项目简介
agentchat 是一个前后端分离的智能体应用平台。你可以连接模型服务,为智能体绑定工具、Skill、MCP 和知识库,在会话中使用这些能力,也可以通过 Mars 发起搜索、研究和报告任务,查看执行过程与结果。
Power your agent
पब्लिशर का इंस्टॉल। PlugMCP एंडपॉइंट नहीं।
Host a copy with our keys and logs.
रजिस्ट्री में अभी कोई पैकेज्ड रिलीज़ नहीं है। रिपॉज़िटरी का README देखें.
रिमोट URL या आपकी मशीन पर कमांड? दोनों इंस्टॉल में क्या अंतर है
PlugMCP पर चलाएँ
A new server you create. It is not this listing's official endpoint. Use the publisher install when you want their URL and their credentials.
लॉन्चपब्लिशर से
agentchat 是一个前后端分离的智能体应用平台。你可以连接模型服务,为智能体绑定工具、Skill、MCP 和知识库,在会话中使用这些能力,也可以通过 Mars 发起搜索、研究和报告任务,查看执行过程与结果。
AgentChat 是一个基于 LLM 的智能体交流平台,内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作,Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术,实现高效的知识检索与工具调用,使用 FastAPI 构建高性能后端服务。
首次运行可以使用 SQLite、内存缓存、本地文件和 Chroma,无需额外部署 MySQL、Redis、MinIO 或 Milvus。需要外部数据库、缓存或对象存储时,再切换对应配置。

模型服务和外部工具各自有配置要求。基础聊天可先配置一个对话模型;知识库需要可用的向量模型,部分工具还需要单独的 API Key。
本轮变化包括界面与品牌更新、会话改造、用户资源隔离、AG-UI、Token 统计、统一日志和 GitHub CI,完整记录见 更新日志。
在探索页输入一个目标,查看任务执行过程与完整报告:
中国四大古都的影响力对比,给我做一份这四个城市的旅游攻略。
从探索页发起任务,查看深度搜索、资料整理与报告生成的完整流程。演示视频经过剪辑,仅展示应用内容。
查看模型调用、Token 用量、七日趋势与最近活动。

以六家厂商各一款模型展示名称、厂商图标及接口配置;show_model 与实际请求的模型标识分别管理。



deepseek-flash 作为示例。以下从 main 主分支获取代码。在开始之前,确认终端中 uv --version 和 node --version 可执行。
git clone --branch main https://github.com/Shy2593666979/AgentChat.git
cd AgentChat/src/backend
uv sync --locked --python 3.12
Windows PowerShell:
Copy-Item agentchat/config.simple.yaml agentchat/config.local.simple.yaml
Linux / macOS:
cp agentchat/config.simple.yaml agentchat/config.local.simple.yaml
编辑 src/backend/agentchat/config.local.simple.yaml 中的对话模型:
multi_models:
chat_model:
api_key: "填写你的 DeepSeek API Key"
base_url: "https://api.deepseek.com"
model_name: "deepseek-flash"
这里展示的是需要编辑的片段,文件中的其他设置保留。config.local*.yaml 已被 Git 忽略。DeepSeek 示例用于对话;知识库的向量和重排模型需要另行配置,不能直接复用 DeepSeek Key,见 模型配置说明。
仍在 src/backend 目录执行,并保持终端运行。
Windows PowerShell:
$env:AGENTCHAT_CONFIG = "agentchat/config.local.simple.yaml"
uv run --locked uvicorn agentchat.main:app --host 127.0.0.1 --port 7860
Linux / macOS:
export AGENTCHAT_CONFIG=agentchat/config.local.simple.yaml
uv run --locked uvicorn agentchat.main:app --host 127.0.0.1 --port 7860
打开 健康检查,应返回 {"status":"OK"};接口文档位于 Swagger UI。这表示服务已启动,模型是否可调用还需要发送消息验证。
另开一个终端,从项目根目录执行:
cd src/frontend
npm ci
npm run dev -- --host 127.0.0.1 --port 8090 --strictPort
访问 http://127.0.0.1:8090。前端开发服务器通过 /api 代理访问本机 7860 端口的后端。
后端地址不同时,在 src/frontend/.env.local 中设置 VITE_API_BASE_URL=http://后端地址:端口,然后重启前端。后端端口、启动参数与本地文件的访问地址也应保持一致,详见 简易配置指南。
chat_model 用于系统默认模型;在模型服务页添加的模型可供智能体选择。展示名称与实际调用标识分别填写,真实调用以服务商要求的标识为准。配置加载优先级为:代码显式传入路径 → AGENTCHAT_CONFIG → agentchat/config.local.yaml → agentchat/config.yaml。config.local.simple.yaml 需要通过环境变量指定,修改后重启后端。
已有的 Docker 文件 使用 MySQL、Redis、MinIO 和前端开发服务器的组合,与上述轻量本地方案不同。容器部署需要单独核对容器地址、配置与持久化目录;本次文档更新没有完成这套容器方案的运行验证。
后端,在 src/backend 执行:
uv sync --locked --group dev
uv run --locked pytest tests -q
前端,在 src/frontend 执行:
npm ci
npm run lint
npm run build
node --test tests/mars-task.test.cjs
安装前端依赖后,后端测试还会校验 Python AG-UI 事件与前端解析器的配合。需要外部服务的手动脚本放在 src/backend/tests/manual,默认不收集。
GitHub CI 在推送 main、提交 PR 或手动触发时运行后端测试及前端类型检查、构建。它使用临时数据库和测试配置,无需真实模型密钥。npm run build 生成前端静态文件,不会自动部署应用。
本项目采用 MIT License。
让更多的人发现这个项目,一起构建AI的未来!
Made with ❤ by the AgentChat Author MingGuang Tian
AgentChat 是一个基于 LLM 的智能体交流平台,内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作,Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术,实现高效的知识检索与工具调用,使用 FastAPI 构建
ओवरव्यू
AgentChat 是一个基于 LLM 的智能体交流平台,内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作,Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术,实现高效的知识检索与工具调用,使用 FastAPI 构建高性能后端服务。
टूल
अभी टूल सूची नहीं है। रिमोट सर्वर को पहले हेल्थ चेक के बाद सूची मिलती है।
FAQ
इस पेज पर Cursor, Claude Desktop, Claude Code या VS Code के लिए stdio कॉन्फ़िग कॉपी करें। यह पब्लिशर का इंस्टॉल इस्तेमाल करता है, PlugMCP प्रॉक्सी नहीं।
इस रिकॉर्ड में कोई ज़रूरी एनवायरनमेंट वेरिएबल दर्ज नहीं है।
AgentChat stdio पर लोकल चलता है।
पिछली जाँच 2026-10-26 को हुई। AgentChat 是一个基于 LLM 的智能体交流平台,内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作,Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术,实现高效的知识检索与工具调用,使用 FastAPI 构建高性能后端服务。