ZL

zafer-liu/agent_manager

Developer tools
161 stars 0 forks 품질 60 트렌드 60

本地 AI Agent 的统一管理中心。 添加 Agent 后,用户可在这里实现: - 一键启动 / 停止,实时查看日志 - 内嵌 Web UI 与交互式终端 - 用自然语言指挥所有 Agent - 一键生成临时公网分享链接

개요

本地 AI Agent 的统一管理中心。 添加 Agent 后,用户可在这里实现: - 一键启动 / 停止,实时查看日志 - 内嵌 Web UI 与交互式终端 - 用自然语言指挥所有 Agent - 一键生成临时公网分享链接

README

智管-Agent Manager

English

本地 AI Agent 的统一管理中心。
添加 Agent 后,用户可在这里实现:

  • 一键启动 / 停止,实时查看日志
  • 内嵌 Web UI 与交互式终端
  • 用自然语言指挥所有 Agent
  • 一键生成临时公网分享链接

✨ 项目亮点 · 🤝 推荐搭配 · ⚙️ 快速安装 · 🚀 快速上手 · 🤖 LLM 配置 · 🌐 分享 Agent · ❓ FAQ


✨ 项目亮点

智管-Agent Manager 是一个基于 Tauri 2 + React 19 的桌面应用,专门解决"本机跑了一堆 AI Agent,管理混乱"的问题。

核心理念:所有 Agent,一个窗口管到底。

  • 不用开多个终端
  • 不用记各种启动命令
  • 不用手动打开浏览器找端口
  • 用自然语言就能操控所有 Agent

🤝 推荐搭配 Agent

智管-Agent Manager 可以统一管理本地运行的各类 AI Agent。 如果你正在寻找一个适合被智管托管的业务型 Agent,推荐搭配使用:


🧠 核心功能

1️⃣ Dashboard — 教室视图

所有 Agent 以可视化展示:Manager Agent 在讲台,其他 Agent 坐在学生座位上。

一眼看清所有 Agent 的状态,悬停在 Agent 座位上,可直接:

  • 启动 / 停止
  • 查看详情
  • 打开 UI 界面

点击讲台的 Manager Agent,直接跳转到自然语言指挥界面。


2️⃣ Manager Agent — 自然语言指挥官

用一句话控制所有 Agent,无需手动操作界面。

帮我启动 Business Analytics Agent,然后打开它的界面
把 Mindmap 停掉,顺便告诉我它是干什么的
现在有哪些 Agent 在运行?

Manager Agent 会理解意图 → 自动调用工具 → 完成操作,并向你汇报结果。

支持的操作:

自然语言描述 实际行为
启动 / 停止某个 Agent 调用 start/stop 接口
打开某个 Agent 的界面 自动在标签栏打开 UI
打开某个 Agent 的终端 自动在标签栏打开 PTY 终端
查看所有 Agent 状态 返回实时状态汇总表
了解某个 Agent 的功能 读取该 Agent 目录下的 README
跳转到某个页面 自动导航

会话持久化: 切换到其他页面再回来,对话历史不丢失。

需要配置 LLM 提供商才能使用,详见 LLM 配置说明。


3️⃣ Agent 管理

自动识别项目类型

选择项目目录后,自动检测并填写启动命令,无需手动填写。详见支持的项目类型。

启动与监控

  • 一键启动 / 停止 Agent 进程
  • 实时流式日志(stdout + stderr),支持自动滚动
  • 查看 PID、端口状态、启动时间
  • 侧边栏支持拖拽排序

内嵌 Web UI

有 Web 界面的 Agent(如 Streamlit、Flask、FastAPI)可以直接在应用内打开,不用切换浏览器:

  • 多标签页同时打开多个 Agent UI
  • 标签栏高度可拖拽调整
  • 支持一键全屏
  • 支持 WebSocket Token 自动填充(openclaw 类型 Agent)

4️⃣ MCP Agent — AI 工具对话

通过 MCP(Model Context Protocol)连接本地工具服务,与 AI 进行多轮工具调用对话。

MCP 服务器添加方式:

  • 本地扫描:自动检测 npm 全局安装的 MCP 包
  • 智能解析:粘贴任意文本(官方文档、安装说明等),AI 自动提取配置
  • 手动添加:填写 stdio / SSE 配置

5️⃣ 代理发布 — 临时分享与公网访问

🔗 临时分享(推荐 · 适合开会场景)

