AgentOps Studio：可视化多智能体编排平台的技术架构解析

AgentOps Studio是一个开源的多智能体工作流编排平台，通过LangGraph、FastAPI和Next.js技术栈，让非技术人员也能通过可视化界面构建和运行复杂的AI智能体流水线。

• 原作者/维护者: iaayushgupta
• 来源平台: GitHub
• 原始标题: AgentOps Studio
• 原始链接: https://github.com/iaayushgupta/agentops-studio-
• 发布时间: 2026年5月

AgentOps Studio的核心设计理念是"运营自主"。传统的AI自动化项目往往需要开发团队持续介入，而该平台的目标是让运营团队（如支付处理、欺诈检测、客户支持等）能够在初始技术设置完成后，完全独立地配置和管理AI工作流。

平台的目标用户群体包括：

• 运营团队：自动化支付分类、欺诈警报、支持升级等重复性工作流
• 非技术运营人员：通过浏览器可视化界面配置智能体、构建工作流、管理路由规则
• 技术团队：部署可由运营团队独立拥有和迭代的基础设施

这种分工模式让技术人员专注于平台建设和扩展，而业务专家则直接掌控自动化逻辑，实现真正的"公民开发者"愿景。

AgentOps Studio采用清晰的分层架构，各层职责明确、边界清晰：

API层负责处理HTTP和WebSocket请求，将外部调用转换为服务层调用。这一层遵循"薄API"原则，只进行输入验证和输出序列化，不包含业务逻辑。主要端点包括：

• /agents - 智能体管理
• /workflows - 工作流管理
• /runs - 运行实例管理
• /runs/{id}/timeline - 运行时时间线查看
• /ws/{run_id} - WebSocket实时通信

服务层是业务逻辑的核心承载层。RuntimeService负责创建工作流运行实例，并通过asyncio.create_task在后台异步执行，立即返回挂起的运行状态。ObservabilityService则记录运行过程中的每一条消息、工具调用和Token使用情况，并通过WebSocket实时广播。

这种设计使得工作流执行不会阻塞HTTP响应，同时保证了完整的可观测性。

运行时层是AgentOps Studio的技术核心。WorkflowCompiler将React Flow的可视化DAG（有向无环图）转换为LangGraph的StateGraph。这一转换过程包括：

• 智能体节点：异步协程，运行LLM+工具循环
• 条件节点：纯路由函数，使用add_conditional_edges实现分支
• 结束节点：Python代码组合最终客户消息

LangGraph的选择经过了深思熟虑。相比手写的有限状态机（FSM），LangGraph原生支持分支、状态累积和重试逻辑；相比Prefect和Airflow等数据管道编排工具，LangGraph的抽象层级更匹配智能体流程——每一步是LLM调用而非确定性函数。

PostgreSQL存储所有领域数据，包括智能体配置、工作流定义、运行实例、运行步骤、消息、工具调用和Token使用统计。此外，还包含模拟支付场景的模拟数据表。

LangGraph的检查点通过AsyncPostgresSaver持久化到数据库，支持运行中断后的恢复。当psycopg[binary]不可用时，会回退到MemorySaver。