Nginx Proxy Manager +
OpenAI GPT Latest + Docker Engine+ MySQL+ Coze Loop+ Docker Compose+ Volcengine Ark
OpenAI GPT Latest + Docker Engine+ MySQL+ Coze Loop+ Docker Compose+ Volcengine ArkDocker Compose 一键部署 AI Agent 全生命周期管理与评估平台
✓ 零门槛快速部署✓ 全生命周期管理 ✕ 依赖外部模型 API Key✕ 功能较商业版精简
方案简介
Coze Loop 是面向开发者的平台级 AI Agent 开发与运营解决方案,开源版提供从开发、调试、评估到监控的全生命周期管理能力。本配方使用 Docker Compose 一键编排部署 Coze Loop 开源版,并通过 model_config.yaml 接入 Volcengine Ark(国内/海外 BytePlus ModelArk)或 OpenAI 等大模型服务,构成一套可本地运行的 Agent 提示词调试、评估与可观测平台。适合希望零门槛参与 AI Agent 探索与实践的个体开发者和小团队。
亮点与能力
- Prompt 开发:提供编写、调试、优化与版本管理端到端支持
- Playground 可视化调试:实时交互测试 prompt,直观对比不同 LLM 的输出
- 系统化评估:对 prompt 和 Coze agent 输出做多维度自动化评测(准确性、简洁性、合规性等)
- 可观测性:全流程执行记录,从用户输入到 AI 输出,涵盖 prompt 解析、模型调用、工具执行等关键阶段,自动捕获中间结果与异常
- SDK Trace 上报:支持通过 SDK 上报 trace 数据并观测
- 多模型集成:支持接入 OpenAI、Volcengine Ark 等模型
组成与分工
- Coze Loop:核心平台,提供 prompt 开发、评估、可观测等全生命周期管理功能
- Docker Compose:本地容器编排,通过
make compose-up一键启动全部服务 - Volcengine Ark / OpenAI:外部大模型服务,经 model_config.yaml 中的 api_key 与 model 字段接入提供推理能力
- Nginx:部署中的服务组件之一(K8s 部署中用于检查服务是否正常)
- MySQL:作为持久化存储组件支撑平台数据(Docker Compose 编排内)
前置要求
- 需提前安装并启动 Docker Engine:
Bash
请先安装并启动 Docker Engine
Please install and start Docker Engine before you start.
- 需要可访问的大模型 API(如 Volcengine Ark API Key 或 OpenAI Key)
- 磁盘与端口:默认通过 8082 端口对外提供 Web 访问
实施步骤
1. 克隆源码
Bash
Clone the code
git clone https://github.com/coze-dev/coze-loop.git
Enter the coze-loop directory
cd coze-loop
2. 配置模型
进入 coze-loop 目录,编辑文件 release/deployment/docker-compose/conf/model_config.yaml,修改 api_key 和 model 字段。以 Volcengine Ark 为例:
- api_key:填 Volcengine Ark API Key(国内用户参考火山方舟文档,海外用户参考 BytePlus ModelArk 文档)
- model:填火山方舟模型接入点的 Endpoint ID
3. 启动服务
Bash
Start the service (default: development mode)
Run in the coze-loop/ directory
make compose-up
4. 访问验证
通过浏览器访问 http://localhost:8082 打开 Coze Loop 开源版。
使用与配置要点
- 日常启停:在
coze-loop/目录下运行make compose-up启动服务(默认开发模式) - 模型切换:随时修改
release/deployment/docker-compose/conf/model_config.yaml中的 api_key 与 model 字段即可切换底层模型 - 验证成功:浏览器访问
http://localhost:8082能打开平台界面即可;之后可创建 prompt、在 Playground 中调试对比不同 LLM 输出、创建评估实验并查看 trace 观测数据 - 参考
examples/目录中的示例进行定制
注意事项与常见问题
- 默认启动为开发模式(development mode),生产环境需另行评估部署方式
- 必须先安装并启动 Docker Engine,否则无法执行部署
- 模型配置必须填写有效的 api_key 与 model(Endpoint ID),否则模型调用不可用
- 如需生产级 Kubernetes 部署,可改用 Helm Chart 方式,并需准备 K8s 集群、启用 Nginx Ingress、安装 Kubectl 与 Helm
优缺点
- ✓ 零门槛快速部署
- ✓ 全生命周期管理
- ✕ 依赖外部模型 API Key
- ✕ 功能较商业版精简
出处
本方案挖掘自开源项目 coze-dev/coze-loop,方案内容与实施命令均来自其 README 原文。
方案出处
coze-dev/coze-loop:Next-generation AI Agent Optimization Platform: Cozeloop addresses challenges in 5714 star Next-generation AI Agent Optimization Platform: Cozeloop addresses challenges in AI agent development by providing full-lifecycle management capabilities from development, debugging, and evaluation to
本方案由真实开源项目挖掘整理,实施命令均来自其 README 原文,安装使用请遵循项目开源协议。