compose-for-agents入门教程：5分钟部署你的第一个多智能体协作应用

【免费下载链接】compose-for-agents Build and run AI agents using Docker Compose. A collection of ready-to-use examples for orchestrating open-source LLMs, tools, and agent runtimes. 项目地址: https://gitcode.com/gh_mirrors/co/compose-for-agents

想要快速搭建一个多智能体AI应用却苦于复杂的配置？compose-for-agents项目为你提供了一套完整的解决方案！这个开源项目基于Docker Compose编排技术，让你能够在几分钟内部署功能强大的AI智能体系统。无论是事实核查、市场营销策略制定，还是SQL查询分析，compose-for-agents都为你准备了现成的示例，让你轻松体验多智能体协作的魅力。

🚀 快速开始：5分钟部署你的第一个AI智能体

准备工作：环境配置

在开始之前，你需要确保系统满足以下基本要求：

1. 安装Docker Desktop 4.43.0+ 或 Docker Engine
2. 准备GPU环境（可选，用于本地运行开源模型）
3. 安装Docker Compose 2.38.1+

如果你没有GPU，也可以使用Docker Offload功能在云端运行模型。

选择你的第一个智能体示例

compose-for-agents项目提供了多个现成的智能体示例，每个都专注于不同的应用场景：

• A2A多智能体事实核查系统 - 验证信息的真实性
• CrewAI市场营销团队 - 自动制定营销策略
• LangGraph SQL智能体 - 自然语言查询数据库
• Agno GitHub问题总结 - 自动分析GitHub issue

A2A多智能体事实核查系统演示：审计员协调批评家和修订者共同验证事实

第一步：克隆项目仓库

打开终端，执行以下命令获取项目代码：

git clone https://gitcode.com/gh_mirrors/co/compose-for-agents
cd compose-for-agents

第二步：运行最简单的示例

让我们从LangGraph SQL智能体开始，这是最直观的入门示例：

cd langgraph
docker compose up

就是这么简单！🎉 系统会自动启动所有必要的服务，包括：

• PostgreSQL数据库服务
• AI模型推理服务
• LangGraph智能体服务

等待几分钟后，你就能看到一个完全运行的多智能体系统！

第三步：与智能体交互

智能体启动后，你可以通过自然语言查询数据库。系统预装了Chinook音乐商店数据库，你可以尝试询问：

• "2010年谁是最佳销售代理？"
• "列出销量前3的专辑"
• "有多少客户来自巴西？"

LangGraph SQL智能体演示：通过自然语言查询数据库

🛠️ 核心架构解析

Docker Compose编排的威力

compose-for-agents的核心优势在于使用Docker Compose进行服务编排。每个示例都包含一个精心设计的compose.yaml文件，定义了完整的服务依赖关系：

services:
  postgres:
    image: postgres:16-alpine
    environment:
      POSTGRES_PASSWORD: postgres
    volumes:
      - ./Chinook.db:/docker-entrypoint-initdb.d/Chinook.db
  
  agent:
    build: .
    depends_on:
      - postgres
    environment:
      DATABASE_URL: postgresql://postgres:postgres@postgres:5432/postgres

多智能体协作模式

不同的智能体示例展示了不同的协作模式：

A2A事实核查系统采用三层架构：

1. 🧑‍⚖️ 审计员 - 协调整个验证流程
2. 🧠 批评家 - 通过DuckDuckGo搜索收集证据
3. ✍️ 修订者 - 基于内部推理完善结论

CrewAI市场营销团队则模拟真实的市场部门：

1. 🧠 首席市场分析师 - 深入市场研究
2. 🎯 首席营销策略师 - 制定完整营销策略
3. ✍️ 创意内容创作者 - 撰写广告文案
4. 👑 首席创意总监 - 审核所有输出质量

CrewAI市场营销团队演示：虚拟团队协作制定营销策略

🔧 高级配置选项

本地模型 vs OpenAI API

compose-for-agents支持两种推理方式：

使用本地模型（默认）：

docker compose up --build

使用OpenAI API：

# 1. 创建API密钥文件
echo "sk-..." > secret.openai-api-key

# 2. 启动OpenAI配置
docker compose -f compose.yaml -f compose.openai.yaml up

自定义智能体行为

每个示例都提供了灵活的配置选项。以CrewAI市场营销团队为例，你可以修改src/marketing_posts/config/input.yaml来自定义输入参数：

customer: "你的公司名称"
project: "你的项目描述"

