新闻详情

新闻详情

首页 / 资讯中心 / 详情

AgentScope Java 生产部署指南:AgentScope Service 用 Docker Compose 与 Helm 一键上线

发布时间:2026/11/19 8:21:08来源:尧图网络
AgentScope Java 生产部署指南:AgentScope Service 用 Docker Compose 与 Helm 一键上线
AgentScope Java 生产部署指南AgentScope Service 用 Docker Compose 与 Helm 一键上线【免费下载链接】agentscope-javaBuild distributed, production-grade, long-running agents.项目地址: https://gitcode.com/gh_mirrors/ag/agentscope-javaAgentScope Java 是用于构建分布式、生产级、长时运行智能体的开源框架其AgentScope Service提供统一的 Agent 控制面与治理平台。本文将带你用Docker Compose与Kubernetes Helm两条路径把 AgentScope Service 一键部署到生产环境从初始化密钥到验证上线全程约 10 分钟。认识 AgentScope Service企业级智能体管控平台AgentScope Service 构建于 AgentScope Harness 之上定位为企业统一的 Agent 控制面与编排中心控制面Control Plane为所有 Agent 提供注册、查询与分布式协调兼容 AgentScope、LangChain、ADK 等主流运行时Managed Agents低代码创建与托管运行智能体推理与工具执行分离Agent Teams把不同技术栈的 Agent 编排成协作团队共同完成复杂任务。整套服务由 4 个组件 1 个数据库组成生产部署架构如下平面职责端口Gateway公共入口、认证与 API 路由18080对外Control PlaneaistiodAgent 状态、Session、Team 管理8081内部Dataplane托管运行时、事件日志、SSE8082内部Scheduler定时任务、Channel、出站任务8083内部PostgreSQL产品与运行状态存储cp/rt/dp三个 schema5432 只有 Gateway 对外暴露其余组件与数据库都保留在私网内这是两种部署方式共同的安全设计。部署前准备5 分钟备齐依赖两种路径的共同前置条件Docker Engine / Docker Desktop Compose v2Compose 路径必需Kubernetes 集群 Helm 3Helm 路径必需模型 API Key如 DashScope服务本身不包含模型凭据从 Release 发布说明中获取版本号与镜像仓库命名空间下载agentscope-service-VERSION-compose.tar.gz并校验 SHA-256磁盘空间要能容纳数据库与工作文件CPU/内存需求取决于并发与工具负载。⚠️ 特别注意PostgreSQL需要提前具备cp、rt、dp三个 schemaCompose 包内已附带初始化脚本 postgres-init.sql容器首次启动时自动执行。路径一Docker Compose 一键部署最快上手适合单服务器、团队内部环境或私有化体验官方部署包见 deploy/README.md核心编排文件是 compose.yaml。一键初始化环境解压部署包后只需 3 行命令./init-env.sh VERSION REGISTRY/NAMESPACE docker compose pull docker compose up -d --wait --wait-timeout 600初始化脚本 init-env.sh 会用openssl随机生成一套完整密钥写入权限为600的.env文件包含数据库密码、JWT 签名密钥、内部调用令牌、Vault 加密主密钥初始管理员密码AISTIO_BOOTSTRAP_PASSWORD。 生产要点.env里没有任何可预测的开发密钥且脚本绝不覆盖已有.env——重复运行不会重置密码或版本升级时手动修改SERVICE_VERSION即可。验证上线并登录docker compose ps curl -fsS http://localhost:18080/actuator/health确认整栈健康后打开http://localhost:18080用admin.env中的AISTIO_BOOTSTRAP_PASSWORD登录并立即在 Profile 中修改密码。初始管理员只在空用户库时创建重启不会重置已有账号生产环境也没有任何演示账号。配置模型与执行环境编辑.env填入模型凭据后重建容器DASHSCOPE_API_KEY你的模型凭据 BUILDER_ALLOW_LOCAL_ENVIRONMENTfalse⚠️BUILDER_ALLOW_LOCAL_ENVIRONMENT生产环境请保持false默认值。仅在可信本地评估时才开启它允许 Local 工具在 Dataplane 容器内直接执行需要隔离工具执行时请配置 Sandbox 或自托管 Worker。数据持久化方面Compose 包用3 个命名卷分别保存 PostgreSQL 数据、共享 Workspace 与 Artifact例如 workspaces.png 所示的 Workspace 页面中的文件都落在这些卷里。停止服务用docker compose down不要加-v否则会删除全部应用数据。启用远程访问可选如需从其他设备访问或对接 OAuth/Channel 公网回调准备域名 TLS 证书HTTPS 反向代理指向 Gateway在.env设置BUILDER_OAUTH_PUBLIC_URLhttps://你的域名按需调整BIND_ADDRESS与GATEWAY_PORT重建容器后验证登录、长回复、SSE 重连与回调链路代理必须支持 SSE不能只验证首页可打开。路径二Helm Chart 部署到 Kubernetes规模化生产面向集群化生产环境官方 Helm Chart 一次安装 Gateway、Control、Dataplane、Scheduler 四个 DeploymentPostgreSQL 与存储由你独立管理。Chart 说明见 helm/agentscope-service/README.md完整文档见 kubernetes.md。第 1 步准备数据库与 Secret用应用数据库所有者执行postgres-init.sql创建cp、rt、dp三个 schema复制 kubernetes.env.example 到私有文件替换全部占位值数据库连接、JWT / internal / Vault 密钥、初始管理员密码、模型凭据kubectl create namespace agentscope kubectl -n agentscope create secret generic agentscope-service \ --from-env-file/private/path/service.envSecret 是运行配置切勿把明文密钥提交到代码仓库。第 2 步准备 values 并安装values.yaml 中的关键项persistence.workspaces需ReadWriteMany共享存储Workspace 会被多个组件挂载persistence.artifacts默认 ReadWriteOnceIngress 可选开启existingSecret: agentscope-service allowLocalEnvironment: false publicURL: https://agentscope.example.com persistence: workspaces: storageClass: shared-rwx size: 20Gi artifacts: storageClass: standard size: 20Gi ingress: enabled: true className: nginx host: agentscope.example.com tls: - hosts: [agentscope.example.com] secretName: agentscope-service-tls使用 Release 提供的 Chart 包安装指定版本helm upgrade --install service ./agentscope-service-VERSION.tgz \ --namespace agentscope \ --set imageRepositoryREGISTRY/NAMESPACE \ -f production-values.yaml \ --wait --timeout 10m第 3 步验证用户路径kubectl -n agentscope get pods,pvc,svc,ingress kubectl -n agentscope port-forward service/service-agentscope-gateway 18080:8080确认 PVC Bound、Pod Ready用初始管理员登录公开域名并修改密码再验证模型连接、首次 Chat 与长连接。port-forward只用于排障不能替代公网回调地址验证。生产安全与运维要点备份三位一体数据库pg_dump Workspace/Artifact 卷快照 密钥.env/ Secret。只有三者能共同恢复备份才算有效详细流程见 operations.md升级走维护窗口先阅读迁移说明、在测试库副本演练再备份后升级。注意组件镜像回退不保证旧版本可读新 schema卸载保留 PVCHelm Chart 卸载时不会删除你创建的持久卷重新安装时显式指定保留的existingClaim诚实的预期当前 Chart 每组件单副本 Recreate 更新不提供多副本 HA 或无停机迁移请据此规划容量与发布节奏。官方文档与延伸阅读资料路径Compose 部署说明deploy/README.md生产部署包配置deploy/compose.yamlHelm Chart 文档helm/agentscope-service/README.md本地快速体验quickstart.md生产安装K8skubernetes.md备份与升级手册operations.md服务总览agentscope-service/README_zh.md现在打开控制台创建第一个 Managed Agent发送第一条消息你的企业级智能体管控平台就正式上线了 【免费下载链接】agentscope-javaBuild distributed, production-grade, long-running agents.项目地址: https://gitcode.com/gh_mirrors/ag/agentscope-java创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