
compose-for-agents
用 Docker Compose 一键编排多智能体,快速跑通开源 LLM 应用
项目预览
项目数据
项目介绍
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 ★ 1072
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。
环境要求
- Docker Desktop 4.43.0+ 或 Docker Engine
- 带 GPU 的笔记本/工作站;无 GPU 可使用 Docker Offload
- Linux 上使用 Docker Engine 时需安装 Docker Compose 2.38.1 或更高版本
- Windows 的 Docker Desktop / Linux 的 Docker Engine 需满足 Docker Model Runner 要求(启用 G
安装与启动步骤
-
1克隆仓库
从 GitHub 拉取 compose-for-agents 源码到本地,后续所有 demo 都在该仓库目录内操作。
git clone https://github.com/docker/compose-for-agents.git -
2进入 demo 目录
每个 demo 自包含,先切换到你要运行的 demo 项目根目录再执行后续命令。
cd compose-for-agents -
3准备 MCP 密钥文件
如果 demo 目录下存在 mcp.env.example,就复制为 .mcp.env;不存在说明该 demo 不需要密钥,可跳过。
cp mcp.env.example .mcp.env -
4填写 MCP 令牌
编辑 .mcp.env,按示例填入所需的 MCP tokens 并保存。
-
5构建并启动
在 demo 根目录执行,Docker Compose 会构建镜像并启动全部代理、模型与工具服务。
docker compose up --build -
6改用 OpenAI 模型
不想本地跑模型的场景:先写入密钥文件,再用叠加的 OpenAI 配置文件启动。
echo 'sk-xxxxxxxx' > secret.openai-api-key docker compose -f compose.yaml -f compose.openai.yaml up
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
.mcp.env | 是 | 存放 demo 所需的 MCP tokens,由 mcp.env.example 复制而来 | cp mcp.env.example .mcp.env |
secret.openai-api-key | 否 | 存放 OpenAI API Key,用于替代本地 Docker Model Runner 模型 | sk-xxxxxxxx |
如何确认成功
docker compose up --build 后容器全部构建并正常运行,未报错退出,demo 服务即可访问。
常见问题
Q:没有 GPU 能跑吗?
A:可以。README 建议无 GPU 时改用 Docker Offload 来运行开源模型。
Q:Linux 上 compose 命令报版本错误?
A:需确认已安装 Docker Compose 2.38.1 或更高版本,并满足 Docker Model Runner 要求、启用 GPU 支持。
Q:demo 需要密钥吗?
A:看 demo 目录下是否存在 mcp.env.example:存在就复制为 .mcp.env 并填 MCP tokens,不存在则无需任何密钥。
Q:如何用 OpenAI 模型而非本地模型?
A:创建 secret.openai-api-key 文件写入 API Key,然后执行 docker compose -f compose.yaml -f compose.openai.yaml up。
注意事项
- 每个 demo 都是自包含的,可本地运行,也可使用云端 context 运行。
- 所有 demo 的启动方式统一为三步:切目录、准备 .mcp.env(如有)、执行 docker compose up --build。
- 使用 OpenAI 配置时传入两个 compose 文件,务必保持 -f compose.yaml -f compose.openai.yaml 的顺序。
核心亮点
- 提供大量可直接运行的示例,覆盖常见代理场景,降低上手门槛
- 基于 Docker Compose 标准化部署,环境一致性强,易于迁移和扩展
- 支持多种开源模型和代理运行时,灵活组合,避免供应商锁定
不足之处
- 文档/社区待观察
- 依赖 Docker 环境,对资源占用较高,不适合轻量级场景
适用场景
- 本地快速搭建多智能体原型验证
- 团队内标准化 AI 代理开发环境
- 教学演示开源 LLM 协作流程
替代项目
Dify、LangFlow、Flowise
上一篇:ChainForge
下一篇:bert4torch
同类项目推荐
awesome-chatgpt-api
开源
一个列表,找到所有能用自己的API Key的ChatGPT工具
Curated list of apps and tools that not only use the new ChatGPT API, but also allow···
diffusers.js
开源
在浏览器和 Node.js 里直接跑 Stable Diffusion,无需 Python 后端
diffusers implementation for node.js and browser
ReAct
开源
让大模型边想边做,用工具解决复杂任务
[ICLR 2023] ReAct: Synergizing Reasoning and Acting in Language Models
ai
开源
照着跑通多智能体示例,快速上手 AutoGen 等主流 Agent 框架
This repository will have different projects using AutoGen and Tutorials
chidori
开源
让AI运行永不丢失,断点续跑自动恢复
The agent framework where every run is durable, replayable, and resumable by default···
VL.Fuse
开源
在节点图上拖拽,直接生成 GPU 加速的视觉程序
A library for visually programming on the GPU, built to enable rapid workflows and m···
meta-prompting
开源
让AI学会拆解任务,调度专家模型,搞定复杂推理
Official implementation of Meta Prompting for AI Systems (https://arxiv.org/abs/2311···
symbolicai
开源
给大模型装上符号推理引擎,让逻辑更可靠
A neurosymbolic perspective on LLMs
ldp
开源
像换零件一样替换语言智能体的环境与优化器
Framework enabling modular interchange of language agents, environments, and optimiz···