Observal

把 AI 组件管起来，共享复用还能看运行数据

Observal 是一个面向 AI 组件的本地注册表与分析平台，旨在帮助团队集中管理、共享和监控 AI 技能（Skills）、MCP 服务器和智能体（Agents）。它解决了 AI 组件分散、难以复用和缺乏可观测性的问题，提供统一的定义、版本管理和运行分析能力。核心能力包括：通过本地注册表存储和检索组件元数据，支持版本控制与依赖管理；提供分析仪表盘，追踪组件调用频率、延迟和错误率；支持团队协作，通过定义作用域（scope）实现组件权限控制和共享。基于 Python 构建，易于自托管，适合开发团队在内部环境中建立 AI 组件资产库，提升开发效率和运维透明度。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3283

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队Observal

所属国家

官网地址https://observal.io

GitHubhttps://github.com/Observal/Observal

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费自托管部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,analytics,antigravity,claude-code,cli-tool,codex,cursor,cursor-ai,insights,kiro,large-language-models,mcp,open-source,pi,playground,registry,self-hosted,skills

GitHub 星标★ 3283

30天Star增速

HF 下载量

上线时间2026-03-30 00:00:00

最近更新2026-09-23 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5

使用教程

难度：入门约 15 分钟部署方式：Docker 5 步

环境要求

服务端：Docker Engine ≥ 24.0 且带 Compose v2
服务端：可访问 GitHub Raw 与 GHCR 镜像仓库的网络
CLI：Python 3.11+（使用 uv 或 pipx 安装时），或直接使用免 Python 的独立二进制
CLI：macOS/Linux 终端，可执行 curl 管道命令

安装与启动步骤

1一键部署服务端

下载并启动服务端 Docker Compose 栈，含 API、Web UI 和数据库；有终端时进入引导式配置。
```
curl -fsSL https://raw.githubusercontent.com/Observal/Observal/main/install-server.sh | bash
```
2从源码部署服务端

贡献者路线：克隆仓库、复制环境变量示例文件，再用 make 拉起重服务栈。
```
git clone https://github.com/Observal/Observal.git && cd Observal
cp .env.example .env
make up
```
3安装 CLI 二进制

在每台开发者机器安装 CLI，独立二进制方式无需本机 Python 环境。
```
curl -fsSL https://raw.githubusercontent.com/Observal/Observal/main/install.sh | bash
```
4用 Python 安装 CLI

已装 uv 或 pipx 且 Python 3.11+ 时，可用包管理方式安装 observal-cli。
```
uv tool install observal-cli
```
5查看部署文档

按 README 链接查阅安装、自托管与生产部署文档，完成后续配置与加固。

关键配置

配置项	必填	说明	示例
`.env`	是	源码部署所需环境变量文件，从示例文件复制后按需修改	`.env.example → .env`

如何确认成功

执行安装脚本后终端会显示配置与启动流程；容器栈是否正常请按 README 链接的 SETUP.md 核对。

常见问题

Q：没有 Docker 能部署服务端吗？

A：一键安装脚本明确要求 Docker Engine ≥ 24.0 与 Compose v2；不过 CLI 可独立二进制安装，不依赖 Python。

Q：CLI 必须装 Python 吗？

A：不必。可用独立二进制方式安装；若走 Python 路线则需 Python 3.11+，并可用 uv tool install 或 pipx 安装 observal-cli。

Q：默认会把端口暴露到公网吗？

A：README 说明默认把发布的端口绑定到 loopback（本机回环），外部访问需另行调整，详见自托管文档。

Q：生产环境怎么部署？

A：README 指向 docs/self-hosting/production-deploy.md 的加固生产拓扑，以及数据库、升级、备份等配套文档。

注意事项

一键脚本会生成归运维方所有的密钥文件，并限制容器组访问权限，请妥善保管。
无终端执行同样命令时会自动套用安全默认值，不会进入引导式配置。
源码部署前先确认已安装 Docker Compose v2，否则 make up 无法拉起服务栈。
升级前先阅读 upgrades 与 backup-and-restore 文档，避免数据不可回滚。

核心亮点

本地部署，数据不出内网，隐私安全可控
统一管理 Skills/MCPs/Agents，避免组件散落各处
内置分析功能，能看调用量、延迟等运行指标

不足之处

项目较新，生态和插件尚不丰富
文档/社区待观察

适用场景

企业内部 AI 组件资产盘点与复用
多团队协作时共享 MCP 和 Agent 配置
监控 AI 组件在生产环境的调用性能

替代项目

LangSmith、Langfuse、Helicone

项目介绍

Observal 是基础设施领域的开源项目，由 Observal 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,283）位列前 30%，在基础设施分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,358 增加到 3,283，净增 925。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，可免费自托管部署使用。

它主要面向的使用场景是：企业内部AI组件资产盘点与复用。同类可对比的替代方案包括 LangSmith、Langfuse、Helicone。

上一篇：gpu_poor

下一篇：llm7.io