更换数据库和数据集

对于SQL智能体示例，你可以轻松更换数据库：

1. 将你的SQLite数据库文件替换Chinook.db
2. 更新compose.yaml中的挂载路径
3. 重新启动服务

📊 智能体示例对比

示例名称	智能体类型	核心功能	适用场景
A2A事实核查	多智能体协作	信息验证、证据收集	内容审核、事实检查
CrewAI营销团队	多智能体工作流	市场分析、策略制定	市场营销、内容创作
LangGraph SQL	单智能体	自然语言数据库查询	数据分析、业务智能
Agno GitHub分析	多智能体	Issue总结、代码审查	开发协作、项目管理

ADK多智能体演示：使用Google ADK框架构建的智能体系统

🚨 常见问题解决

问题1：GPU支持问题

如果遇到GPU相关错误，可以：

1. 检查Docker Model Runner要求
2. 使用docker compose -f compose.dmr.yaml up运行本地模型
3. 或者切换到OpenAI API模式

问题2：端口冲突

如果8080端口被占用，可以在compose.yaml中修改端口映射：

ports:
  - "8081:8080"  # 改为其他端口

问题3：内存不足

对于较大的模型，建议：

1. 增加Docker内存分配
2. 使用Docker Offload功能
3. 选择较小的模型配置

🧹 清理和维护

完成测试后，使用以下命令清理环境：

docker compose down -v

这会停止并删除所有容器和卷，释放系统资源。

🎯 最佳实践建议

1. 从简单示例开始

建议新手从langgraph示例开始，这是最直观的入门选择。

2. 逐步增加复杂度

掌握基本用法后，可以尝试A2A多智能体协作示例，了解智能体间的交互机制。

3. 自定义开发

参考现有示例的结构，在plugins/ai/目录下创建自己的智能体模块。

4. 监控和调试

使用Docker Compose的日志功能监控智能体运行状态：

docker compose logs -f

🌟 扩展你的智能体应用

compose-for-agents不仅提供了现成的示例，还为你搭建了自己的智能体应用奠定了基础：

添加新的工具集成

通过MCP（Model Context Protocol）可以轻松集成各种外部工具：

• 搜索引擎（DuckDuckGo、Brave）
• 数据库（PostgreSQL、MongoDB）
• API服务（GitHub、天气、地图）

创建自定义工作流

参考官方文档中的架构指南，设计符合你业务需求的智能体工作流。

性能优化技巧

1. 缓存策略：为频繁查询添加缓存层
2. 并行处理：优化多智能体协作效率
3. 资源管理：合理分配GPU和内存资源

Agno智能体的GitHub权限管理界面

📈 未来发展方向

compose-for-agents项目正在快速发展，未来计划包括：

1. 更多智能体框架支持 - 集成更多流行的AI框架
2. 可视化监控界面 - 实时查看智能体运行状态
3. 云端部署优化 - 简化云环境部署流程
4. 模型市场集成 - 一键切换不同AI模型

💡 总结

compose-for-agents为你提供了一个快速搭建多智能体AI应用的完整解决方案。通过Docker Compose的编排能力，你可以在几分钟内部署复杂的智能体系统，无需担心环境配置和依赖管理。

无论你是AI开发者、数据科学家，还是想要体验最新AI技术的爱好者，这个项目都能帮助你快速上手多智能体协作开发。从今天开始，用compose-for-agents构建你的第一个智能体应用吧！🚀

记住：最好的学习方式就是动手实践。选择一个你感兴趣的示例，运行它，修改它，最终创建属于你自己的智能体系统！

【免费下载链接】compose-for-agents Build and run AI agents using Docker Compose. A collection of ready-to-use examples for orchestrating open-source LLMs, tools, and agent runtimes. 项目地址: https://gitcode.com/gh_mirrors/co/compose-for-agents