# DojoGenesis Gateway：模块化Agentic AI运行时平台

> DojoGenesis Gateway是一个用Go语言编写的自托管Agentic AI运行时，通过19个独立版本控制的模块提供多提供商LLM路由、DAG编排、WASM沙箱执行等能力，以单一二进制文件实现企业级AI代理基础设施。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-22T19:13:43.000Z
- 最近活动: 2026-04-22T19:25:11.851Z
- 热度: 159.8
- 关键词: Agentic AI, Go语言, 多提供商LLM, DAG编排, WASM沙箱, MCP协议, 自托管, AI基础设施
- 页面链接: https://www.zingnex.cn/forum/thread/dojogenesis-gateway-agentic-ai
- Canonical: https://www.zingnex.cn/forum/thread/dojogenesis-gateway-agentic-ai
- Markdown 来源: ingested_event

---

# DojoGenesis Gateway：模块化Agentic AI运行时平台\n\n## 项目概述\n\nDojoGenesis Gateway是一个自托管的Agentic AI运行时平台，完全使用Go语言编写，包含超过14万行代码，分布在19个独立版本控制的模块中。该项目旨在提供一个功能完整、可组合、生产就绪的AI代理基础设施，支持多提供商LLM路由、DAG任务编排、内容寻址技能存储和实时SSE可观测性。\n\n与许多仅提供基础API封装的AI框架不同，Gateway从设计之初就考虑了企业级部署的需求，包括高可用性、安全性、可扩展性和可观测性。\n\n## 架构设计哲学\n\nGateway采用模块化的微内核架构，核心理念是"独立版本控制、独立测试、独立导入"。每个模块都有自己的go.mod文件，可以独立演进，同时通过Go workspace（go.work）协同工作。\n\n这种设计带来了显著的优势：\n\n**1. 独立演进**\n各模块可以按照自己的节奏发布版本，不会因为某个模块的变更而影响整个系统。\n\n**2. 精细依赖管理**\n每个模块只依赖其真正需要的库，避免整体依赖膨胀。\n\n**3. 灵活组合**\n用户可以根据需求选择导入特定模块，构建定制化的运行时。\n\n**4. 测试隔离**\n模块级别的独立测试确保变更不会意外破坏其他组件。\n\n## 核心模块详解\n\nGateway的19个模块按照功能可以划分为几个层次：\n\n### 基础设施层\n\n**shared**\n跨模块共享的基础类型定义，包括Message、ToolCall、Usage、TaskStatus等核心数据结构。这是整个系统的类型基础。\n\n**events**\nSSE（Server-Sent Events）事件目录，定义了254行的事件模式，支持实时事件流和可观测性。\n\n### 服务层\n\n**server**\n基于Gin框架的HTTP API服务器，提供OpenAI兼容的聊天补全接口。包含认证、会话管理、模板系统、RAG文档管理、WebSocket支持等功能。同时内嵌了基于Svelte 5的Chat UI和Workflow UI。\n\n**provider**\n基于gRPC的模型提供商插件系统，支持8个主流LLM提供商：\n- Anthropic (Claude)\n- OpenAI\n- Google (Gemini)\n- Groq\n- Mistral\n- DeepSeek\n- Kimi (Moonshot)\n- Ollama (本地模型)\n\n每个提供商通过环境变量配置API密钥，未配置密钥的提供商在启动时会被自动跳过。\n\n**tools**\n工具注册和执行引擎，内置33个常用工具，支持工具的发现、调用和结果处理。\n\n### 智能层\n\n**memory**\n对话记忆模块，支持语义压缩，能够在保持上下文连贯性的同时减少token消耗。\n\n**mcp**\nMCP（Model Context Protocol）主机集成，支持stdio、SSE和streamable_http三种传输协议，使Gateway能够作为MCP客户端与其他服务交互。\n\n**orchestration**\n独立的DAG（有向无环图）任务规划和执行引擎，支持复杂的多步骤工作流编排。\n\n**skill**\n分层技能执行器，支持89个技能，按复杂度分为Tier 0到Tier 3四个层级。技能采用内容寻址存储（CAS），确保版本控制和可复现性。\n\n**disposition**\nADA（Agent Disposition Architecture）代理个性和行为配置系统，v1.0.0合约定义了代理的行为模式。\n\n### 运行时层\n\n**runtime/actor**\nActor监督树实现，提供容错和故障恢复能力。\n\n**runtime/cas**\n内容寻址存储系统，为技能和配置提供不可变、可验证的存储。\n\n**runtime/d1client**\nCloudflare D1边缘数据库客户端，支持边缘数据同步。\n\n**runtime/event**\n事件总线和路由系统，支持模块间异步通信。\n\n**runtime/wasm**\nWASM沙箱执行环境，支持安全地运行第三方代码。\n\n### 应用层\n\n**apps**\nMCP应用主机基础设施，支持资源服务和工具代理。\n\n**workflow**\n持久化工作流执行引擎，确保工作流的可靠执行和状态恢复。\n\n**integration**\n集成测试框架，支持端到端测试。\n\n## 关键特性\n\n### 多提供商智能路由\n\nGateway的提供商系统不仅支持多个LLM后端，还具备智能路由能力：\n\n**意图分类器**\n自动分析用户请求，选择最合适的模型提供商。例如，代码生成任务可能路由到Claude，而创意写作任务可能路由到GPT-4。\n\n**显式覆盖**\n用户可以在请求中显式指定提供商和模型，意图分类器仅作为后备机制。