compose-for-agents

用 Docker Compose 一键编排多智能体,快速跑通开源 LLM 应用

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 484 🐛 待处理 27 👀 关注 30
GitHub ↗
GitHub 星标 ★ 1072
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,基于Apache-2.0许可证,可自由使用和部署,无收费计划。

项目预览

compose-for-agents 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队docker
定价模式🏷️完全免费
价格说明开源项目,基于Apache-2.0许可证,可自由使用和部署,无收费计划。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言TypeScript
技术栈/模型agentic-workflows,ai-agents,docker,docker-compose,examples,large-language-models,llama-cpp,openai-gym,self-hosted
GitHub 星标★ 1072
上线时间2025-05-09 00:00:00
代码更新2026-10-23
仓库体积32.4 MB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-09
浏览次数8

项目介绍

compose-for-agents 是一个基于 Docker Compose 编排 AI 代理的开源项目,旨在简化多智能体系统的构建与运行。它提供了一系列开箱即用的示例,帮助开发者快速组合开源大语言模型(LLM)、工具和代理运行时,解决 AI 应用部署复杂、环境配置繁琐的问题。核心能力包括:通过声明式 YAML 文件定义代理服务、模型与工具链;支持多种主流开源模型(如 Llama、Mistral)和代理框架(如 LangChain、AutoGen);提供一键启动的完整环境,便于本地开发与测试。项目采用 TypeScript 编写,强调可移植性和可复制性,适合希望快速原型验证或生产部署的团队。

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。

难度:进阶 约 10 分钟 部署方式:Docker 6 步

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. 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. 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. 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. 4填写 MCP 令牌

    编辑 .mcp.env,按示例填入所需的 MCP tokens 并保存。

  5. 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. 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···

★ 6451 2026-08-09
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

★ 352 2026-08-09
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

★ 4269 2026-08-09
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

★ 1182 2026-09-25
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···

★ 1372 2026-08-09
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···

★ 315 2026-08-09
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···

★ 331 2026-08-09
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

★ 1780 2026-08-09
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···

★ 139 2026-10-13