📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🐳 Docker💻 CLI📚 RAG🧠 Claude✨ GPT⌨️ Cursor
agentsys Agent工作流
🛠
AI工具

agentsys Agent工作流

基于 JavaScript · 开源 AI 工具，GitHub 社区精选
英文名：agentsys
⭐ 804 Stars 🍴 88 Forks 💻 JavaScript 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI工作流自动化代理代码生成多插件开源
🌐 访问官网 📺 TG 频道
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，agentsys Agent工作流 获评「强烈推荐」。这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。

📚 深度解析

agentsys Agent工作流 是一款基于 JavaScript 的开源工具，在 GitHub 上收获 1k+ Star，是AI工作流、自动化代理、代码生成、多插件领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**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**
agentsys Agent工作流 依赖 JavaScript 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 JavaScript 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 agentsys Agent工作流 的版本更新，及时通知重要功能变化。

📋 工具概览

agentsys Agent工作流 是一款基于 JavaScript 开发的开源工具，专注于 AI工作流、自动化代理、代码生成 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。

GitHub Stars
⭐ 804
开发语言
JavaScript
支持平台
Windows / macOS / Linux
维护状态
正常维护，社区驱动
开源协议
MIT
AI 综合评分
8.0 分
工具类型
AI工具
Forks
88

📖 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」。

agentsys Agent工作流 是一款基于 JavaScript 开发的开源工具，专注于 AI工作流、自动化代理、代码生成 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。

📌 核心特色
  • 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
🎯 主要使用场景
  • 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
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 agentsys

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

# 方式三：项目依赖安装
npm install agentsys

# 方式四：从源码运行
git clone https://github.com/agent-sh/agentsys
cd agentsys
npm install
npm start
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
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
agentsys --help

# 基本用法
agentsys [options] <input>

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

const result = await agentsys.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
# agentsys 配置说明
# 查看配置选项
agentsys --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 AGENTSYS_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 63/100 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

<p align="center"> <img src="site/assets/logo.png" alt="AgentSys" width="120"> </p>

AgentSys

<p align="center"> <strong>A modular runtime and orchestration system for AI agents.</strong> </p>

<p align="center"> <a href="https://www.npmjs.com/package/agentsys"><img src="https://img.shields.io/npm/v/agentsys.svg" alt="npm version"></a> <a href="https://www.npmjs.com/package/agentsys"><img src="https://img.shields.io/npm/dm/agentsys.svg" alt="npm downloads"></a> <a href="https://github.com/agent-sh/agentsys/actions/workflows/ci.yml"><img src="https://github.com/agent-sh/agentsys/actions/workflows/ci.yml/badge.svg" alt="CI"></a> <a href="https://github.com/agent-sh/agentsys/stargazers"><img src="https://img.shields.io/github/stars/agent-sh/agentsys.svg" alt="GitHub stars"></a> <a href="https://opensource.org/licenses/MIT"><img src="https://img.shields.io/badge/License-MIT-yellow.svg" alt="License: MIT"></a> <a href="https://agent-sh.github.io/agentsys/"><img src="https://img.shields.io/badge/Website-AgentSys-blue?style=flat&logo=github" alt="Website"></a> <a href="https://github.com/hesreallyhim/awesome-claude-code"><img src="https://awesome.re/mentioned-badge.svg" alt="Mentioned in Awesome Claude Code"></a> </p>

<p align="center"> <b>24 plugins · 49 agents · 44 skills (across all repos) · 30k lines of lib code · 3,518 tests · 5 platforms</b><br> <em>Plugins distributed as standalone repos under <a href="https://github.com/agent-sh">agent-sh</a> org - agentsys is the marketplace &amp; installer</em> </p>

⚡ Running this agent 24/7? tiyuvta inference — hosted LLM inference built for always-on agents, OpenAI/Anthropic-compatible APIs.

<p align="center"> <a href="#commands">Commands</a> · <a href="#installation">Installation</a> · <a href="https://agent-sh.github.io/agentsys/">Website</a> · <a href="https://github.com/agent-sh/agentsys/discussions">Discussions</a> </p>

<p align="center"> <b>Built for Claude Code · Codex CLI · OpenCode · Cursor · Kiro</b> </p>

<p align="center"><em>New skills, agents, and integrations ship constantly. Follow for real-time updates:</em></p> <p align="center"> <a href="https://x.com/avi_fenesh"><img src="https://img.shields.io/badge/Follow-@avi__fenesh-1DA1F2?style=for-the-badge&logo=x&logoColor=white" alt="Follow on X"></a> </p>

---

AI models can write code. That's not the hard part anymore. The hard part is everything around it - task selection, branch management, code review, artifact cleanup, CI, PR comments, deployment. AgentSys is the runtime that orchestrates agents to handle all of it - structured pipelines, gated phases, specialized agents, and persistent state that survives session boundaries.

--- > Building custom skills, agents, hooks, or MCP tools? agnix is the CLI + LSP linter that catches config errors before they fail silently - real-time IDE validation, auto suggestions, auto-fix, and 423 rules for Claude Code, Codex, OpenCode, Cursor, Kiro, Copilot, Gemini CLI, Cline, Windsurf, Roo Code, Amp, and more.

