2.3K 标星！开源AI多智能体构建器，轻松打造复杂工作流，MCP集成！ - 文章 - 开发者社区

如果你最近在关注 AI 应用落地，就会发现一个趋势正在快速升温：

多智能体（Multi-Agent）系统，正在成为复杂任务自动化的关键“武器”。

无论是自动化办公、编程助手，还是科研、营销、视频创作…

这些原本需要“多个角色协调”的任务，如今都可以通过 AI 智能体来分工合作完成。

今天为大家推荐一款 AI 驱动的多Agent构建器：Rowboat ，让复杂工作流的开发变得轻而易举。

picture.image

基于 OpenAI 的 Agents SDK，通过直观的 Web 界面和 Copilot 功能，让用户通过自然语言描述需求即可快速生成工作流。

使用 TypeScript（前端）与 Python（后端）开发，提供 HTTP API 和 Python SDK。

支持 MCP 工具无缝连接，适配客服、金融、物流等场景。

核心功能

• 多智能体工作流生成 ：只需描述任务，Rowboat 会自动生成多个协作Agent并组织流程
• MCP 工具无缝对接 ：可快速连接任意 MCP 服务器，实现工具调用
• 丰富的 API&SDK支持 ：提供 HTTP 接口和 Python SDK，轻松集成进现有产品或服务
• 内置调度引擎 ：自动调配 Agent 执行流程，支持依赖控制、并发执行、结果聚合等
• 状态可管理 ：自动追踪每个 Agent 状态与输出，可视化执行过程

安装与使用

Rowboat 支持自定义本地部署，同时提供 Docker 快速部署。

准备： OpenAI API 密钥

① 克隆项目


 
 
 
 
   
git clone https://github.com/rowboatlabs/rowboat.git  
cd rowboat

② 配置环境

复制 .env.example 为 .env


 
 
 
 
   
OPENAI\_API\_KEY=sk-xxxx  
OPENROUTER\_API\_KEY=your\_openrouter\_key

③ Docker 快速启动


 
 
 
 
   
docker-compose up --build

最后成功后，就可以访问 Web 界面： http://localhost:3000。

picture.image

④ 使用 HTTP API


 
 
 
 
   
curl --location 'http://localhost:3000/api/v1/<PROJECT\_ID>/chat' \  
--header 'Content-Type: application/json' \  
--header 'Authorization: Bearer <API\_KEY>' \  
--data '{  
    "messages": [  
        {  
            "role": "user",  
            "content": "tell me the weather in london in metric units"  
        }  
    ],  
    "state": null  
}'

⑤ 使用 Python SDK

首先需要安装 Python SDK


 
 
 
 
   
pip install rowboat

代码示例：


 
 
 
 
   
from rowboat import Client, StatefulChat  
from rowboat.schema import UserMessage, SystemMessage  
  
# Initialize the client  
client = Client(  
    host="http://localhost:3000",  
    project\_id="<PROJECT\_ID>",  
    api\_key="<API\_KEY>"  
)  
  
# Create a stateful chat session (recommended)  
chat = StatefulChat(client)  
response = chat.run("What's the weather in London?")  
print(response)  
  
# Or use the low-level client API  
messages = [  
    SystemMessage(role='system', content="You are a helpful assistant"),  
    UserMessage(role='user', content="Hello, how are you?")  
]  
  
# Get response  
response = client.chat(messages=messages)  
print(response.messages[-1].content)