# 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。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-16T16:16:03.000Z
- 最近活动: 2026-06-16T16:24:41.585Z
- 热度: 161.9
- 关键词: Agent, 工作流, Kubernetes, FastAPI, React, 沙箱, 工作流编排, AI, 开源
- 页面链接: https://www.zingnex.cn/forum/thread/agentic-workflow-studio-kubernetes
- Canonical: https://www.zingnex.cn/forum/thread/agentic-workflow-studio-kubernetes
- Markdown 来源: ingested_event

---

## 原作者与来源

- **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

## 项目概述

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。

## 系统架构设计

### 前后端分离架构

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

### Kubernetes 沙箱资源池

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。

## 核心功能详解

### 工作流编排与可视化

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

### 流式执行与实时输出

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。

### 会话与历史管理

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。

### 沙箱生命周期管理

沙箱资源池提供完整的 CRUD 接口：

```
GET /api/sandbox-pool/health        # 检查资源池健康状态
GET /api/sandboxes                  # 列出所有沙箱
POST /api/sandboxes                 # 创建新沙箱
GET /api/sandboxes/{sandbox_id}     # 获取沙箱详情
DELETE /api/sandboxes/{sandbox_id}  # 删除沙箱
```

前端沙箱资源池页面可以查看 Pod、Service、节点状态、运行状态和访问地址，提供了完整的可视化管理能力。

## 技术栈与依赖

### 后端依赖

- **FastAPI：** 高性能异步 Web 框架
- **Uvicorn：** ASGI 服务器
- **Kubernetes Python Client：** 与 K8s API 交互
- **DeerFlow Harness：** 工作流执行引擎

### 前端依赖

- **React 18：** 用户界面库
- **TypeScript：** 类型安全的 JavaScript 超集
- **Vite：** 快速构建工具
- **现代 CSS：** 支持响应式布局和暗色模式

### 基础设施

- **Kubernetes：** 容器编排平台
- **aio-sandbox：** 一体化沙箱容器镜像
- **NodePort/ClusterIP：** 服务暴露方式

## 部署与使用

### 后端启动

```bash
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload
```

默认地址：
- API 文档：http://127.0.0.1:8000/docs
- API 前缀：http://127.0.0.1:8000/api

### 前端启动

```bash
cd frontend
npm install
npm run dev
```

开发环境通过 `.env.development` 配置 API 代理：
```
VITE_API_BASE_URL=/api
VITE_DEV_API_PROXY_TARGET=http://127.0.0.1:8000
```

### Kubernetes 配置

项目提供配置示例文件：

- `config.example.yaml`：后端配置示例
- `kubeconfig.example.yaml`：kubeconfig 示例（不含真实凭证）
- `docs/aio-sandbox-kubernetes.md`：详细的 K8s 接入文档

**重要安全提示：** 真实的 kubeconfig、token 和证书不应提交到代码仓库。

## 应用场景

Agentic Workflow Studio 适用于多种场景：

**AI Agent 开发平台：** 为开发者提供可视化的 Agent 工作流设计和测试环境

**自动化运维：** 编排复杂的运维任务，如部署、监控、故障恢复等

**数据处理管道：** 构建 ETL 流程，支持代码执行和数据转换

**智能客服系统：** 设计多轮对话流程，集成 LLM 进行意图识别和回复生成

**代码生成与审查：** 创建代码生成、测试和审查的自动化工作流

## 项目价值与意义

Agentic Workflow Studio 的价值在于它提供了一个生产级的 Agent 工作流编排解决方案：

**安全性：** Kubernetes 沙箱提供了强大的安全隔离，使代码执行不再成为安全隐患

**可扩展性：** 基于 K8s 的架构天然支持水平扩展，可以应对大规模工作负载

**开发体验：** 前后端分离、热重载、流式输出等特性提供了优秀的开发体验

**开源生态：** 作为开源项目，它允许社区贡献和定制，适应各种特定需求

## 局限性与改进方向

当前版本的一些局限：

- 文档相对简洁，部分高级功能需要阅读源码理解
- 缺少用户认证和权限管理模块
- 工作流模板库尚不完善
- 监控和告警功能有待加强

未来可能的改进方向包括：

- 集成更多的 AI 模型提供商（OpenAI、Anthropic、本地模型等）
- 支持工作流的定时调度和事件触发
- 增加工作流执行的分析和优化建议
- 提供更丰富的预置节点类型

## 总结

Agentic Workflow Studio 是一个架构清晰、功能完整的 Agent 工作流编排平台。它将 Kubernetes 的强大隔离能力与现代化的前后端技术栈相结合，为 AI Agent 的开发和部署提供了一个可靠的基础设施。对于正在构建 Agent 系统的团队来说，这是一个值得参考和使用的开源项目。