🚀 AgentFlow-Launcher

Build & Deploy LLM Agents, Workflows, and Skills — from Config to Cloud in Minutes

YAML-driven Agent, Workflow & Skill builder with multi-provider LLM support
FastAPI REST API • Web Console • Desktop Launcher • One-click Deploy

📖 目录

核心亮点
架构概览
快速开始
使用示例
配置大模型
桌面端部署
网页端与公网接口
项目结构
API 文档
测试
Roadmap
License

✨ 核心亮点

🤖 Agent / Workflow / Skill 三合一 Agent: 定义角色、工具、记忆、输入输出 Schema Workflow: 多步骤编排，步骤间传递上下文 Skill: 可复用的 Prompt 模板模块全部通过 YAML 配置文件定义	🔌 多模型 Provider 适配 OpenAI / DeepSeek / Qwen / Ollama 统一接口，切换 Provider 只需修改一行配置 Mock Provider 可离线运行，无需任何 API Key 自动降级：API 不可用时回退到 Mock 模式
🌐 Web API + Swagger 文档 FastAPI 高性能 REST API 自动生成的 Swagger UI 文档 (`/docs`) Pydantic 请求/响应验证 CORS 支持，可被任何前端调用	🖥️ 跨平台桌面启动 Windows: `.bat` 启动脚本 + `.ps1` 桌面快捷方式 macOS: `.command` 脚本 + Dock 集成 Linux: `.sh` 脚本 + `.desktop` 应用菜单一键启动服务并自动打开浏览器


🎨 Web 控制台	深色科技风 UI，蓝紫渐变，卡片式布局，适合截图展示
🌍 公网域名暴露	支持 Cloudflare Tunnel / Ngrok / LocalTunnel 三种方案
📦 一键打包发布	`package_release.py` 自动排除敏感文件和构建产物
✅ 无 Key 也能跑	Mock Provider 完全离线，无需任何 API 费用

🏗 架构概览

用户输入 → Web Console / curl / 桌面快捷方式
                ↓
        FastAPI REST API (:8000)
                ↓
    ┌───────────────────────────┐
    │  Agent  │ Workflow │ Skill │  ← YAML 驱动
    └───────────────────────────┘
                ↓
    ┌───────────────────────────┐
    │ OpenAI │ DeepSeek │ Qwen  │  ← Provider 适配层
    │ Ollama │ Mock (离线)       │
    └───────────────────────────┘

Workflow 执行流程

每个 Workflow Step 的输出自动注入后续 Step 的上下文，实现多步骤编排。

🚀 快速开始

前提条件

Python 3.10+
Git

1. 克隆项目

git clone https://github.com/Laityperfect7/AgentFlow-Launcher.git
# Gitee 镜像: https://gitee.com/GM0531/agent-flow-launcher.git
cd AgentFlow-Launcher

2. 一键安装

Windows (PowerShell):

powershell -ExecutionPolicy Bypass -File scripts/setup_windows.ps1

macOS / Linux:

bash scripts/setup_unix.sh

3. 配置环境（可选）

# 已自动从 .env.example 复制，如需修改：
# 编辑 .env，填入 API Key（Mock 模式无需配置）

4. 运行 Demo

python scripts/run_demo.py

输出示例：

============================================================
  AgentFlow-Launcher — Demo Runner
  Mode: MOCK (offline)
============================================================

[1/3] Running Agent: demo_research_agent
  ✓ Success (type=agent, name=demo_research_agent)

[2/3] Running Workflow: content_pipeline
  ✓ Success (type=workflow, name=content_pipeline)

[3/3] Running Skill: text_summarizer
  ✓ Success (type=skill, name=text_summarizer)

Demo Complete: 3/3 successful

5. 启动 Web 服务

python scripts/run_server.py

访问：

🖥️ Web 控制台: http://127.0.0.1:8000/console
📖 API 文档: http://127.0.0.1:8000/docs
🔍 健康检查: http://127.0.0.1:8000/health

📝 使用示例

定义 Agent

创建 agents/my_agent.yaml:

name: my_agent
description: 我的自定义 Agent
model_provider: mock          # 或 openai / deepseek / qwen / ollama
model_name: mock-model
system_prompt: >
  你是一个专业的助手。请用中文回答，并提供结构化输出。

temperature: 0.7
max_tokens: 2048

tools:
  - name: search
    description: 搜索互联网信息

memory:
  type: buffer
  max_tokens: 4096

运行 Agent (curl)

curl -X POST http://127.0.0.1:8000/api/agents/demo_research_agent/run \
  -H "Content-Type: application/json" \
  -d '{"input": "AI 大模型应用开发趋势"}'

响应:

{
  "success": true,
  "type": "agent",
  "name": "demo_research_agent",
  "input": "AI 大模型应用开发趋势",
  "output": {
    "background": "## Background\n\n...",
    "key_points": [...],
    "action_steps": [...],
    "risks": [...],
    "next_steps": [...]
  },
  "metadata": {
    "model_provider": "mock",
    "model_name": "mock-model"
  },
  "error": null
}

