9.7 Open Agent Platform：无代码智能体构建平台
来源: LangChain 官网 | Open Agent Platform GitHub整理日期: 2025年12月
概述
Open Agent Platform（OAP） 是 LangChain 于 2025 年 5 月发布的开源无代码智能体构建平台。它让用户无需编写代码，即可通过直观的 Web 界面创建、管理和部署 LangGraph 智能体。
"无论你是在原型验证新想法，还是部署内部工具，Open Agent Platform 让智能体构建变得像拖拽连接一样简单。" — LangChain 官方公告
LangGraph 平台界面示例
核心定位
| 传统方式 | Open Agent Platform |
|---|---|
| 需要 Python/TypeScript 编程 | 无代码可视化操作 |
| 手动配置工具和 RAG | 拖拽式连接外部资源 |
| 复杂的部署流程 | 一键部署到生产环境 |
| 需要后端服务器 | 直接连接 LangGraph Platform |
1. 核心功能
Open Agent Platform 提供四大核心能力：
1.1 无代码智能体创建
通过直观的 UI 界面构建和配置智能体：
- 选择模型：支持 OpenAI、Anthropic、Google 等多种模型供应商
- 自定义提示词：可视化编辑 System Prompt 和用户指令
- 配置参数：温度、最大 token 数等参数的图形化调整
传统方式: OAP 方式:
┌─────────────────────────┐ ┌─────────────────────────┐
│ from langchain import..│ │ 📱 Web 界面 │
│ llm = ChatOpenAI(...) │ │ ┌─────────────────┐ │
│ agent = create_agent( │ → │ │ 模型: GPT-4 ▼│ │
│ llm, tools, ... │ │ │ 温度: 0.7 ──○│ │
│ ) │ │ │ [保存配置] │ │
└─────────────────────────┘ └─────────────────────────┘1.2 工具与知识库集成
MCP 工具连接（Model Context Protocol）：
- 连接外部 API 和服务
- 支持 stdio 和 HTTP 两种传输方式
- 动态发现和绑定工具
RAG 集成（通过 LangConnect）：
- 上传文档创建知识库
- 向量检索增强生成
- 支持多种文档格式
LangConnect 是 LangChain 提供的 RAG 服务组件，负责：
- 文档解析和分块
- 向量存储和检索
- 与智能体的无缝集成
1.3 多智能体工作流
通过内置的 Agent Supervisor（智能体监督者） 协调多个智能体：
┌─────────────────────────────────────────────┐
│ Agent Supervisor │
│ (任务分配和结果聚合) │
└──────────┬───────────┬───────────┬──────────┘
│ │ │
┌─────▼─────┐ ┌───▼───┐ ┌────▼────┐
│ Research │ │ Code │ │ Writing │
│ Agent │ │ Agent │ │ Agent │
└───────────┘ └───────┘ └─────────┘- 任务分解：Supervisor 将复杂任务拆分给专业智能体
- 并行执行：多个智能体同时工作，提高效率
- 结果聚合：汇总各智能体输出，生成最终答案
1.4 安全与权限控制
- 内置认证：默认使用 Supabase 进行用户认证
- 可替换认证：支持自定义认证提供商
- 访问控制：细粒度的权限管理
2. 技术架构
2.1 系统架构图
┌─────────────────────────────────────────────────────────────┐
│ Open Agent Platform │
│ ┌─────────────────────────────────────────────────────────┐│
│ │ Web UI (TypeScript) ││
│ │ (无代码智能体配置界面) ││
│ └────────────────────────┬────────────────────────────────┘│
└───────────────────────────┼─────────────────────────────────┘
│ API 调用
▼
┌─────────────────────────────────────────────────────────────┐
│ LangGraph Platform │
│ ┌────────────┐ ┌────────────┐ ┌────────────────────────┐ │
│ │ 智能体运行 │ │ 状态持久化 │ │ 自动扩缩容 │ │
│ │ 引擎 │ │ 存储 │ │ Auto-scaling │ │
│ └────────────┘ └────────────┘ └────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────────┼───────────────────┐
▼ ▼ ▼
┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐
│ MCP 服务器 │ │ LangConnect │ │ 外部 API & 数据库 │
│ (工具提供) │ │ (RAG 服务) │ │ │
└──────────────┘ └──────────────┘ └──────────────────────┘2.2 技术栈
| 层级 | 技术选型 |
|---|---|
| 前端 | TypeScript (93.7%)、React |
| 文档 | MDX (5.0%) |
| 包管理 | Yarn Workspaces |
| 构建工具 | Turbo（单体仓库构建） |
| 认证 | Supabase（可替换） |
| 配置验证 | LangGraph Zod |
| 部署 | LangGraph Platform |
2.3 智能体概念模型
在 OAP 中，Agent（智能体） 是对 LangGraph Graph 的自定义配置：
python
# 概念等价于 LangGraph API 中的 "Assistant"
Agent = Graph + Configuration
# 其中 Configuration 包括：
# - 使用的 LLM 模型
# - System Prompt
# - 绑定的工具
# - 连接的知识库
# - 运行参数3. 部署选项
LangGraph Platform（现已更名为 LangSmith Deployment）提供三种部署方式：
3.1 云端 SaaS（Cloud）
| 特性 | 说明 |
|---|---|
| 管理方式 | LangChain 完全托管 |
| 部署速度 | 最快，一键部署 |
| 维护成本 | 零维护，自动更新 |
| 适用场景 | 快速原型、中小型项目 |
| 可用计划 | Plus / Enterprise |
开发者 → LangSmith 控制台 → 一键部署 → 生产环境
(GitHub 集成)3.2 混合部署（Hybrid）
| 特性 | 说明 |
|---|---|
| 控制平面 | LangChain 托管的 SaaS |
| 数据平面 | 客户自有基础设施 |
| 数据安全 | 数据不离开客户 VPC |
| 扩缩容 | 托管服务自动处理 |
| 可用计划 | 仅 Enterprise |
┌─── LangChain 托管 ───┐ ┌─── 客户 VPC ───┐
│ Control Plane │ ←→ │ Data Plane │
│ (配置、监控、扩缩) │ │ (数据处理) │
└─────────────────────┘ └────────────────┘3.3 完全自托管（Self-Hosted）
| 特性 | 说明 |
|---|---|
| 控制权 | 完全由客户控制 |
| 数据安全 | 数据完全在客户环境 |
| 维护成本 | 需自行维护 |
| 免费额度 | Developer 计划：10 万节点/月 |
| 可用计划 | Developer / Plus / Enterprise |
bash
# 使用 LangGraph CLI 构建 Docker 镜像
langgraph build -t my-agent
# 部署到自有 Kubernetes 集群
kubectl apply -f deployment.yaml3.4 定价参考
| 计划 | 免费额度 | 超出费用 |
|---|---|---|
| Developer | 10万节点/月 | - |
| Plus | 1 个免费 Dev 部署 | $0.005/次 Agent 运行 |
| Enterprise | 联系销售 | 定制定价 |
4. 快速开始
4.1 在线体验
访问 oap.langchain.com 即可在线体验 OAP 的功能。
4.2 本地部署
前置要求：
- 所有智能体必须是 LangGraph 智能体
- 智能体必须部署在 LangGraph Platform 上
- 需要 2025年5月14日 之后发布的版本
基础步骤：
bash
# 1. 克隆仓库
git clone https://github.com/langchain-ai/open-agent-platform.git
cd open-agent-platform
# 2. 安装依赖
yarn install
# 3. 配置环境变量
cp .env.example .env
# 编辑 .env 添加 LangGraph Platform 配置
# 4. 启动开发服务器
yarn dev使用 RAG 功能： 如需使用 RAG 功能，需额外运行 LangConnect 服务器。
4.3 配置智能体 UI
为了让智能体在 OAP 中正确显示配置界面，需要设置 x_oap_ui_config 元数据：
python
from langgraph import Graph
from pydantic import Field
class AgentConfig:
model: str = Field(
default="gpt-4",
json_schema_extra={
"x_oap_ui_config": {
"type": "select",
"options": ["gpt-4", "gpt-3.5-turbo", "claude-3"]
}
}
)
temperature: float = Field(
default=0.7,
json_schema_extra={
"x_oap_ui_config": {
"type": "slider",
"min": 0,
"max": 1
}
}
)5. LangChain 生态系统
Open Agent Platform 是 LangChain 生态系统的重要组成部分：
┌─────────────────────────────────────────────────────────────┐
│ LangChain 生态系统 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────┐ │
│ │ LangChain │ │ LangGraph │ │ Deep Agents │ │
│ │ (快速入门) │ │ (低级控制) │ │ (规划/记忆/子智能体)│ │
│ │ │ │ │ │ │ │
│ │ 任意模型 │ │ 自定义架构 │ │ 复杂任务处理 │ │
│ │ 快速原型 │ │ 精细控制 │ │ 长期规划 │ │
│ └─────────────┘ └─────────────┘ └─────────────────────┘ │
│ │ │ │ │
│ └────────────────┼────────────────────┘ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ LangSmith │ │
│ │ (智能体工程平台) │ │
│ │ ┌────────────┐ ┌──────────┐ ┌──────────────────┐ │ │
│ │ │ Observability│ │Evaluation│ │ Deployment │ │ │
│ │ │ 可观测性 │ │ 评估 │ │ 部署 │ │ │
│ │ └────────────┘ └──────────┘ └──────────────────┘ │ │
│ └──────────────────────────────────────────────────────┘ │
│ ▲ │
│ │ │
│ ┌──────────────────────────────────────────────────────┐ │
│ │ Open Agent Platform │ │
│ │ (无代码智能体构建) │ │
│ └──────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘5.1 关键数据
- 月下载量：9000 万+
- GitHub Stars：10 万+
- 集成数量：1000+
- 排名：#1 下载量最高的智能体框架
5.2 主要使用场景
| 场景 | 说明 |
|---|---|
| Copilots | 智能编程助手 |
| Enterprise GPT | 企业级对话系统 |
| Customer Support | 智能客服 |
| Research | 自动化研究助手 |
| Code Generation | 代码生成工具 |
| AI Search | 智能搜索系统 |
5.3 知名客户
Writer、Harvey、Vanta、Klarna、LinkedIn、Elastic、Workday、Cisco、Rippling、Mercor 等众多企业正在使用 LangChain 生态系统。
6. LangGraph 1.0 新特性（2025年10月）
LangGraph 1.0 是首个稳定主版本，承诺在 2.0 版本之前不会有破坏性变更：
| 新特性 | 说明 |
|---|---|
| 节点级缓存 | 缓存中间结果，提高效率 |
| 延迟节点执行 | 支持复杂工作流的延迟执行 |
| MCP 端点支持 | 原生支持 Model Context Protocol |
| 改进的状态管理 | 更强大的长期状态持久化 |
| 时间旅行调试 | 回溯到之前的状态进行调试 |
7. 实战：集成 OAP 到 Deep Research
在我们的 Deep Research 系统中，OAP 可以用于：
7.1 可视化管理研究智能体
┌─────────────────────────────────────────────┐
│ OAP 智能体管理界面 │
├─────────────────────────────────────────────┤
│ │
│ 📋 Research Supervisor │
│ └─ 🔧 配置: GPT-4, 温度 0.3 │
│ └─ 🛠️ 工具: Tavily Search, think_tool │
│ │
│ 📋 Web Researcher │
│ └─ 🔧 配置: Claude-3, 温度 0.5 │
│ └─ 🛠️ 工具: Web Search, Scraper │
│ │
│ 📋 Report Writer │
│ └─ 🔧 配置: GPT-4, 温度 0.7 │
│ └─ 📚 知识库: Research Templates │
│ │
└─────────────────────────────────────────────┘7.2 快速迭代和测试
使用 OAP 的无代码界面，可以快速调整：
- 不同的 LLM 模型
- Prompt 优化
- 工具配置
- 参数调优
无需修改代码，即可测试不同配置的效果。
7.3 团队协作
- 非技术人员：通过 OAP 界面直接配置和测试智能体
- 开发人员：专注于核心 Graph 逻辑开发
- 产品经理：直接体验和调整智能体行为
总结
Open Agent Platform 代表了智能体开发的民主化趋势：
- 降低门槛：无代码界面让更多人能够构建智能体
- 提高效率：可视化配置加速开发迭代
- 生产就绪：与 LangGraph Platform 深度集成，支持企业级部署
- 生态完善：MCP、RAG、多智能体工作流一应俱全
对于 Deep Research 系统的开发者而言，OAP 提供了：
- 快速原型验证的平台
- 团队协作的界面
- 生产部署的通道