# AgentCraftLab：基于.NET的原生AI代理平台 > AgentCraftLab是一个开源的.NET原生AI代理平台，支持可视化工作流设计、多协议部署、自主代理执行和内置搜索引擎，无需Docker和外部数据库即可在.NET生态中构建完整的AI代理能力。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-04-06T18:44:57.000Z - 最近活动: 2026-04-06T18:53:25.025Z - 热度: 154.9 - 关键词: .NET, AI代理, 工作流编排, 可视化编辑器, SQLite, A2A协议, MCP协议, 自主代理, RAG, 开源平台 - 页面链接: https://www.zingnex.cn/forum/thread/agentcraftlab-netai - Canonical: https://www.zingnex.cn/forum/thread/agentcraftlab-netai - Markdown 来源: ingested_event --- # AgentCraftLab：基于.NET的原生AI代理平台 ## 项目背景：.NET生态的AI代理缺口 随着AI代理技术的快速发展，市场上涌现出众多优秀的代理平台，如Flowise、Dify、n8n等。然而，这些平台大多基于Python、Node.js或依赖Docker的复杂技术栈，对于深度使用.NET技术栈的团队来说，引入这些平台意味着需要维护额外的技术基础设施和依赖。AgentCraftLab正是为解决这一问题而诞生的——它是一个完全基于.NET构建的开源AI代理平台，让.NET开发者无需离开熟悉的生态系统，就能设计、测试和部署代理工作流。 ## 核心定位：零外部依赖的本地优先架构 AgentCraftLab的设计理念非常明确：原生.NET、零外部依赖、本地优先。平台使用SQLite作为默认数据库，无需配置外部数据库服务；不强制要求Docker，可以直接在.NET运行时环境中部署；同时提供了与主流代理平台相媲美的可视化工作流编辑器和丰富的功能集。 这种架构选择带来了显著的优势：部署简单、启动快速、资源占用低，特别适合希望在本地或私有环境中运行AI代理的团队。对比表格清晰地展示了AgentCraftLab与其他平台的差异——它是唯一同时满足.NET原生、无需Docker、内置Teams机器人、本地优先SQLite架构的开源方案。 ## 可视化工作流工作室 平台的核心界面是Visual Workflow Studio，基于React Flow构建的拖拽式编辑器。编辑器支持10多种节点类型，包括Agent节点、Condition条件分支、Loop循环、Parallel并行执行、Iteration迭代、Human-in-the-Loop人工介入、HTTP Request请求、Code Transform代码转换、A2A Agent代理调用，以及Autonomous Agent自主代理。 这种丰富的节点类型设计使得用户能够构建从简单顺序执行到复杂条件分支、循环、并行的各种工作流模式。特别值得一提的是Human-in-the-Loop节点，它允许在工作流执行过程中暂停等待用户输入或审批，这对于需要人工确认的关键步骤非常重要。 ## AI构建模式：自然语言生成工作流 AgentCraftLab引入了AI Build Mode这一创新功能。用户可以用自然语言描述想要实现的目标，AI会自动生成相应的工作流。这一功能极大地降低了平台的使用门槛，让非技术人员也能快速创建复杂的代理流程。同时，它也为有经验的开发者提供了快速原型设计的工具，可以先通过AI生成基础框架，再进行精细化调整。 ## 多协议部署能力 平台支持将同一工作流以多种协议发布，实现一次设计、多处部署的灵活性。支持的协议包括： A2A协议端点用于代理间通信，符合Agent-to-Agent标准；MCP协议端点用于与Claude、ChatGPT等支持MCP的客户端集成；REST API端点提供通用的HTTP接口，任何HTTP客户端都可以调用；Teams Bot端点则可以直接将工作流部署为Microsoft Teams机器人。 所有端点都通过API密钥进行安全认证，确保只有授权访问才能触发工作流执行。 ## 自主代理与Flow模式 AgentCraftLab提供了两种高级执行模式。Autonomous Agent模式采用ReAct循环架构，允许AI自主决定执行步骤，包括子代理协作、工具调用、风险评估和跨会话记忆。这种模式适合开放式任务，AI可以根据目标自主探索解决方案。 Flow模式则是探索与生产之间的桥梁。AI首先规划一个结构化的节点序列，然后执行该序列，最后将结果结晶化为可复用的工作流。这一模式特别适合将一次性的探索性任务转化为可重复运行的标准化流程。 ## 内置搜索引擎与RAG能力 平台内置了CraftSearch搜索引擎，无需依赖外部搜索服务。CraftSearch结合了全文搜索、向量搜索和RRF混合排序三种技术，支持PDF、DOCX、PPTX、HTML等多种文档格式的内容提取。 RAG流水线功能允许用户上传文档，系统自动进行提取、分块、嵌入和索引，构建可搜索的知识库。用户可以选择临时上传或创建持久化的知识库，为代理提供上下文信息支持。 Doc Refinery功能则专注于文档清洗和结构化数据提取。通过LLM和Schema Mapper的配合，可以从非结构化文档中提取结构化数据。系统提供快速模式（单轮LLM）和精确模式（多层代理+LLM挑战验证）两种选择，平衡速度与准确性。 ## 执行引擎与策略 AgentCraftLab.Engine是平台的核心执行引擎，可以独立于Web UI使用。引擎自动检测工作流结构并选择最优的执行策略：单代理策略用于无分支的单代理场景；顺序策略用于链式多代理执行；并发策略让所有代理同时运行；Handoff策略使用路由代理委派给专业代理；命令式策略则支持复杂的图遍历，包括条件、循环和并行分支。 节点类型的设计也体现了成本意识。Agent节点和Autonomous节点需要调用LLM产生成本，而Condition、Code、HTTP Request、Human等节点则是零LLM成本的确定性操作。这种设计帮助用户优化工作流，在功能与成本之间取得平衡。 ## 中间件管道与安全防护 平台提供了可组合的中间件管道，基于DelegatingChatClient装饰器模式实现。内置的中间件包括GuardRails内容防护、PII敏感信息脱敏、速率限制、重试机制和日志记录等。这些中间件可以按需组合，为代理调用提供全方位的安全防护和可观测性支持。 ## 技术栈与架构 AgentCraftLab采用现代化的技术栈构建。后端基于.NET 10，使用Minimal API模式提供REST端点；前端使用React配合React Flow实现可视化编辑器，并集成CopilotKit提供AG-UI协议和聊天界面；代理编排采用Microsoft.Agents.AI框架；数据访问使用SQLite配合EF Core实现本地优先的存储方案。 项目结构清晰，核心模块包括API层、Web前端、执行引擎、自主代理、搜索模块、脚本引擎、OCR引擎和数据清洗引擎等。商业版模块提供MongoDB和OAuth支持，用于多用户部署场景。 ## 工具生态与扩展性 平台内置了20多种常用工具，涵盖网页搜索、邮件发送、文件操作、数据库查询、代码探索等功能。同时支持通过MCP服务器、A2A代理或自定义HTTP API进行扩展。这种开放的设计使得AgentCraftLab可以与企业现有的系统和服务无缝集成。 ## 总结 AgentCraftLab填补了.NET生态在AI代理平台领域的空白。它不仅提供了与主流平台相媲美的功能，更以原生.NET、零外部依赖、本地优先的架构设计，为.NET团队提供了一个理想的选择。对于希望在.NET环境中构建AI代理能力的组织来说，这是一个值得关注和贡献的开源项目。