archestra

给企业 AI 套上护栏,统一管理模型与工具,安全落地

开源 🏷️定价信息待确认 ✅ 目前可打开 对话助手 🍴 复刻 1233 🐛 待处理 45 👀 关注 15
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 4436
维护状态 活跃
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

archestra 项目界面预览图
图片来源:项目官网

项目数据

分类对话助手
开发团队archestra-ai
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议NOASSERTION
主要语言TypeScript
技术栈/模型a2a,a2a-mcp,acp,agent,ai,chatgpt,chatgpt-api,claude,deepseek,gemini,k8s,mcp,mcp-client,mcp-gateway,mcp-host,mcp-server,mcp-servers,mcp-tools,openai,runtime
GitHub 星标★ 4436
上线时间2025-07-15 00:00:00
代码更新2026-11-09
仓库体积882.7 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数6

项目介绍

Archestra 是一个面向企业的 AI 平台,核心解决企业在生产环境中安全、可控地使用大模型的问题。它提供了一套完整的治理框架,包括护栏(guardrails)、MCP 注册中心、网关和编排器。平台支持多种主流大模型(如 ChatGPT、Claude、DeepSeek、Gemini),并深度集成 MCP 协议,实现工具和服务的统一接入与管理。通过网关层,企业可以统一管控 API 调用、实施安全策略、监控使用情况;编排器则支持复杂工作流的自动化。Archestra 还支持 Kubernetes 部署,适合云原生环境。其核心能力在于将 AI 能力企业化,确保合规、安全和效率,让团队能放心地将 AI 集成到业务中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4436

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:Docker 3 步

环境要求

  • 已安装 Docker(需能访问 Docker Hub)
  • 宿主机可挂载 /var/run/docker.sock(用于沙箱化代码执行等能力)
  • 本地放行 3000 与 9000 端口
  • 能拉取 archestra/platform:latest 镜像的网络环境

安装与启动步骤

  1. 1拉取平台镜像

    从 Docker Hub 获取官方最新平台镜像,确认网络能正常访问镜像仓库。

    docker pull archestra/platform:latest
  2. 2启动 Archestra 容器

    映射 3000(Web UI)与 9000 端口,开启快速启动模式并挂载 Docker 套接字与数据卷。

    docker run \
      -p 127.0.0.1:9000:9000 -p 127.0.0.1:3000:3000 \
      -e ARCHESTRA_QUICKSTART=true \
      -v /var/run/docker.sock:/var/run/docker.sock \
      -v archestra-postgres-data:/var/lib/postgresql/data \
      -v archestra-app-data:/app/data \
      archestra/platform:latest
  3. 3浏览器访问控制台

    在浏览器打开本地 3000 端口进入平台界面,按引导完成初始配置。

关键配置

配置项必填说明示例
ARCHESTRA_QUICKSTART是启用快速启动模式,简化首次初始化流程true
/var/run/docker.sock是挂载 Docker 套接字,支持沙箱化代码执行等能力/var/run/docker.sock:/var/run/docker.sock
archestra-postgres-data否持久化内置 PostgreSQL 数据卷archestra-postgres-data:/var/lib/postgresql/data
archestra-app-data否持久化应用自身数据卷archestra-app-data:/app/data

如何确认成功

docker run 无报错并保持前台运行后,浏览器打开 http://localhost:3000 能正常显示平台界面即启动成功。

常见问题

Q:3000 端口无法访问怎么办?

A:确认容器仍在运行且端口映射为 127.0.0.1:3000:3000;如本机 3000 被占用,可改用其他宿主端口重新映射。

Q:为什么必须挂载 docker.sock?

A:README 的启动命令通过挂载 Docker 套接字支持沙箱化代码执行等容器化能力,缺少挂载相关功能可能不可用。

Q:数据重启后会丢失吗?

A:命令已挂载 archestra-postgres-data 与 archestra-app-data 两个命名卷,删除卷才会丢失数据,普通重启不会。

Q:生产环境也这样部署吗?

A:不建议,官方提供 Docker / Helm / Kubernetes 的完整部署说明,请参考 quickstart 文档。

注意事项

  • 该命令仅将端口绑定到 127.0.0.1,如需外部访问需自行调整端口绑定并评估安全风险。
  • 挂载 /var/run/docker.sock 等于把宿主机 Docker 控制权交给容器,生产环境请谨慎。
  • 更完整的 Docker / Helm / Kubernetes 部署方式见官方 quickstart 文档:https://archestra.ai/docs/platform-quickstart。
  • README 未给出默认管理员账号密码等初始化细节,请按界面引导或官方文档操作。

核心亮点

  • 内置护栏机制,可自定义策略,有效防止模型输出违规内容
  • 统一 MCP 注册中心,集中管理工具和服务,降低集成复杂度
  • 网关层支持多模型路由与负载均衡,提升可用性并降低成本

不足之处

  • 项目较新,文档和社区生态仍在建设中
  • 功能模块较多,初次部署和配置有一定学习曲线

适用场景

  • 企业级 AI 应用开发,需要统一管理多模型和工具
  • 对 AI 输出安全性和合规性有严格要求的生产环境
  • 基于 Kubernetes 的云原生平台,需要集成 AI 能力

替代项目

LangChain、Semantic Kernel、Dify

上一篇:tunnel-client

下一篇:fastapi-admin

同类项目推荐

AI-Worker-Proxy 开源

一键部署,统一接入多模型,自动故障转移

OpenAI-compatible AI proxy: Anthropic Claude, Google Gemini, GPT-6, Cloudflare AI. F···

★ 110 2026-08-09
FastDeploy 开源

用飞桨生态,一键部署大模型到生产环境

High-performance Inference and Deployment Toolkit for LLMs and VLMs based on PaddleP···

★ 3725 2026-08-09
OpenSandbox 开源

给AI智能体一个安全可控的“手脚”,放心让它干活

Secure, Fast, and Extensible Sandbox runtime for AI agents.

★ 16690 2026-08-09
AI-in-a-Box 开源

微软官方加速器,快速搭建 Azure AI 应用

AI-in-a-Box leverages the expertise of Microsoft across the globe to develop and pro···

★ 601 2026-08-09
DeepCache 开源

免训练加速扩散模型,生成速度翻倍,画质不掉线。

[CVPR 2024] DeepCache: Accelerating Diffusion Models for Free

★ 965 2026-08-09
llm7.io 开源

一个网关接入所有主流大模型,告别多套 SDK。

LLM7.io offers a single API gateway that connects you to a wide array of leading AI ···

★ 259 2026-08-09
pandaprobe 开源

给 AI Agent 装上追踪和评测,调试不再靠猜

open source agent engineering platform: traces, evals, and metrics to debug and impr···

★ 795 2026-09-14
mlops-workload-orchestrator 开源

在AWS上标准化编排ML管道,让模型上线更规范高效

The MLOps Workload Orchestrator solution helps you streamline and enforce architectu···

★ 157 2026-08-09
datalinkx 开源

配置化搞定异构数据源同步,支持增量与全量,内置大模型算子。

DatalinkX异构数据源之间的数据同步系统,支持海量数据的增量或全量同步,同时支持HTTP、O···

★ 379 2026-08-09