What's New in 6.0.2

  • Fixes Windows installs: the Claude Code executable is resolved with where.exe instead of an assumed claude.cmd, and .cmd shims are launched through cmd.exe at every spawn site.
  • agentsys install reports failures instead of printing success when Claude Code rejected a plugin, and exits non-zero.
  • Deletes the two adapter install.sh scripts, which deleted a working install and reported success; agentsys --tool codex / --tool opencode is the install path.
  • CI now runs the suite on Windows as well as Linux.

Requirements

Required: - Git - Node.js 18+

For GitHub workflows: - GitHub CLI (gh) authenticated

For GitLab workflows: - GitLab CLI (glab) authenticated

For /repo-intel: - agent-analyzer (installed automatically via npm)

For /agnix: - agnix CLI installed (npm install -g agnix, cargo install agnix-cli, or brew install agnix)

Local diagnostics (optional): 

npm run detect   # Platform detection (CI, deploy, project type)
npm run verify   # Tool availability + versions

---

Installation

Non-interactive install

agentsys --tool claude # Single tool agentsys --tool cursor # Cursor (project-scoped skills + commands) agentsys --tool kiro # Kiro (project-scoped steering + skills + agents) agentsys --tools "claude,opencode" # Multiple tools agentsys --development # Dev mode (bypasses marketplace) ```

Full installation guide →

---

Reference

TopicLink
Slop Patterns[docs/reference/SLOP-PATTERNS.md](./docs/reference/SLOP-PATTERNS.md)
Agent Reference[docs/reference/AGENTS.md](./docs/reference/AGENTS.md)

---

Skill-Only Plugins

Plugins that provide skills without a / command. Installed alongside agentsys; skills become available to all agents.

Workflow Deep-Dives

WorkflowLink
/next-task Flow[docs/workflows/NEXT-TASK.md](./docs/workflows/NEXT-TASK.md)
/ship Flow[docs/workflows/SHIP.md](./docs/workflows/SHIP.md)

Sonnet + AgentSys vs raw Opus

Same task, same repo, same prompt ("I want to improve docs"):

ConfigurationCostOutput tokensResult quality
Opus, no agentsys$1.102,841Generic recommendations, no project-specific context
Opus + agentsys$1.955,879Specific recommendations with effort estimates, convention awareness, breaking change detection
**Sonnet + agentsys****$0.66****6,084****Comparable to Opus + agentsys: specific, actionable, project-aware**

Sonnet + agentsys produced more output with higher specificity than raw Opus - at 40% lower cost.

🎯 aiskill88 AI 点评 A 级 2026-05-20

成熟的AI工作流框架，代理数量充足、插件生态完善。804星体现认可度，JavaScript实现便于部署，适合现代化自动化需求。

📚 实用指南（长尾问题）
适合谁
  • 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
  • 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
最佳实践
  • 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
  • Cursor rules 控制在 80 行内，否则模型上下文成本会显著上升
常见错误
  • 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
部署方案
  • Docker：agentsys 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
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
agentsys 中文教程agentsys 安装报错怎么办agentsys MCP 配置agentsys Docker 部署agentsys Agent 工作流agentsys 与同类工具对比agentsys 最佳实践agentsys 适合谁用

⚡ 核心功能

👥 适合谁
  • 使用 Cursor 编辑器、希望提升 AI 编程效率的开发者
  • 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
⭐ 最佳实践
  • 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
⚠️ 常见错误
  • 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

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 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

✅ 优点
  • +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
⚠️ 不足
  • −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
⚠️ 使用须知

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。

📄 License 说明

✅ 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

AutoGen 多智能体协作框架
微软开源的AI智能体编程框架，用于构建可协作的自主AI系统。支持多智能体对话、工作流编排和复杂任务自动化，适合AI开发者
Claude代码智能体系统
基于Claude的MCP开源智能体框架，集成技能、本能、记忆和搜索能力。通过优化agent性能，支持复杂代码生成和自动化
OpenHands Agent工作流
AI工具
LlamaIndex 知识检索框架
LlamaIndex是领先的文档智能代理和OCR平台，专为构建AI应用而设计。提供数据连接、检索增强生成（RAG）等核心
📚 相关教程推荐
Agent 工作流入门
帮助中心 · AI Skill Hub
Agent 工作流
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI 前沿资讯：Hiring Senior Founding AI/Back…
AI 资讯 · 知识关联
MCP 生态最新动态：工具与配置进展
AI 资讯 · 知识关联
ChatGPT 最新动态与实用技巧
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
docker
docker-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
AI公司多智能体操作系统
为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合
LEANN AI技能包
MCP · Agent · 工作流
Cadence
Agent · 工作流 · CLI
Augustus
LLM安全测试框架，检测prompt注入、越狱等
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
代码智能引擎
MCP · Agent · 工作流

❓ 常见问题 FAQ

支持代码生成、数据处理、API调用、文件操作等，通过49个预设代理和20个插件扩展功能。
💡 AI Skill Hub 点评

AI Skill Hub 点评：agentsys Agent工作流 的核心功能完整，质量优秀。对于AI爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

📚 深入学习 agentsys Agent工作流
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 agentsys
原始描述 开源AI工作流：AI writes code. This automates everything else · 20 plugins · 49 agents · 41 ski。⭐804 · JavaScript
Topics AI工作流自动化代理代码生成多插件开源
GitHub https://github.com/agent-sh/agentsys
License MIT
语言 JavaScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/agent-sh/agentsys 🌐 官方网站  https://agent-sh.github.io/agentsys/

收录时间：2026-05-17 · 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。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →