FastAPI+PostgreSQL+Redis后端与Next.js前端组合，搭建多类型AI Agent管理与运行平台

方案简介

Evo AI 是一个开源 AI Agent 平台，用于创建和管理 AI Agent，并可集成不同的 AI 模型与服务。它基于 Google Agent Development Kit (ADK) 作为 Agent 开发基础框架，同时支持 CrewAI（开发中）和 LangGraph 构建复杂工作流，实现 Google 的 A2A（Agent 2 Agent）协议以支持 Agent 间互操作。

平台支持七种可灵活组合的 Agent 类型：LLM Agent（基于 GPT-4、Claude 等语言模型，可配置工具、MCP 服务器与子 Agent）、A2A Agent、Sequential Agent（按顺序执行子 Agent）、Parallel Agent（并行执行）、Loop Agent（循环执行并有最大迭代次数）、Workflow Agent（用 LangGraph 图结构定义自定义工作流）以及 Task Agent。此外还提供 JWT 认证与邮箱验证、API Key 加密存储、按文件夹组织 Agent 等能力，并有原生 Langfuse 集成用于执行追踪。适合需要自托管、多 Agent 编排与可视化管理界面的团队。

组成与分工

• FastAPI：构建 API 的 Web 框架
• SQLAlchemy：与数据库交互的 ORM
• PostgreSQL：主数据库
• Alembic：数据库迁移系统
• Pydantic：数据验证与序列化
• Uvicorn：ASGI 服务器
• Redis：缓存与会话管理
• JWT：安全令牌认证
• SendGrid/SMTP：邮件通知服务（可配置），配合 Jinja2 渲染邮件模板
• Bcrypt：密码哈希与安全
• LangGraph：构建有状态多 Agent 工作流的框架
• Next.js 15 + React 18 + TypeScript：前端界面
• Tailwind CSS + shadcn/ui：样式与组件库
• React Hook Form + Zod：表单管理与 Schema 校验
• ReactFlow：节点式可视化工作流
• React Query：服务端状态管理
• Langfuse：基于 OpenTelemetry 的执行追踪与可观测性

前置要求

后端：

• Python: 3.10 or higher
• PostgreSQL: 13.0 or higher
• Redis: 6.0 or higher
• Git: 用于版本控制
• Make: 用于运行 Makefile 命令

前端：

• Node.js: 18.0 or higher
• pnpm：推荐的包管理器（或 npm/yarn）

实施步骤

1. 克隆仓库

bash
git clone https://github.com/EvolutionAPI/evo-ai.git
cd evo-ai

2. 后端设置

创建虚拟环境并安装依赖：

bash
make venv
source venv/bin/activate
make install-dev

配置环境变量：

bash
cp .env.example .env

编辑 .env 填入数据库、Redis 等设置。然后初始化数据库：

bash
make alembic-upgrade
make seed-all

3. 前端设置

bash
cd frontend
pnpm install
cp .env.example .env

前端 .env 应包含：

env
NEXT_PUBLIC_API_URL=http://localhost:8000

4. 开发模式启动

终端 1 启动后端：

bash
make run

后端运行在 http://localhost:8000。终端 2 启动前端：

bash
cd frontend
pnpm dev

前端运行在 http://localhost:3000。

5. Docker 一键部署（可选）

bash
make docker-build
make docker-up
make docker-seed

使用与配置要点

安装完成后：

1. 打开 http://localhost:3000 访问前端
2. 使用种子管理员凭据登录或注册新账号
3. 配置你的第一个 MCP 服务器连接
4. 创建 Client 以组织你的 Agent
5. 创建并配置你的 AI Agent
6. 使用聊天界面与 Agent 交互测试

种子运行后可查看 seeder 输出获取生成的管理员邮箱和密码。

生产模式：后端使用 make run-prod 多 worker 运行；前端使用 pnpm build && pnpm start。

要启用 Langfuse 追踪，在 .env 中设置：

env
LANGFUSE_PUBLIC_KEY="pk-lf-..."
LANGFUSE_SECRET_KEY="sk-lf-..."
OTEL_EXPORTER_OTLP_ENDPOINT="https://cloud.langfuse.com/api/public/otel"

然后在 Langfuse 仪表板中实时查看 traces。

注意事项与常见问题

• CrewAI 支持仍处于开发中（in development）
• 管理员邮箱和密码需查看 seeder 输出获取，而非固定默认值
• 邮件服务可通过 SendGrid 或 SMTP 配置，二选一
• API Key 采用加密存储，需在 .env 正确配置数据库、Redis 等设置后才能运行

优缺点

• ✓ 支持多种Agent类型灵活组合
• ✓ 前后端与Docker部署齐全
• ✕ 部署依赖组件较多
• ✕ CrewAI支持仍在开发中

出处

本方案挖掘自开源项目 evolution-foundation/evo-ai，方案内容与实施命令均来自其 README 原文。