decocms/studio

Open-source control plane for your AI agents. Connect tools, hire agents, track every token and dollar

deco Studio – 团队专用的私有 AI 智能体工作区

产品定义 – 一个开源的、以 TypeScript 为先的平台，让组织能够运行自己的内部 AI 智能体。它提供了一个统一的 Model Context Protocol (MCP) 控制平面，在此可以注册、身份验证并观测智能体、工具和模型提供商。团队可以创建“智能体”（上下文、工具和策略的集合），将它们连接到私域服务（GitHub、Slack、数据库等），并通过可配置且可互换的模型层（OpenRouter, Anthropic, OpenAI, Google, Ollama, …）路由模型调用。所有这些功能都可以在本地、自托管或在云端运行，并内置了 SSO、RBAC、审计日志和成本核算功能。

核心概念

概念	功能说明
Agents	可发布的单元，封装了指令、文件和一系列工具。每个智能体都暴露其专有的 MCP 端点，可以从任何客户端（Cursor, Claude Desktop, VS Code, 自定义代码）进行调用。
Connections	通过 Web UI 一键注册私有服务（GitHub, Slack, Postgres 等）。令牌存储在加密的保险库中，并按组织、角色或智能体授予访问权限。
Models	可插拔的模型路由器 – 你可以将智能体指向 OpenRouter, Anthropic, OpenAI, Google 或任何兼容的提供商，甚至可以针对每个工具进行设置。
Projects	以业务目标为核心对智能体和连接进行分组的 UI 容器，自动根据相关工具（CMS、分析等）调整侧边栏。
Virtual MCPs	复合 MCP 端点，展示精选的工具子集（全上下文、智能选择、按需沙箱代码执行）。
Observability	基于 OpenTelemetry 的追踪，记录用户、智能体、模型、工具、延迟、Token 使用量和成本。仪表板允许你按智能体、连接、团队或组织细分支出。
Access control	通过 Better Auth (OAuth 2.1) 实现 SSO，外加细粒度的 RBAC 和 API 密钥范围。
Multi‑tenancy	每个组织/项目的配置、凭据和审计日志实现隔离。
Event bus	具有至少一次交付（at-least-once delivery）、定时/Cron 任务和沙箱操作器集成的发布/订阅机制。

快速入门（本地开发）

# 运行捆绑的 CLI – 它会安装、启动 PostgreSQL 实例并提供 UI 服务
bunx decostudio
# 或从源码运行
git clone https://github.com/decocms/studio.git
bun install
bun run dev   # http://localhost:4000

该技术栈运行在单个 Bun 进程中，并带有嵌入式 PostgreSQL 数据库，因此笔记本电脑即可满足实验需求。

生产环境部署选项

目标	如何部署
Docker (单进程)	`docker compose -f deploy/docker-compose/docker-compose.yml up` (嵌入式 PostgreSQL)
Docker + 外部数据库	`docker compose -f deploy/docker-compose/docker-compose.postgres.yml up`
Kubernetes/Helm	`helm install deco-studio oci://ghcr.io/decocms/chart-deco-studio --version <ver> -n deco-studio --create-namespace` – 你需要提供 PostgreSQL、可选的 NATS（事件总线）、ClickHouse + OTel 收集器（追踪与分析）以及用于隔离智能体运行时的沙箱操作器。
裸机/Bun	`bun run build:studio && bun run --cwd=apps/api start`

所有部署都暴露一个所有智能体、工具和模型共享的单一 MCP 端点。

技术栈 (如仓库所述)

Runtime: Bun (或 Node) + TypeScript
API framework: Hono
Frontend: Vite + React 19 + Tailwind v4 + shadcn UI components
Database: Kysely abstraction over embedded PostgreSQL or external PostgreSQL
Auth: Better Auth (OAuth 2.1 + API‑key support)
Observability: OpenTelemetry (traces, metrics, cost aggregation)
Protocol: Model Context Protocol (MCP) – 调用智能体、工具和模型的统一方式
Packaging: 多个 npm 工作区 (apps/*, packages/*) 用于 API、文档、桌面端 (Tauri)、UI、绑定、沙箱等。

典型用例

安全的内部 AI 助手 – 为工程、产品或支持团队提供一个聊天界面，可以在不暴露凭据的情况下运行代码、查询内部数据库或调用私有 API。
企业级模型治理 – 强制执行每个项目允许使用的模型，无需更改智能体代码即可切换提供商，并跟踪每个团队的支出。
工具驱动型自动化 – 将内部服务（CI 流水线、工单系统、数据仓库）注册为 MCP 工具，让智能体进行编排。
多团队推广 – 从单个试点团队开始，在重用相同的保险库管理连接和审计日志的同时，扩展到整个组织。

路线图亮点 (来自 README)

用于发现和组合的智能体市场
声明式规划引擎
带有支出上限的成本分析
远程浏览器访问改进
实时追踪调试器
带护栏的工作流编排

许可证与社区

License: MIT
Community: Discord, GitHub issues，以及为新手的提供的 good first issue 标签。该仓库包含贡献指南、测试文档和维护者列表。

总结 – deco Studio 是一个全栈、可自托管的平台，它抽象掉了大规模运行私有 AI 智能体所需的底层复杂工作。它让组织在保持数据和凭据留在本地的同时，仍能利用现代 LLM 提供商的优势，并内置了可观测性、访问控制和成本追踪功能。