运行 Workflow

curl -X POST http://127.0.0.1:8000/api/workflows/content_pipeline/run \
  -H "Content-Type: application/json" \
  -d '{"input": "AI 编程助手开发指南"}'

运行 Skill

curl -X POST http://127.0.0.1:8000/api/skills/text_summarizer/run \
  -H "Content-Type: application/json" \
  -d '{"input": "需要被总结的长文本内容..."}'

⚙️ 配置大模型

支持的大模型 Provider

Provider	模型示例	API Key 环境变量	获取地址
Mock	mock-model	无需	离线可用
OpenAI	gpt-4o, gpt-4o-mini	`OPENAI_API_KEY`	platform.openai.com
DeepSeek	deepseek-chat	`DEEPSEEK_API_KEY`	platform.deepseek.com
Qwen	qwen-plus, qwen-max	`QWEN_API_KEY`	dashscope.console.aliyun.com
Ollama	llama3, qwen2.5, ...	无需	ollama.com (本地)

切换 Provider

只需在 YAML 配置文件中修改一行：

# 使用 Mock（离线调试）
model_provider: mock

# 使用 OpenAI
model_provider: openai
model_name: gpt-4o-mini

# 使用 DeepSeek
model_provider: deepseek
model_name: deepseek-chat

# 使用通义千问
model_provider: qwen
model_name: qwen-plus

# 使用本地 Ollama
model_provider: ollama
model_name: llama3

然后在 .env 中填入对应的 API Key 即可。

🖥️ 桌面端部署

Windows

操作	命令
一键启动	双击 `desktop/windows/start_agentflow.bat`
创建快捷方式	`powershell -File desktop/windows/create_shortcut.ps1`

macOS

操作	命令
赋予权限	`chmod +x desktop/macos/start_agentflow.command`
一键启动	双击 `start_agentflow.command`
放入 Dock	拖入 Dock 右侧

Linux

操作	命令
赋予权限	`chmod +x desktop/linux/start_agentflow.sh`
一键启动	`bash desktop/linux/start_agentflow.sh`
应用菜单	复制 `.desktop` 到 `~/.local/share/applications/`

🌍 网页端与公网接口

Web 控制台

启动服务后访问: http://127.0.0.1:8000/console

功能：

选择运行类型（Agent / Workflow / Skill）
下拉选择具体模块
输入用户内容
点击 Run 查看 JSON 输出

临时公网暴露

方案	工具	安装	命令
A	Cloudflare Tunnel	`winget install cloudflared`	`cloudflared tunnel --url http://127.0.0.1:8000`
B	Ngrok	`winget install ngrok`	`ngrok http 8000`
C	LocalTunnel	`npm i -g localtunnel`	`lt --port 8000`

启动隧道后会获得类似以下的公网地址（每次启动不同，此为示例）：

https://xxxx.trycloudflare.com
https://xxxx.ngrok-free.app
https://xxxx.loca.lt

📖 详细文档：Cloudflare Tunnel | Ngrok | LocalTunnel

📁 项目结构

AgentFlow-Launcher/
├── README.md                           # 项目文档（你正在看）
├── LICENSE                             # MIT License
├── requirements.txt                    # Python 依赖
├── pyproject.toml                      # 项目元数据
├── .gitignore                          # Git 忽略规则
├── .env.example                        # 环境变量模板
│
├── agentflow/                          # 核心 Python 包
│   ├── core/
│   │   ├── agent.py                    # Agent 执行引擎
│   │   ├── workflow.py                 # Workflow 编排引擎
│   │   ├── skill.py                    # Skill 执行引擎
│   │   ├── loader.py                   # YAML 配置加载器
│   │   └── schemas.py                  # Pydantic 数据模型
│   ├── providers/
│   │   ├── base.py                     # Provider 抽象基类
│   │   ├── mock_provider.py            # Mock 离线 Provider ★
│   │   ├── openai_provider.py          # OpenAI 适配器
│   │   ├── deepseek_provider.py        # DeepSeek 适配器
│   │   ├── qwen_provider.py            # Qwen 适配器
│   │   └── ollama_provider.py          # Ollama 适配器
│   └── utils/
│       ├── config.py                   # 环境变量读取
│       └── logging.py                  # 日志配置
│
├── agents/                             # Agent YAML 配置
│   └── demo_research_agent.yaml        # 演示研究助手 Agent
│
├── workflows/                          # Workflow YAML 配置
│   └── content_pipeline.yaml           # 5 步内容生成流水线
│
├── skills/                             # Skill YAML 配置
│   ├── text_summarizer.yaml            # 文本摘要
│   ├── code_explainer.yaml             # 代码解释
│   └── prompt_optimizer.yaml           # Prompt 优化
│
├── server/                             # FastAPI Web 服务
│   └── main.py                         # API 入口
│
├── web/                                # Web 控制台前端
│   ├── index.html                      # 主页面
│   ├── styles.css                      # 深色科技风样式
│   └── app.js                          # 交互逻辑
│
├── desktop/                            # 桌面部署脚本
│   ├── windows/                        # Windows .bat + .ps1
│   ├── macos/                          # macOS .command + 指南
│   └── linux/                          # Linux .sh + .desktop
│
├── deploy/                             # 部署文档
│   └── tunnel/                         # 隧道方案文档 + 示例脚本
│
├── docs/                               # 详细文档
│   ├── architecture.md                 # 架构文档
│   ├── provider_adapters.md            # Provider 适配指南
│   ├── desktop_deployment.md           # 桌面部署指南
│   ├── web_api_deployment.md           # Web API 部署指南
│   └── images/                         # 文档图片
│
├── scripts/                            # 工具脚本
│   ├── setup_windows.ps1               # Windows 一键安装
│   ├── setup_unix.sh                   # macOS/Linux 一键安装
│   ├── run_server.py                   # 启动 API 服务器
│   ├── run_demo.py                     # 运行完整 Demo
│   ├── validate_project.py             # 项目完整性验证
│   └── package_release.py              # 打包发布
│
├── tests/                              # 测试套件
│   ├── test_agent_loader.py
│   ├── test_workflow_runner.py
│   ├── test_skill_runner.py
│   └── test_api_health.py
│
└── outputs/                            # 运行时输出（gitignore）
    └── .gitkeep