无需固定 IP,无需域名,无需服务器。一键生成临时公网链接:

你的电脑 localhost:5001
        ↓ Cloudflare Tunnel
https://abc-xyz.trycloudflare.com  ← 发给同事

使用流程:

  1. 安装 cloudflared(见下方)
  2. 确认 Agent 已启动
  3. 在"代理发布"页找到目标 Agent → 点击 生成链接
  4. 等待约 5–15 秒,出现 https://xxx.trycloudflare.com
  5. 复制链接发给同事
  6. 会后点 关闭,链接立即失效

安装 cloudflared:

# Windows(推荐用 Scoop)
scoop install cloudflared

# macOS
brew install cloudflared

或从 GitHub Releases 直接下载 exe。

⚠️ 临时链接无访问控制,请仅在需要时开启,会后立即关闭。

🛡️ Caddy 反向代理(长期发布)

适合需要固定域名、持续开放访问的场景:

  • 绑定自定义域名(自动申请 HTTPS 证书)
  • 用户名 / 密码访问控制(bcrypt 加密存储)
  • 多用户权限精细管理(每条规则可独立设置允许哪些用户访问)
  • 一键生成 Caddyfile + 启动/重载 Caddy

6️⃣ Port Manager — 端口管理

查看当前机器上所有正在监听的端口:

  • 显示端口号、协议、PID、进程名
  • 一键终止占用指定端口的进程
  • 方便排查 Agent 启动失败(端口被占用)的问题

⚙️ 安装方式

下载预构建安装包(推荐)

从 Releases 下载最新版本:

双击安装包,按提示安装即可。

从源码构建

前置依赖:

git clone https://github.com/Zafer-Liu/Agent_Manager.git
cd Agent_Manager

# 安装依赖
npm install
cd frontend && npm install && cd ..

# 开发模式运行
npm run dev

# 生产构建
npm run build

构建产物在 src-tauri/target/release/bundle/ 下。


🚀 快速上手

第一步:添加 Agent

  1. 侧边栏点击 Agents → 右上角 + New Agent
  2. 点击 📁 选择 Agent 的项目目录
  3. 应用自动识别项目类型,填写启动命令
  4. 填写名称,确认端口号(有 Web UI 的 Agent 需要)→ 保存
  5. 点击 ▶ 启动

第二步:查看 Agent 界面

  • 有 Web UI 的 Agent(Streamlit / Flask 等):点击 Open UI → 在应用内嵌标签页打开
  • TUI 类 Agent(Claude Code 等):点击 Open Terminal → 在应用内嵌终端打开

第三步:使用 Manager Agent(可选)

  1. 在 MCP Agent → LLM 设置 中添加 LLM 提供商(见LLM 配置说明)
  2. 点击侧边栏 Manager
  3. 选择 LLM 提供商
  4. 用自然语言发送指令

第四步:开会时分享 Agent(可选)

  1. 安装 cloudflared
  2. 打开代理发布页面
  3. 找到目标 Agent → 生成链接 → 复制发送

🤖 LLM 配置说明

Manager Agent 和 MCP Agent 都需要 LLM 驱动。在 MCP Agent → LLM 设置 中添加:

字段 说明 示例
名称 自定义,随便填 DeepSeek
Base URL OpenAI 兼容的 API 地址 https://api.deepseek.com/v1
API Key 对应的 API Key sk-xxx
模型 模型名称 deepseek-chat

点击测试连接,显示绿色即配置成功。

内置支持的提供商:

提供商 Base URL 推荐模型
DeepSeek https://api.deepseek.com/v1 deepseek-chat
OpenAI https://api.openai.com/v1 gpt-4o-mini
任意兼容 API 自定义 自定义

🔍 支持的项目类型

选择项目目录后,自动检测并填写以下配置:

项目类型 识别条件 自动生成的命令
Python · uv pyproject.toml + uv.lock uv run python main.py
Python · FastAPI requirements 含 fastapi uvicorn main:app --reload --port PORT
Python · Django manage.py 存在 python manage.py runserver 0.0.0.0:8000
Python · Streamlit requirements 含 streamlit streamlit run app.py --server.port 8501
Python · Flask requirements 含 flask python app.py
Python · 通用 main.py / app.py 等 python main.py
Node.js package.json npm run dev
Rust Cargo.toml cargo run
Go go.mod go run .
npm 全局命令 %APPDATA%\npm\*.cmd 交互式 PowerShell + 自动输入命令
可执行文件 .exe / .bat / .cmd / .sh 直接运行

