能力标签

🔌 MCP 🤖 Agent 💻 CLI 🧬 Embedding 📚 RAG 🧠 Claude ✨ GPT 🖥 本地 LLM ⛓ LangChain

⚙️

Agent工作流

AI代理工具包

基于 TypeScript · 无代码搭建完整 AI 自动化流程

英文名：agentskit

⭐ 9 Stars 🍴 1 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

aiagenttypescriptworkflow

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

AI代理工具包是 AI Skill Hub 本期精选Agent工作流之一。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

AI代理工具包是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

AI代理工具包工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

轻量级JavaScript AI代理构建工具

AI代理工具包是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars

⭐ 9

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.0 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

轻量级JavaScript AI代理构建工具

📌 核心特色

可视化 Agent 工作流编排，无需编写复杂代码
支持多步骤自动化任务链，实现全流程无人值守
与外部 API、数据库和第三方服务无缝集成
内置错误处理与自动重试机制，保障稳定运行
提供可复用的自动化模板，快速在同类场景部署

🎯 主要使用场景

自动化日常重复性工作，将精力集中于创造性任务
构建数据采集 → 处理 → 输出的完整自动化管线
实现跨平台、跨系统的数据流转和业务协同

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：npm 全局安装
npm install -g agentskit

# 方式二：npx 直接运行（无需安装）
npx agentskit --help

# 方式三：项目依赖安装
npm install agentskit

# 方式四：从源码运行
git clone https://github.com/AgentsKit-io/agentskit
cd agentskit
npm install
npm start

📋 安装步骤说明

访问 GitHub 仓库获取工作流文件
在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
上传工作流文件
按照提示配置必要的环境变量和 API Key
运行测试确认流程正常后投入使用

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
agentskit --help

# 基本用法
agentskit [options] <input>

# Node.js 代码中使用
const agentskit = require('agentskit');

const result = await agentskit.run(options);
console.log(result);

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# agentskit 配置说明
# 查看配置选项
agentskit --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export AGENTSKIT_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 31/100 含工作流图查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Package dependency graph

graph TD core["@agentskit/core\n(zero deps · 5 KB)"] adapters["@agentskit/adapters\nOpenAI · Anthropic · Gemini\nOllama · DeepSeek · Grok"] react["@agentskit/react\nReact hooks + headless UI"] ink["@agentskit/ink\nTerminal UI (Ink)"] runtime["@agentskit/runtime\nReAct loop · delegation"] tools["@agentskit/tools\nweb search · filesystem · shell"] skills["@agentskit/skills\nresearcher · coder · planner"] memory["@agentskit/memory\nSQLite · Redis · file · vector"] rag["@agentskit/rag\nplug-and-play RAG"] observability["@agentskit/observability\nLangSmith · OpenTelemetry"] sandbox["@agentskit/sandbox\nE2B · WebContainer"] eval["@agentskit/eval\nbenchmarking · metrics"] templates["@agentskit/templates\nskill/tool authoring"] cli["@agentskit/cli\nchat · init · run"] core --> adapters core --> react core --> ink core --> runtime core --> tools core --> skills core --> memory core --> rag core --> observability core --> sandbox core --> eval core --> templates cli --> core cli --> adapters cli --> ink cli --> runtime cli --> skills cli --> tools cli --> memory classDef foundation fill:#1e293b,stroke:#6366f1,color:#f8fafc,font-weight:bold classDef ui fill:#0f172a,stroke:#22d3ee,color:#f8fafc classDef agent fill:#0f172a,stroke:#a78bfa,color:#f8fafc classDef data fill:#0f172a,stroke:#34d399,color:#f8fafc classDef ops fill:#0f172a,stroke:#fb923c,color:#f8fafc classDef entry fill:#0f172a,stroke:#f472b6,color:#f8fafc class core foundation class react,ink ui class adapters,runtime,tools,skills agent class memory,rag,templates data class observability,sandbox,eval ops class cli entry

Legend: purple = provider/execution layer · cyan = UI layer · green = data layer · orange = ops layer · pink = CLI entry point

---

Quick start — chat in 10 lines

npm install @agentskit/react @agentskit/adapters

import { useChat, ChatContainer, Message, InputBar } from '@agentskit/react'
import { anthropic } from '@agentskit/adapters'
import '@agentskit/react/theme'

export default function Chat() {
  const chat = useChat({ adapter: anthropic({ apiKey: KEY, model: 'claude-sonnet-4-6' }) })
  return (
    <ChatContainer>
      {chat.messages.map(m => <Message key={m.id} message={m} />)}
      <InputBar chat={chat} />
    </ChatContainer>
  )
}

Streaming, tool calls, default styling, abortable. No setup. No boilerplate.

---

How AgentsKit compares

	AgentsKit	Vercel AI SDK	LangChain.js	assistant-ui
Core size	10KB gzip, zero deps	~30KB	hundreds of MB transitively	n/a (UI only)
Agent runtime	First-class (ReAct, tools, skills, delegation, memory, RAG)	None	Yes, but heavy	None
Provider swap	One line	Route-handler-shaped	Per-class wiring	BYO backend
UI surfaces	React + Ink + headless	React	None	React
Formal contracts	Six versioned ADRs	Implicit	Implicit	Implicit
Edge-ready	Yes (10KB core, no Node-only deps)	Mostly	No	n/a