model-compose

一个 YAML 文件，快速部署生产级 AI 服务，随处运行。

model-compose 是一个受 docker-compose 启发的 AI 服务部署工具，旨在通过一个 YAML 文件快速定义和部署生产级的 AI 服务，包括智能体、RAG 流水线和 MCP 服务器。它解决了 AI 应用从开发到生产部署过程中配置复杂、环境依赖多、难以标准化的问题。其核心能力是声明式配置，用户只需编写 YAML 描述服务组件、依赖和运行环境，即可在任意支持的环境中一键启动。项目基于 Python，兼容多种主流 AI 框架，如 LangChain、Anthropic 和 HuggingFace，降低了 AI 服务的部署门槛，提升了可移植性和可重复性。作为早期项目，它有望成为 AI 领域的 'docker-compose'，简化 AI 基础设施管理。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 113

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队hanyeol

所属国家

官网地址

GitHubhttps://github.com/hanyeol/model-compose

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent-framework,ai-agents,ai-infrastructure,ai-workflow,anthropic,declarative,huggingface,langchain-alternative,llm,llm-framework,llm-orchestration,llmops,mcp,mcp-server,model-context-protocol,openai,rag,vector-database,workflow-orchestration,yaml

GitHub 星标★ 113

30天Star增速

HF 下载量

上线时间2025-05-01 00:00:00

最近更新2026-09-25 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

核心亮点

声明式配置，极大简化 AI 服务部署流程
支持智能体、RAG、MCP 等多种 AI 服务类型
兼容主流 AI 框架，生态集成度高

不足之处

项目处于早期阶段，文档和社区支持待观察
功能覆盖有限，可能无法处理复杂生产场景

适用场景

快速原型验证：用 YAML 定义并启动 AI 服务进行测试
标准化部署：统一团队 AI 服务部署配置，提升可维护性
跨环境迁移：在不同云或本地环境间轻松迁移 AI 服务

替代项目

Docker Compose、Kubernetes、LangServe

项目介绍

model-compose 是基础设施领域的开源项目，由 hanyeol 开发，2025 年首次发布。

它收录于基础设施分类，该分类目前共有 1,133 个项目，GitHub 星标数为 113。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-25。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：快速原型验证：用YAML定义并启动AI服务进行测试。同类可对比的替代方案包括 Docker Compose、Kubernetes、LangServe。

上一篇：infra

下一篇：seekdb