端口号也会自动检测:扫描 .env 文件、pyproject.toml 脚本、源码中的 port= 配置。


📁 数据存储路径

数据 Windows macOS
Agent 配置 %APPDATA%\agent-manager\agents.json ~/Library/Application Support/agent-manager/agents.json
LLM 提供商 %APPDATA%\agent-manager\llm_config.json 同左
代理 / 用户配置 %APPDATA%\agent-manager\proxy.json 同左
生成的 Caddyfile %APPDATA%\agent-manager\Caddyfile 同左
MCP 服务器配置 %APPDATA%\Claude\claude_desktop_config.json ~/Library/Application Support/Claude/claude_desktop_config.json

🗺️ 版本更新

当前版本 v0.3.0 · 2026 年 7 月 12 日

v0.3.0 主要更新

阶段四:外部协作能力(P0-P2 全部完成)

  • ✅ 本地 Hook Server:默认 127.0.0.1:9420,外部系统通过 HTTP 推任务进 Agent Manager,端口和 auth_token 可配置
  • ✅ agent_task 节点:工作流可调度本地/远程子 Agent(不限于 MCP Server),oneshot channel 挂起等待结果
  • ✅ Callback 出站通知:Run 终态时回调外部 URL,指数退避重试 3 次
  • ✅ Fan-out 并行执行:支持 static/by_field/llm_split 拆分策略,join_all 并行执行子任务
  • ✅ DispatchStrategy 调度策略:Fixed / Failover / CapabilityMatch / Random 四种策略
  • ✅ 定时触发(cron):自建 5 字段 cron 解析器,后台线程每分钟检查模板 schedule 字段
  • ✅ McpTransport Http 变体:支持远程 MCP Server(Streamable HTTP transport)
  • ✅ 前端 SVG DAG 画布:从线性列表升级为 SVG 绘制的 DAG 画布,支持拖拽定位和工具栏
  • ✅ ExternalTriggers 设置页:Hook Server 状态显示、端口/Token 配置、curl 示例、重启功能
  • ✅ 运行历史来源列:区分手动/外部/返工/定时触发,彩色标签
  • ✅ Cloudflare Tunnel 隧道条目:ProxyManager 动态获取 Hook 端口传入隧道配置
  • ✅ 工作流验收面板:Acceptance/Rework 闭环,对话流内嵌验收卡片
  • ✅ Sweeper 自愈巡检:后台 30s interval 检测 Step 超时并标记 failed
  • ✅ FailureTrace 诊断链路:MCP stderr ring buffer + 失败原因分类 + 重试历史
  • ✅ Metrics 事件源:append-only JSONL 事件源 + 前端四卡片本地聚合

📖 查看完整 Changelog


v0.2.3 主要更新

新功能:

  • ✅ 可视化工作流:拖拽组合 MCP 工具、LLM 与完整 MCP Agent 节点,支持流式步骤反馈
  • ✅ MCP Agent 增强:对话中选择并启用多个 MCP Server,工具调用过程可折叠查看
  • ✅ MCP 智能配置:支持本地目录扫描、JSON/README/命令文本 AI 解析及 stdio/SSE 配置
  • ✅ 中英文界面:新增完整 i18n 与语言切换,覆盖主要页面和操作提示
  • ✅ 配置持久化:记住已选 LLM、启用的 MCP Server 和工作流选择
  • ✅ 持续集成:Push、Pull Request 和正式发布前自动执行前端检查与 Rust 测试

修复:

  • 修复“用 AI 解析”失败后界面看起来无响应的问题,并显示真实 API 错误
  • 修复中文 README 截断可能触发字符串边界异常的问题
  • 修复工作流 MCP Agent 节点的异步运行时冲突和上下文传递问题
  • 修复工作流展开内容仍被截断、删除后列表刷新竞态等问题

📖 查看完整 Changelog


❓ FAQ





🤝 参与贡献

欢迎提交 PR 或 Issue!参与方式:

  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'feat: add amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 提交 Pull Request

Bug 报告或功能建议请通过 Issues 提交。开发环境搭建详见从源码构建。


📄 License

Apache 2.0


⭐ 项目目标

把所有 Agent 的管理交给智管,把时间留给真正重要的事。

View this README on GitHub

설치

This server does not publish a one-line install command.

Open the repository installation guide