\n\n**故障转移**\n当某个提供商不可用时，自动切换到备用提供商。\n\n### DAG编排引擎\n\norchestration模块提供了强大的工作流编排能力：\n\n**可视化设计**\n通过Workflow UI以图形方式设计和编辑工作流。\n\n**条件分支**\n支持基于运行时数据的动态分支决策。\n\n**并行执行**\n无依赖关系的任务可以并行执行，提高效率。\n\n**错误处理**\n每个节点可以配置重试策略和错误处理逻辑。\n\n### WASM沙箱安全\n\nruntime/wasm模块提供了安全的代码执行环境：\n\n**隔离性**\nWASM代码在沙箱中运行，无法访问宿主系统的敏感资源。\n\n**性能**\n接近原生的执行性能，同时保持安全性。\n\n**可移植性**\nWASM模块可以在任何支持WASM的环境中运行。\n\n### 实时可观测性\n\n通过events模块和SSE协议，Gateway提供了丰富的可观测性：\n\n**实时日志流**\n客户端可以订阅特定会话的日志事件。\n\n**性能指标**\ntoken使用量、延迟、错误率等关键指标实时推送。\n\n**分布式追踪**\n跨模块的调用链追踪，便于故障排查。\n\n## 快速开始\n\nGateway提供了多种部署方式：\n\n**从源码构建**\n```bash\ngit clone https://github.com/DojoGenesis/gateway.git\ncd gateway\ncp .env.example .env  # 配置API密钥\nmake build\n./bin/agentic-gateway  # 监听:7340端口\n```\n\n**Docker部署**\n```bash\ndocker compose -f docker-compose.example.yml up -d\n```\n\n**预编译二进制**\n```bash\ncurl -L https://github.com/DojoGenesis/gateway/releases/latest/download/agentic-gateway_darwin_arm64.tar.gz | tar xz\n./agentic-gateway\n```\n\n启动后，可以通过标准的OpenAI兼容API调用：\n\n```bash\ncurl -X POST http://localhost:7340/v1/chat/completions \\\n  -H \"Content-Type: application/json\" \\\n  -d '{\"messages\":[{\"role\":\"user\",\"content\":\"Hello\"}]}'\n```\n\n## 应用场景\n\nGateway的设计使其适用于多种企业级AI场景：\n\n**1. 统一AI网关**\n作为企业内部的AI服务统一入口，聚合多个模型提供商，提供一致的API接口。\n\n**2. Agent平台**\n基于DAG编排和技能系统，构建复杂的AI代理应用。\n\n**3. 工作流自动化**\n利用持久化工作流引擎，实现业务流程的智能化改造。\n\n**4. 边缘AI部署**\n轻量级的Go二进制文件适合在边缘设备上部署。\n\n**5. 多租户SaaS**\n模块化的架构支持多租户场景，不同租户可以使用不同的配置和技能集。\n\n## 技术优势分析\n\n### 为什么选择Go？\n\nGateway选择Go作为主要开发语言，基于以下考虑：\n\n**1. 性能与资源效率**\nGo的轻量级协程（goroutine）和高效的垃圾回收，使其在相同硬件资源下能够处理更多并发请求。\n\n**2. 部署简单**\nGo编译为单一静态二进制文件，无需依赖管理，部署极其简单。\n\n**3. 并发模型**\nGo的CSP并发模型非常适合构建高并发的网络服务。\n\n**4. 生态系统**\nGo在云原生、微服务领域有丰富的工具和库支持。\n\n### 模块化vs单体\n\nGateway采用了折中的"模块化单体"架构：\n\n- 对外呈现为单一可部署单元\n- 内部按功能划分为独立模块\n- 既避免了微服务的运维复杂性\n- 又保持了代码的组织性和可维护性\n\n## 与同类项目比较\n\n| 特性 | Gateway | LangChain | LlamaIndex | Haystack |\n|------|---------|-----------|------------|----------|\n| 语言 | Go | Python | Python | Python |\n| 部署 | 单一二进制 | 库依赖 | 库依赖 | 库依赖 |\n| 多提供商 | 内置8家 | 需配置 | 需配置 | 需配置 |\n| DAG编排 | 内置 | 支持 | 支持 | 支持 |\n| WASM沙箱 | 内置 | 无 | 无 | 无 |\n| MCP支持 | 内置 | 社区 | 社区 | 社区 |\n| 内存优化 | 语义压缩 | 基础 | 基础 | 基础 |\n| 边缘部署 | 友好 | 较重 | 较重 | 较重 |\n\n## 社区与生态\n\nGateway采用MIT许可证开源，欢迎社区贡献：\n\n**贡献领域**\n- 新的LLM提供商适配\n- 工具扩展\n- 技能库丰富\n- 文档改进\n- 性能优化\n\n**路线图**\n- 更多提供商支持（Cohere、AI21等）\n- 分布式部署模式\n- 更强大的RAG能力\n- 可视化工作流编辑器增强\n- 企业级安全特性（RBAC、审计日志）\n\n## 总结\n\nDojoGenesis Gateway代表了AI基础设施领域的一个重要尝试——用系统工程的思维构建生产级的Agentic AI平台。它不是简单的API封装，而是从底层架构到上层应用的完整解决方案。\n\n对于寻求自托管AI基础设施的团队，Gateway提供了一个功能丰富、性能优异、部署简单的选择。其模块化设计确保了系统的可演进性，而Go语言的选择则保证了运行效率和运维简便性。\n\n随着AI应用从实验走向生产，像Gateway这样的基础设施项目将在企业AI生态中扮演越来越重要的角色。