ByteChef开源：统一 AI Agent 编排与工作流自动化的自托管平台（300+ 连接器 + Copilot + 耐久执行全揭秘)

在 AI 浪潮与自动化需求交汇的今天，工具割裂成为最大痛点：用 n8n/Make 做工作流，用 LangGraph/CrewAI 做 Agent，再用 Zapier 连 SaaS，数据孤岛、安全合规、维护成本居高不下。ByteChef（GitHub: bytechefhq/bytechef）原生统一 AI Agent 编排与工作流自动化 的自托管平台。Agent 不是插件，而是内置一等公民；工作流也不是简单线性，而是支持完整 Agent 循环与人类在环的智能编排。提供 300+ 组件、原生 Copilot、自然语言生成、持久化执行引擎 Atlas、多语言 Script（GraalVM）、MCP 双向支持，以及企业级自托管能力。

一、核心功能

1. AI Agent —— 内置而非 bolted-on

拖拽即可添加 AI Agent 组件，原生运行完整 ReAct-style 循环：模型 → 工具选择 → 执行 → 观察 → 下一步，支持 streaming 输出与结构化响应。

配置维度极致丰富（全部基于 300+ 组件实现）：

●模型：14+ 提供商（OpenAI、Anthropic、Azure OpenAI、Bedrock、Vertex Gemini、Mistral、Groq、DeepSeek、Hugging Face、NVIDIA、Perplexity、Stability、Ollama 本地、OpenRouter）。

●工具：任何组件均可作为 Agent Tool；支持 fromAi("paramName", "STRING", {required: true}) 标记，运行时由 Agent 动态填充参数。子工作流（sub-workflow）也可直接作为工具。

●Memory：8 种后端（JDBC、Redis、MongoDB、Cassandra、Cosmos DB、Neo4j、vector-store-backed、in-memory）。

●Guardrails：12 种（PII、LLM-PII、jailbreak、NSFW、topical alignment、keywords、secret keys、URLs、sanitize、custom regex、custom rules、violation aggregator）。

●Knowledge Base & RAG：原生 ingestion + chunking，支持 15+ vector store（pgvector、Pinecone、Qdrant、Weaviate、Milvus、Couchbase、Neo4j、Redis、Typesense、MariaDB、Oracle、S3 等），两种模式（rag-modular、rag-questionanswer）。

●MCP：双向支持——可消费任意 MCP Server 作为工具源；也可将任意工作流暴露为 MCP Tool（带 API Key 认证），直接供 Claude Desktop、Cursor、Windsurf 使用。

2. Copilot（EE 核心能力）

自然语言一句话生成完整工作流，自动插入配置好的 Agent 步骤；失败运行时自动解释原因并给出修复建议。极大降低从 0 到 1 的门槛，同时保留人工微调能力。

3. 工作流自动化全栈能力

●可视化编辑器 + JSON 底层（Git 友好，可 push、branch 对应环境）。

●完整 Flow Controls：condition、switch、loop、each、parallel、branch、sub-workflows。

●Triggers：webhook、schedule、polling、app-event、manual、form。

●Polyglot Code 执行：Java、JavaScript、Python、Ruby（基于 GraalVM，同一 JVM 内无缝互操作）。

●Atlas 耐久执行引擎：Postgres 持久化状态，支持水平扩展（queue mode：memory、Redis、RabbitMQ、Kafka、JMS、AMQP、SQS）。长运行工作流断点续跑、精确一次语义。

●Workflows-as-APIs（EE）：认证 HTTP 端点。

●Git-native（EE）：UI 内 push，分支对应多环境。

4. 300+ Connectors / Components（每个都是 Agent Tool + MCP Tool）

覆盖 CRM（Salesforce、HubSpot、Pipedrive、Zoho CRM 等）、Marketing（Mailchimp、Brevo、Klaviyo）、Project（Jira、Asana、Linear、ClickUp）、Database & Storage（PostgreSQL、MongoDB、Redis、S3、Supabase、Airtable）、AI/LLM（OpenAI、Anthropic、Ollama、Bedrock、Groq + AI Agent Utils、Modular RAG、Browser Use）、Communication（Slack、Teams、Discord、Telegram）、File（Google Drive、Dropbox、PDF Helper、Document Splitter）、Helpers（Data Mapper、JSON/CSV/XLSX Helper、Script、Math、Date）、API（HTTP Client、GraphQL Client、Webhook）、Guardrails 组件、Approval、Schedule、Form、MCP Client、Knowledge Base 等。

开发者可通过 Script 组件快速自定义逻辑，或扩展 Connector Framework（Java/多语言）。

5. 统一性与企业级特性

●Agent 嵌入工作流：Agent 决策结果可直接驱动下游分支。

●工作流作为 Agent Tool：把“退款流程（带重试+审批）”封装成单个工具。

●Sub-agents：协调 Agent 调用专业子 Agent。

●Human-in-the-Loop：Approval 组件暂停流程 → Slack/Email 通知 → 响应后恢复。

●统一审计日志：Agent 决策、工具调用、工作流运行、人工审批全链路可追溯（EE 支持 correlation ID）。

6. 其他：原生 Knowledge Base 摄入、Guardrails 链、Agent Skills 与 Evaluations（开发中）、Embedded iPaaS（EE）。

二、安装部署全攻略

最快方式（推荐）—— Docker Compose

●●●bash
curl -O https://raw.githubusercontent.com/bytechefhq/bytechef/master/docker-compose.yml
docker compose -f docker-compose.yml up

