通用代理工作室（UAS）
*一个可访问的端到端平台，用于创建、运行和共享AI代理。*
______________________________________________________________________
设置和运行说明
设置
- 安装
uv:
- 适用于Mac和Linux:
curl -LsSf https://astral.sh/uv/install.sh | sh- 适用于Windows（在PowerShell中）:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"- 克隆存储库并导航到项目目录：
cd universal-agent-studio- 同步项目依赖关系：
uv sync跑
启动应用程序：
uv run -m streamlit run src/main.py______________________________________________________________________
1.愿景
Universal Agent Studio旨在制作 所有人（开发人员、团队、企业和业余爱好者）都可以访问代理创建和LLM使用它为以下内容提供了一个统一的接口：
- 与多个代理交谈
- 创建和自定义代理
- 管理LLM（本地+云）
- 管理MCP服务器
- 使用标准接口（OpenAI API+A2A协议）托管和服务代理/LLM
目标是 使代理工作流程民主化 通过为用户提供强大的可扩展性支持的无代码/低代码环境。
______________________________________________________________________
2.核心部件
2.1客服聊天界面
一个通用的聊天UI，每个代理都有自己的工作区。包括：
- 与任何已创建的代理进行实时聊天
- 代理创建者配置的建议提示
- 带有源引用的流式响应（如果使用RAG）
- 代理操作日志（使用的工具、权限请求、推理跟踪（如果启用））
______________________________________________________________________
2.2法学硕士市场
用于管理来自多个来源的模型的统一系统：
局部模型
- 下载型号（GGUF/GPTQ/ONNX等）
- 通过本地运行时运行它们（Ollama、Llama.cpp、TensorRT、vLLM local等）
- 查看性能基准和硬件要求
API模型
- 连接OpenAI、Anthropic、谷歌、Groq、DeepSeek、Mistral等。
- 自动检测功能（函数调用、JSON模式、嵌入等）
LLM主机
平台可以通过以下方式公开托管模型：
- 兼容OpenAI的API
- A2A协议接口
- 速率限制、身份验证密钥、每种型号配置
______________________________________________________________________
2.3 MCP服务器市场
用户可以集成到代理中的精心策划的MCP服务器列表：
- 文件系统工具
- 浏览器自动化工具
- 数据库MCP
- DevOps工具
- 知识库MCP
- 自定义用户创建的MCP
每个服务器列表包括：
- 可用工具说明
- 权限模型（手动审批/自动审批）
- 配置选项
- 安装步骤或自动设置
______________________________________________________________________
2.4代理创建工作室
一个无需编写代码即可创建强大代理的引导式界面：
核心要素
- 代理名称+描述
- 系统提示设置
- 聊天UI的建议提示
- LLM选择
- 从市场中选择或携带您自己的LLM API
- MCP集成
- 添加多个MCP服务器
- 配置权限：
- 执行前询问 - 允许直接执行
- RAG配置（可选）
- 选择嵌入模型 - 上传/选择文档 - 分块+索引参数 - 在回复中启用“源引用”
- A2A+OpenAI API曝光切换
- 将此代理作为标准API终结点公开 - 设置身份验证、速率限制、最大请求数、日志记录
高级选项
- 记忆设置（短期、长期、向量记忆）
- 控制思维链是否被抑制或可见
- 安全设置和允许的工具域
- 自定义操作（webhooks、脚本）
______________________________________________________________________
3.托管能力
UAS扮演着 迷你AI后端平台，支持：
3.1开放人工智能兼容API
/v1/chat/completions/v1/embeddings/v1/models/v1/responses
3.2 A2A协议支持
代理和工具可以直接与其他兼容系统通信。
3.3本地+云部署
- 本地PC
- 码头工人
- 云虚拟机
- Kubernetes（可选自动化）
______________________________________________________________________
4.用户角色
开发者
想要一个在本地测试代理而不构建整个后端的地方。
企业
希望内部自定义代理使用私人文档并安全执行。
休闲用户
想要拥有本地LLM的个人助理，以保护隐私并节省成本。
代理创建者
想要在市场上发布代理+工具。
______________________________________________________________________
5.差异化因素
- 统一平台： LLM+MCP服务器+代理在一个接口下
- 在本地或云端运行所有内容——由您选择
- OpenAI API+A2A兼容主机
- 没有代码代理构建器，具有高度的灵活性
- 市场驱动的扩展生态系统
- 权限感知工具执行
- RAG强制引用来源
______________________________________________________________________
6.高层架构
┌─────────────────────────┐
│ Frontend UI │
│ (Electron / Web App) │
└───────────┬─────────────┘
│
┌───────────────┼──────────────────┐
│ │ │
┌──────────────┴───────────┐┌──┴──────────────┐┌──┴───────────────┐
│ Agent Runtime Engine ││ LLM Manager ││ MCP Server Hub │
│ - Prompting pipeline ││ - Local models ││ - Server registry│
│ - RAG engine + citations ││ - API models ││ - Permission mgr │
│ - Tool execution logic ││ - Model hosting ││ - Connection pool│
└──────────────┬───────────┘└──────┬──────────┘└──────────────────┘
│ │
│ ┌──────┴────────┐
│ │ OpenAI API/A2A│
│ │ Serving Layer│
│ └───────────────┘
│
┌───────┴──────────┐
│ Storage Layer │
│(VectorDB, config │
│ files, user data)│
└──────────────────┘______________________________________________________________________
7.示例用例
- 创建一个 研究助理 使用本地LLM+PDF知识库
- 建立一个 编码助手 使用Git+终端MCP工具
- 发布a “简历修复者”代理 走向市场
- 跑a 家庭自动化代理 使用IoT MCP服务器
- 自己主持 OpenAI兼容LLM 适用于您的应用程序
- 允许团队使用具有集中RAG文档的共享代理集
______________________________________________________________________
8.未来的扩展
- 共享社区代理+MCP服务器的云市场
- 为支持的型号微调UI
- 多代理协作工作流
- 工作流生成器（基于图形）