Yuxi MCP工具
Yuxi MCP工具 是 AI Skill Hub 本期精选AI工具之一。已获得 5.2k 颗 GitHub Star，综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
Yuxi MCP工具 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 Yuxi MCP工具 的版本更新，及时通知重要功能变化。
📋 工具概览
Yuxi MCP工具 是一款基于 Python 开发的开源工具，专注于 MCP、知识图谱、多租户 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
Yuxi MCP工具 是一款基于 Python 开发的开源工具，专注于 MCP、知识图谱、多租户 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install yuxi
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install yuxi
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/xerrors/Yuxi
cd Yuxi
pip install -e .
# 验证安装
python -c "import yuxi; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
yuxi --help
# 基本用法
yuxi input_file -o output_file
# Python 代码中调用
import yuxi
# 示例
result = yuxi.process("input")
print(result)
# yuxi 配置文件示例（config.yml） app: name: "yuxi" debug: false log_level: "INFO" # 运行时指定配置文件 yuxi --config config.yml # 或通过环境变量配置 export YUXI_API_KEY="your-key" export YUXI_OUTPUT_DIR="./output"
简介
Yuxi 是一个可私有部署的多租户知识智能体平台。它把知识库检索、知识图谱、LangGraph 多智能体编排、MCP/Skills、沙盒工具和权限管理放进同一个工作区。
<a href="https://trendshift.io/repositories/24335" target="_blank"><img src="https://trendshift.io/api/badge/repositories/24335" alt="xerrors%2FYuxi | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a>
能力展示
Yuxi 把知识进入系统、Agent 执行任务和团队治理放在一条完整链路中。以下按六个核心模块介绍系统能力：
| 模块 | 解决的问题 | 代表能力 |
|---|---|---|
| 统一智能体工作台 | 在一个界面完成提问、执行与交付 | 多轮对话、知识引用、任务状态、人工审批 |
| 知识库与可追溯 RAG | 让回答有可核查的知识依据 | 多格式入库、Embedding/Rerank、检索测试、RAG 评估 |
| 知识图谱与知识导图 | 发现实体关系并浏览知识库文件结构 | 图谱构建、子图浏览、节点详情、文件元数据导图 |
| 多智能体与扩展生态 | 把复杂任务拆给不同角色和工具 | SubAgents、Skills、MCP、Tools、Agent 配置 |
| 沙盒工作区与产物 | 把对话结果变成可继续使用的文件 | 隔离文件系统、文件生成、在线预览、下载 |
| 团队治理与运行管理 | 在多人环境中管理能力、权限和运行状态 | 多租户、用户与部门权限、模型配置、API Key、Dashboard |
前置条件
安装 Docker Engine 和 Docker Compose，并准备一个可用的大模型 API。当前仓库默认配置对应 v0.7.3，仍处于 Beta 阶段。
快速启动
2. 启动开发环境
docker compose up --build -d查看服务状态：
docker compose ps
curl --fail http://localhost:5050/api/system/ready返回的 status 为 ready 后，打开 http://localhost:5173，按页面提示初始化超级管理员并登录。API 文档位于 http://localhost:5050/docs。
从 v0.7.1 升级到当前版本时，不能直接执行 docker compose up。请先阅读生产部署与升级，在停机窗口完成备份和迁移。
06 · 团队治理与运行管理
专为企业和团队多人协作打造。管理员可以集中管理成员与部门组织架构、统一配置模型接入凭据与 API Key，并通过监控看板全面掌握平台的运行状况与调用指标。
- 支持按租户、用户与部门配置知识库、Agent 以及功能的读写权限。
- 集中配置和调度多供应商的大模型能力，统一管理 API Key 凭据。
- 实时统计分析使用量、请求趋势与资源负载，保障服务稳定运行。
<details> <summary><strong>展开详细截图：权限、模型与运行数据</strong></summary>
用户、部门与细粒度权限体系
提供符合企业组织架构的多租户权限体系，支持按照部门或用户组精确控制对知识库、智能体、工具和沙盒工作区的访问与编辑权限。
模型供应商与统一凭据管理
支持接入主流大模型供应商（OpenAI、Anthropic、DeepSeek、Qwen、本地 Ollama/vLLM 等），集中维护 API Key 凭据并统一分配模型能力，密钥对普通成员完全脱敏。
Dashboard 与系统运行监控
直观的运维数据看板，实时展示系统请求量、Token 消耗统计、知识库检索频次与长任务排队状态，为容量规划和成本核算提供数据支撑。
</details>
04 · 多智能体与扩展生态
一个 Agent 可以灵活组合模型、提示词、知识库、外部工具与专用子智能体。面对复杂任务，主智能体负责规划拆解，多个 SubAgents 分头异步并行执行，Skills 与 MCP 协议提供源源不断的能力扩展。
- 自由配置 Agent 的基座模型、知识挂载、工具调用与系统提示词。
- 支持多个 SubAgents 异步并行执行深度调研、数据分析或内容生成。
- 原生兼容 Skills 插件机制与 MCP（Model Context Protocol）标准协议。
<details> <summary><strong>展开详细截图：Agent 配置、子智能体与扩展能力</strong></summary>
Agent 配置与行为定制
智能体提供丰富的模块化配置项，可以按需组合大模型、挂载的知识库、自定义 Tools、MCP 服务、前置提示词与子智能体，并支持灵活配置在部门或团队内的共享可见范围。
子智能体并行执行
支持主智能体将复杂的多步骤任务拆解后，派出多个专属 SubAgent 异步并行跑任务（例如分头检索不同领域的法规、分别撰写报告不同章节），全程互不阻塞，执行完毕后自动归拢汇总。
Skills、MCP 与生态扩展
统一接入并管理 Skills 扩展技能与 MCP Servers 外部协议，支持针对不同角色分配权限与使用范围；借助渐进式披露机制，在真正需要时按需动态解析并加载工具。Skill 在线安装支持 skills.sh 以及魔搭社区的 skill。
可以查看并在线编辑 skill
可以配置 skill 权限和依赖
内置工具列表
</details>
成熟的Agent框架，集成知识库和图谱能力，架构完整。5.2k星证实其认可度，FastAPI异步架构和Docker支持降低部署难度。
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：Yuxi 提供官方镜像，docker compose up 一键启动
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- embedding 模型与查询模型不一致导致检索失效
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +GitHub 5.2k Star，社区高度认可
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
经综合评估，Yuxi MCP工具 在AI工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | Yuxi |
| 原始描述 | 开源MCP工具：结合知识库、知识图谱管理的 多租户 Agent Harness 平台。 An agent harness that integrates a LightRAG 。⭐5.2k · Python |
| Topics | MCP知识图谱多租户FastAPIDocker |
| GitHub | https://github.com/xerrors/Yuxi |
| License | MIT |
| 语言 | Python |
收录时间：2026-05-16 · 更新时间：2026-05-19 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。