📖 API 文档

启动服务器后访问自动生成的交互式文档：

Swagger UI: http://127.0.0.1:8000/docs
ReDoc: http://127.0.0.1:8000/redoc

完整 API 列表

方法	路径	说明
`GET`	`/`	项目信息与可用模块列表
`GET`	`/health`	健康检查
`GET`	`/api/agents`	获取所有可用 Agent
`POST`	`/api/agents/{name}/run`	运行指定 Agent
`GET`	`/api/workflows`	获取所有可用 Workflow
`POST`	`/api/workflows/{name}/run`	运行指定 Workflow
`GET`	`/api/skills`	获取所有可用 Skill
`POST`	`/api/skills/{name}/run`	运行指定 Skill

请求/响应格式

请求:

{
  "input": "用户输入文本",
  "params": {}
}

响应:

{
  "success": true,
  "type": "agent | workflow | skill",
  "name": "模块名称",
  "input": "用户原始输入",
  "output": "...",
  "metadata": {},
  "error": null
}

🧪 测试

# 运行所有测试
pytest

# 运行指定测试文件
pytest tests/test_agent_loader.py -v

# 验证项目结构完整性
python scripts/validate_project.py --verbose

Mock 模式测试

所有测试均在 Mock 模式下运行，无需 API Key，完全离线。

🗺 Roadmap

阶段	功能	状态
v1.0	Agent / Workflow / Skill 基础框架	✅ 已完成
v1.0	多 Provider 适配层	✅ 已完成
v1.0	FastAPI Web API + Swagger	✅ 已完成
v1.0	Web 控制台	✅ 已完成
v1.0	跨平台桌面脚本	✅ 已完成
v1.1	Docker 一键部署	🔲 计划中
v1.2	Electron 桌面应用	🔲 计划中
v1.3	LangChain / LangGraph Adapter	🔲 计划中
v1.4	AutoGen Adapter	🔲 计划中
v1.5	MCP Server 支持	🔲 计划中
v1.6	多 Agent 协作 (Multi-agent)	🔲 计划中
v1.7	浏览器自动化 (Playwright)	🔲 计划中
v2.0	一键云部署 (Vercel / Railway)	🔲 计划中
v2.1	可视化 Workflow 编辑器	🔲 计划中
v2.2	Agent 市场 / Skill 商店	🔲 计划中

🤝 贡献

欢迎提交 Issue 和 Pull Request！

Fork 本项目
创建特性分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add amazing feature')
推送到分支 (git push origin feature/amazing-feature)
创建 Pull Request

📄 License

本项目采用 MIT License。

⭐ Star History

如果这个项目对你有帮助，请给一个 Star ⭐

_{Built with ❤️ by AgentFlow Team | Powered by Python + FastAPI}

Name		Name	Last commit message	Last commit date
Latest commit History 2 Commits
agentflow		agentflow
agents		agents
deploy		deploy
desktop		desktop
docs		docs
scripts		scripts
server		server
skills		skills
tests		tests
web		web
workflows		workflows
.env.example		.env.example
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt

Folders and files

Latest commit

History

Repository files navigation

🚀 AgentFlow-Launcher

📖 目录

✨ 核心亮点

🤖 Agent / Workflow / Skill 三合一

🔌 多模型 Provider 适配

🌐 Web API + Swagger 文档

🖥️ 跨平台桌面启动

🏗 架构概览

Workflow 执行流程

🚀 快速开始

前提条件

1. 克隆项目

2. 一键安装

3. 配置环境（可选）

4. 运行 Demo

5. 启动 Web 服务

📝 使用示例

定义 Agent

运行 Agent (curl)

运行 Workflow

运行 Skill

⚙️ 配置大模型

支持的大模型 Provider

切换 Provider

🖥️ 桌面端部署

Windows

macOS

Linux

🌍 网页端与公网接口

Web 控制台

临时公网暴露

📁 项目结构

📖 API 文档

完整 API 列表

请求/响应格式

🧪 测试

Mock 模式测试

🗺 Roadmap

🤝 贡献

📄 License

⭐ Star History

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages