Agentic Workflow Studio：基于 Kubernetes 沙箱的智能工作流编排平台

Agentic Workflow Studio 是一个开源的智能体工作流编排平台，采用前后端分离架构，结合 Kubernetes 沙箱资源池，为 AI Agent 工作流的生成、执行、调试和固化提供完整的解决方案。

• 原作者/维护者： xiaoDongMr
• 来源平台： GitHub
• 原始标题： agentic-workflow-studio
• 原始链接： https://github.com/xiaoDongMr/agentic-workflow-studio
• 发布时间： 2026年6月16日

Agentic Workflow Studio 是一个面向 AI Agent 工作流全生命周期管理的工作台。它不仅仅是一个简单的流程编排工具，而是一个集成了工作流生成、可视化编排、实时执行、调试追踪和版本固化能力的综合平台。

项目的核心设计理念是将工作流的定义、执行和环境隔离进行解耦，通过 Kubernetes 沙箱资源池为代码执行节点提供安全、隔离的运行环境。这种架构既保证了灵活性，又确保了安全性。

项目采用经典的前后端分离架构：

后端（FastAPI）：

• 基于 Python FastAPI 框架构建，提供高性能异步 API
• 负责工作流运行、流式输出、线程管理和历史消息接口
• 集成 DeerFlow Harness Runtime 作为工作流执行引擎
• 通过 Kubernetes Python Client 管理沙箱资源池

前端（React + TypeScript + Vite）：

• 现代化的 React 技术栈，使用 TypeScript 提供类型安全
• Vite 作为构建工具，提供快速的开发体验
• 可视化工作流画布支持拖拽式节点编排
• AI 助手界面支持自然语言交互

这是项目最具特色的设计之一。沙箱资源池通过 Kubernetes API 动态创建和管理 aio-sandbox 实例：

Frontend
  -> Local Backend /api/sandboxes
  -> Kubernetes Python Client
  -> Kubernetes API Server
  -> aio-sandbox Pod + Service
  -> Sandbox URL

沙箱资源池的核心价值：

• 环境隔离： 每个工作流节点在独立的 Pod 中运行，避免相互干扰
• 资源管控： 通过 Kubernetes 的 ResourceQuota 限制 CPU/内存使用
• 弹性伸缩： 根据工作负载动态创建/销毁沙箱实例
• 安全边界： 代码执行在受限容器中，保护主机系统安全

默认使用 NodePort 服务类型，无需额外网关，后端自动生成 http://<node-ip>:<node-port> 格式的访问地址。

前端提供直观的可视化工作流画布，支持：

• 拖拽式节点配置： 用户可以通过拖拽方式添加、连接和配置工作流节点
• 多种节点类型： 支持代码执行节点、AI 调用节点、条件分支节点等
• 实时状态反馈： 节点执行状态实时显示在画布上
• 历史版本管理： 支持工作流版本的保存、回滚和对比

后端支持流式 API，允许前端实时接收工作流执行过程中的输出：

POST /api/stream
POST /api/runs/stream
POST /api/threads/{thread_id}/runs/stream

这种设计使得用户可以在工作流执行过程中实时观察输出，而不是等待整个流程完成后才能看到结果。对于需要长时间运行的 AI Agent 工作流来说，这种实时反馈机制至关重要。

系统提供完整的会话管理机制：

GET /api/threads                    # 获取会话列表
GET /api/threads/{thread_id}        # 获取会话详情
GET /api/threads/{thread_id}/messages  # 获取会话消息历史

每个工作流执行都会创建一个会话（Thread），会话中保存了完整的执行历史，包括输入、输出、中间状态和错误信息。这为用户提供了强大的调试和审计能力。