2.3K 标星！开源AI多智能体构建器，轻松打造复杂工作流，MCP集成！

如果你最近在关注 AI 应用落地，就会发现一个趋势正在快速升温：

多智能体（Multi-Agent）系统，正在成为复杂任务自动化的关键“武器”。

无论是自动化办公、编程助手，还是科研、营销、视频创作…

这些原本需要“多个角色协调”的任务，如今都可以通过 AI 智能体来分工合作完成。

今天为大家推荐一款 AI 驱动的多Agent构建器：Rowboat，让复杂工作流的开发变得轻而易举。

基于 OpenAI 的 Agents SDK，通过直观的 Web 界面和 Copilot 功能，让用户通过自然语言描述需求即可快速生成工作流。

使用 TypeScript（前端）与 Python（后端）开发，提供 HTTP API 和 Python SDK。

支持 MCP 工具无缝连接，适配客服、金融、物流等场景。

核心功能

• • 多智能体工作流生成：只需描述任务，Rowboat 会自动生成多个协作Agent并组织流程
• • MCP 工具无缝对接：可快速连接任意 MCP 服务器，实现工具调用
• • 丰富的 API&SDK支持：提供 HTTP 接口和 Python SDK，轻松集成进现有产品或服务
• • 内置调度引擎：自动调配 Agent 执行流程，支持依赖控制、并发执行、结果聚合等
• • 状态可管理：自动追踪每个 Agent 状态与输出，可视化执行过程

安装与使用

Rowboat 支持自定义本地部署，同时提供 Docker 快速部署。

准备： OpenAI API 密钥

① 克隆项目

git clone https://github.com/rowboatlabs/rowboat.git
cd rowboat

② 配置环境

复制 .env.example 为 .env

OPENAI_API_KEY=sk-xxxx
OPENROUTER_API_KEY=your_openrouter_key

③ Docker 快速启动

docker-compose up --build

最后成功后，就可以访问 Web 界面： http://localhost:3000。

④ 使用 HTTP API

curl --location 'http://localhost:3000/api/v1/<PROJECT_ID>/chat' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer <API_KEY>' \
--data '{
    "messages": [
        {
            "role": "user",
            "content": "tell me the weather in london in metric units"
        }
    ],
    "state": null
}'

⑤ 使用 Python SDK

首先需要安装 Python SDK

pip install rowboat

代码示例：

from rowboat import Client, StatefulChat
from rowboat.schema import UserMessage, SystemMessage

# Initialize the client
client = Client(
    host="http://localhost:3000",
    project_id="<PROJECT_ID>",
    api_key="<API_KEY>"
)

# Create a stateful chat session (recommended)
chat = StatefulChat(client)
response = chat.run("What's the weather in London?")
print(response)

# Or use the low-level client API
messages = [
    SystemMessage(role='system', content="You are a helpful assistant"),
    UserMessage(role='user', content="Hello, how are you?")
]

# Get response
response = client.chat(messages=messages)
print(response.messages[-1].content)

适用场景

• • 自动调研/信息汇总：多 Agent 分工收集、筛选、总结、写报告
• • 工具链协作：将多个工具通过 Agent 封装、调度执行
• • AI 助手开发：构建跨功能的 AI 系统，如“项目管理助理”或“内容生成机器人”
• • Agent 架构探索：快速验证 Agent 结构、通讯协议和任务分配方式
• • 数据处理流程：Agent 进行清洗、分析、转换、存储的自动数据管道

写在最后

我想大家可能已经感受到这一代 Agent 工具的变化了。

从“AI 能干点啥”，变成了“我该怎么组织这些 Agent 更好地干活”。

Rowboat 给了我们一种新可能：让多智能体的工作，像流水线一样高效、像人类协作一样自然。

是时候放下手里的低效代码了，让 Rowboat 来帮你重构 Agent 世界的秩序。

GitHub 项目地址：https://github.com/rowboatlabs/rowboat