（Browser-Use）：通过 chromedp 驱动无头 Chrome，Agent 可以自主导航网页、点击按钮、填写表单、抓取内容并截图。这比简单的 HTTP 请求爬虫更强大，因为它能处理 JavaScript 动态渲染的页面。
Shell 执行：Agent 可以在对话中直接运行 Shell 命令，比如"帮我编译项目"、"查看服务器状态"，这对于开发运维场景非常实用。
MCP 集成：项目原生支持 Model Context Protocol（MCP），可以接入任何兼容 MCP 的工具服务器（支持 SSE / Stdio / StreamableHTTP 三种传输方式）。这意味着 OpenAgent 的工具集是可以无限扩展的——任何第三方 MCP 工具都可以即插即用。
OpenAgent 内置完整的 RAG 流程：
文档导入：支持 PDF、Word、Excel 等格式，通过 OCR 服务（ocr-service）处理扫描件。
语义检索：支持 OpenAI、Azure、Gemini、通义千问、Cohere、Jina、HuggingFace 等多种嵌入模型，每次 LLM 响应前从知识库检索最相关的段落注入上下文。
独立知识库：用户可以创建多个知识库，按对话或应用分别分配，实现知识的逻辑隔离。
内置 Word、Excel、PowerPoint 文件读写能力，通过 gooxml 和 go-cosyvoice（PPT）库实现。这让 Agent 不仅能"读"文档，还能"写"文档——比如"帮我把这份数据生成一份周报 PPT"。
提供类 BPMN 风格的可视化工作流编辑器，支持条件分支、并行执行、任务调度等高级编排能力。这使 OpenAgent 不仅仅是一个对话工具，更是一个自动化流程平台。
图3：使用量统计面板 — 按应用、用户和模型追踪 Token 消耗与费用
图4：活动监控 — 实时系统操作，成功/错误率与趋势分析
图5：工具管理 — Agent 所有工具的集中管理界面
图6：请求日志 — 完整的请求/响应内容，支持 JSON 格式化与过滤
根据 README 的说明，OpenAgent 提供了三种部署方式：
方式一：预编译二进制（推荐） macOS / Linux 一行命令：
curl -fsSL https://raw.githubusercontent.com/the-open-agent/openagent/master/scripts/install.sh | bash
Windows PowerShell：
irm https://raw.githubusercontent.com/the-open-agent/openagent/master/scripts/install.ps1 | iex
运行后自动在 14000 端口启动，直接打开浏览器即可使用。
方式二：Docker Compose（一键启动）
docker-compose up
自动启动 OpenAgent 服务 + MySQL 数据库，打开 http://localhost:14000 即可访问完整 Web UI。
方式三：从源码构建
go build # 后端
cd web && yarn install && yarn start # 前端
硬件需求方面，不需要 GPU，纯 CPU 运行即可，对 RAM 和磁盘要求都很低（各 1GB），非常适合在普通开发机或小型服务器上部署。
OpenAgent 支持的 LLM 提供商覆盖范围极广：
| 类型 | 提供商 |
|---|---|
| 国际主流 | OpenAI GPT-4、Anthropic Claude、Google Gemini、Cohere |
| 国内大厂 | 通义千问（阿里）、豆包（字节）、DeepSeek、文心一言（百度）、智谱 ChatGLM、讯飞星火、百川、Moonshot（Kimi） |
| 开源生态 | HuggingFace、Ollama（本地模型）、AWS Bedrock |
| 其他 | Azure OpenAI、DeepSeek、OpenRouter、Mistral、Grok |
用户可以在对话中随时切换模型，所有配置通过 Web UI 或 API 完成，无需修改代码。这种灵活性在需要兼顾成本与效果的场景下非常实用。
没有任何项目是完美的，OpenAgent 也有其局限性：
1. MySQL 依赖：虽然二进制可以自包含，但数据持久化仍依赖 MySQL，这增加了部署复杂度。对于只需要单用户场景的用户，SQLite 可能是更轻量的选择。
2. 浏览器操控的稳定性：chromedp 驱动的无头浏览器在处理复杂 SPA（单页应用）时可能出现超时或元素定位失败，需要额外的容错处理。
3. 文档相对较少：相比 langchain 等成熟框架，OpenAgent 的社区生态和第三方插件还处于早期阶段，高级用法主要依赖阅读源码。
4. 企业特性缺失：虽然支持多租户和 SSO，但缺少细粒度的审计合规（如 SOC2、GDPR 相关功能），对于有严格合规要求的企业可能不够。
OpenAgent 的出现体现了 2023-2024 年 AI Agent 领域的一个核心趋势：从"能聊天"到"能做事"的跨越。Browser-Use、Computer-Use 等能力的成熟，让 AI Agent 不再只是回答问题，而是能够真实地操控数字环境。
同时，OpenAgent 坚持开源 + 自托管的路线，与 OpenAI 等闭源平台形成鲜明对比。在数据隐私日益受到关注的背景下，能够完全本地部署、无数据外传的 AI 助手平台具有独特的市场价值。
根据 GitHub 数据显示，项目最近一次提交为 2026 年 5 月 31 日，保持着高度活跃的维护状态，Apache-2.0 许可证也允许商业使用。这些信号都表明 OpenAgent 是一个值得长期关注的开源项目。
总结：如果你需要的是一个功能完整、支持私有部署、覆盖 Agent+RAG+工作流全链路的开源 AI 助手平台，OpenAgent 是目前同类项目中星标最高、社区最活跃的选择之一。无论是个人用作智能助手，还是团队用来管理内部知识库，都能找到合适的切入点。