这是一个运行在企业自有基础设施中的 AI 助手与代理平台，用于解决如何把 AI 代理接入公司环境，并对其进行权限控制、行为治理和审计记录的问题。

它是什么

这个项目提供一个可自托管的 AI 代理工作台。它可以让不同的 AI 代理以“同事”的形式进入工作流程，拥有自己的频道、浏览器环境和文件空间，同时所有操作都要经过统一网关判断并留下审计记录。

它不是一个托管服务，而是一个可以被克隆、改造并纳入公司内部体系的模板型项目。项目仍处于早期 Beta 阶段，适合愿意自行部署和定制的团队。

主要功能与特性

• 运行在自有基础设施中
• 通过 Docker Compose 启动各个组件。
• 数据存储在 PostgreSQL 中。

• 模型由管理员自行配置密钥，密钥加密存储，且不会被记录到日志中。

• AI 代理以“同事”形式工作

• 初始包含两个配置型同事：
  • General Assistant：用于日常工作。
  • Knowledge：用于公司知识问答。
• 配置对应 endpoint 后，可以加入 Risk Analyst。

• 示例目录中还有更多单一职责代理，例如处理报销、整理会议纪要、生成发布说明、工单分类、入职问答等。

• 支持通过 AG-UI 接入代理

• 任何符合 AG-UI 协议的 endpoint 都可以成为 Bot。
• 不绑定特定框架，代理可以由框架生成，也可以手写实现。

• 治理逻辑作用在协议层，而不是绑定某个具体代理框架。

• 每个代理都有受控的执行环境

• 每个同事可以获得自己的容器、文件夹和浏览器 profile。
• Bot 可以在自己的工作空间中运行命令、安装依赖、处理文件。

• 所有动作都要经过统一网关，规则可以拒绝 shell 命令或特定命令。

• 统一网关与审计记录

• Bot 对浏览器、文件、MCP 服务器或组件的操作，都会经过同一个网关。
• 网关会先解析目标、评估策略、写入审计记录，然后再执行操作。

• 不存在没有审计记录就直接执行的路径。

• 策略控制采用失败关闭设计

• 规则可以检查工具名、意图、Bot ID、用户 ID、页面 URL、页面 host、元素、命令、文件、MCP 信息和发起者信息。
• 拒绝规则会先于允许规则评估。
• 如果缺少策略，则默认不放行。

• 如果规则损坏，系统会拒绝执行，而不是开放执行。

• 支持人工接管

• 当 Bot 遇到登录墙或二次验证时，可以请求人工帮助。
• 控制权可以在同一界面中移交。
• 接管过程会被记录。

• 人工操作期间，Bot 的动作会被拒绝，而不是排队等待。

• 支持组件化回复

• Bot 不只输出文字，也可以使用 React 组件回复。
• 组件可以发布、授权，并控制哪些 Bot 可以使用。

• 支持在沙箱环境中编写和发布组件。

• 受治理的 MCP 与技能

• 内置目录包含 Google Drive、Notion，以及 Parallel、Exa、Firecrawl 等公开网络研究服务。
• 可通过 Composio 连接更多应用。
• 自定义 MCP 服务器需要通过 URL 检查。
• 未知工具和自定义服务器工具默认按写操作处理。

• 技能分为个人技能和部署技能，并通过 / 在对话中调用。

• 企业登录与人员管理

• 支持 Google、Microsoft、Okta 登录。
• 支持公司注册自己的 SAML 或 OpenID Connect 提供商。
• 可以查看已登录人员，提升或降低角色，移除访问权限。

• 默认配置中包含单用户管理员模式，方便本地首次启动；对外开放前需要配置真实登录。

• 可读取的审计轨迹

• 可以查看哪些操作被允许、被拒绝或失败。
• 每次拒绝都会记录触发它的规则。

• 密钥不会进入对话记录，审计中只记录请求和长度，不记录内容。

• 定时任务

• 可以让 Bot 按计划执行任务。
• 定时任务有最低 15 分钟间隔限制。
• 最多启用 20 个定时任务。
• 连续失败 10 次后会自动关闭，避免持续消耗模型资源。

安装和使用示例

运行前需要准备：

• Docker
• Bun 1.4+
• CopilotKit Intelligence 项目和许可，免费计划可用，也支持自托管
• 模型密钥。示例 Bot 使用 OpenAI；LangGraph Bot 可使用 OpenAI、Anthropic 或 Google

本地快速开始：

cp .env.example .env
bun install

连接托管 Intelligence 项目：

npx --yes copilotkit@latest login
npx --yes copilotkit@latest project select
bun scripts/setup-learning.ts

填写剩余必填值，例如：

OPENAI_API_KEY

如果需要生成自己的 KEY_ENCRYPTION_KEY，可以执行：

openssl rand -base64 32

启动：

bash scripts/start.sh

启动脚本会拉起 Docker 服务、执行数据库迁移、启动 API 服务、启动例行任务 worker、启动前端应用，并检查服务健康状态。

也可以直接使用镜像运行：

docker run -p 3001:3001 --env-file .env \
-e EMBEDDED_POSTGRES=on -v openbot-data:/var/lib/postgresql \
ghcr.io/copilotkit/openbot:latest

简单体验方式包括：

• 打开 /bot，输入：

Open news.ycombinator.com and tell me the top story.

• 让 Bot 填写一个表单，然后到 /admin/audit 查看审计记录。
• 打开 /admin/boundaries，添加一条拒绝规则或预设，然后重新尝试同一个浏览器动作。
• 从 /bots 创建一个 Bot，为它设置长期角色，并开启一个频道。

适合哪些场景和用户

这个项目适合希望把 AI 代理放进公司内部环境，并且需要控制、审计和边界管理的团队。

适合的场景包括：

• 企业希望在自己的基础设施中运行 AI 助手。
• 需要给不同员工或团队分配不同 AI 同事。
• 需要让 AI 操作浏览器、文件、内部工具，但必须有审批和审计。
• 需要接入已有 AG-UI 代理，并统一展示和管理。
• 希望构建内部知识问答、办公自动化、工单处理、会议跟进、材料整理等代理工作流。
• 需要在真实使用前配置边界规则，避免 AI 执行不该执行的操作。

目标用户主要包括：

• 企业内部平台团队。
• 负责 AI 工具落地的工程师。
• 需要管理 AI 权限和审计的管理员。
• 想基于模板二次开发自有 AI 工作台的开发者。
• 对 Docker、环境变量、API 密钥和基础服务部署有一定了解的技术团队。

如果只是想找一个注册即用的托管聊天机器人，这个项目并不适合。它更强调自持、可控、可配置和可审计。

总结

整体来看，这是一个强调自主控制、边界治理和操作审计的 AI 代理平台。它把 AI 代理放在企业自己的基础设施中运行，并通过统一网关、策略规则、审计记录和人工接管机制，让代理行为变得可管理。

它的定位是模板，而不是开箱即用的托管产品。项目仍处于 Beta 阶段，适合愿意克隆代码、配置环境并持续改造的团队。对于希望把 AI 代理纳入公司登录体系、权限边界和审计流程的组织来说，它提供了一个清晰的起点。