自动拉起 PostgreSQL + ByteChef，访问 http://localhost:8080/login 创建账号登录。

手动 Docker

创建网络 → 启动 postgres:15-alpine（或 16）→ 启动 bytechef 镜像（docker.bytechef.io/bytechef/bytechef:latest），传入 datasource URL、username、password、remember-me key 等环境变量。支持 -d 后台运行。

Kubernetes

仓库提供 kubernetes/helm/bytechef Helm Chart，一键部署。

从源码安装与构建（适合二次开发）

●●●bash
git clone -b master https://github.com/bytechefhq/bytechef.git
cd bytechef

●根目录有 build.gradle.kts、gradlew、docker-build.sh、Dockerfile、docker-compose.src.yml（开发版，postgres:16 + 本地卷）。

●前端（client/、docs/）使用 TypeScript + Next.js/Fumadocs（docs 站点即由此构建）。

●后端 server/ 为 Java 主体（Spring 生态 + Spring AI）。

●构建镜像：使用 docker-build.sh 或 Gradle 任务 + Dockerfile 多阶段构建。

●本地运行：参考 docker-compose.src.yml 配置 Postgres，构建后启动 bytechef 服务；或直接 ./gradlew 相关 bootRun 任务（需配置 application 配置与 DB）。

●自定义 Connector：修改 server/ 对应模块或通过 Script 组件快速验证。

三、高效使用方法与最佳实践

1.登录后 New Project → New Workflow。

2.先加 Trigger（Webhook/Schedule/Form 最常用）。

3.拖拽 AI Agent 或普通组件，右侧 Properties 面板配置（凭证、参数、fromAi 标记）。

4.强烈建议先用 Copilot：输入自然语言需求 → 自动生成带配置的 Agent 步骤 → 人工微调。

5.测试运行 → 查看执行预览与日志 → 失败时用 Copilot 解释并修复。

6.复杂场景：用 sub-workflow 封装可复用逻辑；parallel + each 处理批量；condition/switch 做决策；Approval + Slack 实现 HITL。

7.生产化：开启 Guardrails + RAG 提升可靠性；持久化 Memory 用 Redis/Vector；高并发用 queue mode（Redis/Kafka）；审计日志全开；EE 用户开启 Git-native 与多环境 promotion。

8.MCP 集成：将关键工作流暴露给 Claude/Cursor，实现“Agent 调用企业内部流程”。

效率技巧：从小场景验证（60 秒搭一个 Agent）；善用 Helpers（Data Mapper、Script）减少硬编码；RAG 优先用 Modular 模式 + 合适 vector store；定期 review 统一审计日志发现瓶颈。

四、技术原理、架构

ByteChef 采用模块化、可扩展架构：

●Workflow Engine：核心执行器，支持流程控制、自定义逻辑、外部调用。底层 Atlas 耐久运行时 —— 状态持久化到 Postgres，实现长流程断点续跑与水平扩展（worker 通过消息队列消费任务，支持 Redis/RabbitMQ/Kafka 等多种 broker）。

●Visual Builder：React/TypeScript 前端（client/），画布操作实时同步 JSON 模型（Git 友好）。

●AI Agent 集成：非外挂，而是引擎原生组件。借助 Spring AI 抽象多 LLM 提供商，实现完整 tool-calling + observation 循环；streaming 与 structured output 由底层 LLM SDK 驱动。

●Connector Framework：组件元数据驱动，每个 connector 定义 connection、actions、properties（支持 fromAi 动态绑定）。300+ 组件覆盖几乎所有常见 SaaS 与基础设施，开发者可通过 Java 扩展或 Script（GraalVM）快速添加。

●Polyglot 执行：GraalVM Truffle 引擎让 Java/JS/Python/Ruby 代码在同一 JVM 内零开销互操作，Script 组件直接嵌入工作流/Agent。

●RAG & Guardrails：原生 ingestion pipeline + chunking；Guardrails 作为独立组件链前置/后置过滤；vector store 抽象支持 15+ 实现。

●MCP 支持：标准协议桥接，实现与 Claude Desktop 等外部 Agent 生态互操作。

●可观测与扩展：统一审计、日志；EE 微服务化（开发中）、AI Gateway（模型路由+成本控制）、Embedded iPaaS。

Open Core 设计：CE（Apache 2.0）已包含视觉编辑器、AI Agent、300+ 组件、Polyglot、RAG、Guardrails、MCP、自托管；EE 补充 Copilot、Git-native、Workflows-as-APIs、SSO/SCIM、高级 RBAC、Connection scope sharing、多环境 promotion、Embedded 等（部分开发中）。这种模式既保证社区可用性，又为企业提供商业增值路径。

数据与安全：自托管模式下数据完全自主，无厂商锁定；支持 on-prem 与云部署；凭证安全存储；Guardrails 组件提供运行时安全防护。

ByteChef从架构层面统一了 Agent 的自主性与工作流的精确性，提供企业级耐久性、自托管隐私保护与极致扩展性。相比市面上“Agent 工具 + 工作流工具”拼凑方案，在数据流、审计、HITL、MCP 集成上更内聚，学习曲线因 Copilot 与可视化而大幅降低。

上手建议：5 分钟 Docker Compose 跑起来 → 60 秒 Copilot 搭第一个 Agent → 逐步引入 sub-workflow 与 HITL → 生产环境开启 queue scaling 与完整审计。需要深度定制或贡献代码时，直接 clone master 分支，结合 Gradle + Docker 构建体系即可。

#Agent #工作流 #编排 #自动化