开源AI工作流
开源AI工作流 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
开源AI工作流 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 7.5 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
开源AI工作流 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。
📖 中文文档
开源AI工作流 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。
- 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
- 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
# 方式一：cargo install（推荐） cargo install agentgate-ai # 方式二：从源码编译 git clone https://github.com/dengmengmian/agentgate-ai cd agentgate-ai cargo build --release # 二进制在 ./target/release/agentgate-ai
- 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
# 查看帮助 agentgate-ai --help # 基本运行 agentgate-ai [options] <input> # 详细使用说明请查阅文档 # https://github.com/dengmengmian/agentgate-ai
# agentgate-ai 配置说明 # 查看配置选项 agentgate-ai --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 AGENTGATE_AI_CONFIG="/path/to/config.yml"
简介
<p align="center"> <img src="docs/logo.svg" width="128" height="128" alt="MuxLayer Logo"> </p>
MuxLayer
<p align="center"> <b>The local model control layer for coding agents.</b><br> Use Codex, Claude Code, Gemini CLI, and OpenCode with the models you actually want. </p>
<p align="center"> Codex · Claude Code · Gemini CLI · OpenCode · Kimi CLI · Grok Build · DeepSeek Harness<br> ↓<br> <b>MuxLayer</b><br> ↓<br> DeepSeek · Kimi · MiMo · OpenAI · Anthropic · OpenRouter · OrcaRouter · Ollama · 25+ model providers </p>
<p align="center"> <a href="https://github.com/dengmengmian/muxlayer/releases"><img src="https://img.shields.io/github/v/release/dengmengmian/muxlayer?style=flat-square&color=blue" alt="Release"></a> <a href="https://github.com/dengmengmian/muxlayer/stargazers"><img src="https://img.shields.io/github/stars/dengmengmian/muxlayer?style=flat-square&cacheSeconds=3600" alt="Stars"></a> <a href="https://github.com/dengmengmian/muxlayer/releases"><img src="https://img.shields.io/github/downloads/dengmengmian/muxlayer/total?style=flat-square&color=green&cacheSeconds=3600" alt="Downloads"></a> <a href="./LICENSE"><img src="https://img.shields.io/badge/license-MIT-blue?style=flat-square" alt="License"></a> </p>
<p align="center"> <a href="./README_ZH.md">中文</a> · <a href="https://github.com/dengmengmian/muxlayer/releases">Download</a> · <a href="#quick-start">Quick Start</a> · <a href="./docs/full-reference.md">Full Reference</a> · <a href="https://github.com/dengmengmian/muxlayer/discussions">💬 Discussions</a> </p>
<p align="center"> <img src="docs/demo-header-v2.gif" width="800" alt="MuxLayer intercepts requests from Claude Code, Codex, and Gemini CLI at a local gateway — converting, passing through, routing, or failing over across 25+ model providers, with every request traced live"> </p>
MuxLayer is a local gateway for AI coding workflows. Requests enter through one controlled endpoint, then MuxLayer routes, converts, passes through, fails over, and records what happened.
Install
| Platform | Package |
|---|---|
| macOS Apple Silicon | [MuxLayer 2.0.5](https://github.com/dengmengmian/muxlayer/releases/download/v2.0.5/MuxLayer_2.0.5_aarch64.dmg) |
| macOS Intel | [MuxLayer 2.0.5](https://github.com/dengmengmian/muxlayer/releases/download/v2.0.5/MuxLayer_2.0.5_x64.dmg) |
| Windows 10 / 11 | [MuxLayer 2.0.5](https://github.com/dengmengmian/muxlayer/releases/download/v2.0.5/MuxLayer_2.0.5_x64-setup.exe) |
| Debian / Ubuntu | [MuxLayer 2.0.5](https://github.com/dengmengmian/muxlayer/releases/download/v2.0.5/MuxLayer_2.0.5_amd64.deb) |
| Other Linux distros | [MuxLayer 2.0.5](https://github.com/dengmengmian/muxlayer/releases/download/v2.0.5/MuxLayer_2.0.5_amd64.AppImage) |
On macOS:
brew install --cask dengmengmian/tap/muxlayerWindows: Builds are currently unsigned, so SmartScreen may warn on first install. See the installation and build notes.
Existing installations using the legacy agentgate cask remain supported and continue receiving the MuxLayer app. New installations should use muxlayer.
Quick Start
- Download MuxLayer and open it.
- Open Quick Setup or Providers, then paste a provider API key.
- Start the gateway. The default endpoint is
http://127.0.0.1:9090. - Open Clients and apply the Codex, Claude Code, OpenCode, Gemini CLI, or AtomCode configuration.
Send a test request, then open Logs to see the selected provider, model, route, status, and latency. The original client configuration can be restored at any time.
Screenshots
| Request trace | Overview |
|---|---|
|  |  |
AgentGate 是一个本地网关，支持 26 个提供商，提供自动故障转移、成本跟踪和一键设置功能。它允许在更便宜的模型上运行 Codex、Claude Code 和 Gemini CLI。
AgentGate 支持协议转换，包括 4 种格式的双向转换：OpenAI Responses API、Chat Completions、Claude Messages 和 Gemini API。它还支持 Anthropic Messages API、Google Gemini API 和 Chat Completions 的转换。
要安装 AgentGate，需要 Node.js >= 20、pnpm >= 10 和 Rust >= 1.75。可以使用以下命令安装依赖项：pnpm install。然后可以使用以下命令启动开发模式：pnpm tauri dev。最后，可以使用以下命令构建 AgentGate：pnpm tauri build。
AgentGate 的使用方法包括下载和安装 AgentGate，打开应用程序，进入快速设置或提供商，粘贴提供商 API 密钥。AgentGate 可以自动检测已知密钥前缀并填充基本 URL、协议、默认模型和能力矩阵。如果前缀不明确，可以手动选择提供商类型。最后，可以点击启动网关按钮开始使用 AgentGate。
如果您有 GitHub Copilot 订阅（Pro/Business），可以在 AgentGate 中运行 Claude Code，包括 Claude 模型。AgentGate 会自动处理以下三个方面：凭证交换、凭证自动续期和缓存（通过哈希）。
AgentGate 提供直接 API 调用功能，所有端点（除了 /health）都需要本地访问令牌。可以从 UI 复制令牌，或者从终端读取令牌。还可以重新生成令牌。
AgentGate 不会将您的 API 密钥发送到任何 AgentGate 服务器。您的密钥只会发送到您配置的上游提供商。AgentGate 的桌面应用程序绑定到 127.0.0.1 上，不会进行任何电话回家。
该项目提供了一个开源的AI工作流，支持本地AI网关和编码代理，使用Rust语言开发，值得关注。
- 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
- 跨境业务、多语言内容运营团队
- 做语音类 AI 产品的开发者
- 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
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Docker：agentgate-ai 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 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
- 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
- 跨境业务、多语言内容运营团队
- 做语音类 AI 产品的开发者
- 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
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
🎯 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
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
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，开源AI工作流 在Agent工作流赛道中表现稳健，质量良好。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 | agentgate-ai |
| 原始描述 | 开源AI工作流：Local AI gateway for coding agents — run Codex, Claude Code & Gemini CLI on chea。⭐21 · Rust |
| Topics | workflowagentgateai-coding-agentai-gatewayanthropic-apiatomcoderust |
| GitHub | https://github.com/dengmengmian/agentgate-ai |
| License | MIT |
| 语言 | Rust |
收录时间：2026-06-12 · 更新时间：2026-06-13 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。