用AiPy开发企业智能体需要哪些步骤？

用AiPy开发企业智能体需要完成8个核心步骤：1、配置模型API；2、设置MCP服务；3、准备运行环境；4、编写智能体代码；5、配置manifest.json；6、打包依赖；7、发布到智能体集市；8、任务调用验证。其中模型API配置是基础环节，企业需要在AiPy企业版设置页面选择模型选项卡，输入模型供应商名称、API地址和API密钥，点击检查按钮检测可用模型。这一步决定了智能体能够调用的大语言模型能力，支持公有云模型API接口和一体机部署的私有模型API接口两种方式，企业可根据数据安全要求选择合适的模型接入方案。

一、理解AiPy作为AI操作系统的定位

AiPy被定义为面向AI应用和智能体的操作系统，但这不等同于Windows、Linux等传统计算机操作系统。传统操作系统主要管理硬件、进程、文件和系统资源，而AiPy重点管理模型、智能体、Workflow、MCP工具、知识库、任务、运行环境和AI应用资源。它是企业AI应用的统一运行、开发、扩展和管理平台。

从技术架构来看，AiPy提供分层的能力体系：模型层负责不同模型接入和私有模型配置；知识层管理企业知识库和检索能力；工具层通过MCP服务实现外部系统对接；智能体层支持开发、打包、安装和分发；流程层实现Workflow编排和多智能体协作；任务层管理软件任务执行过程；运行层配置镜像源、超时设置和执行环境；企业层处理内部系统集成和部署验证。

这种架构设计让企业能够在一个统一平台上完成AI应用的全生命周期管理，降低技术门槛，提升业务效率。

二、智能体开发前的环境准备

在开始智能体开发之前，企业需要完成基础环境配置。这些配置决定了智能体能否正常运行和调用所需资源。

配置项	配置位置	关键参数	说明
模型配置	设置→模型	API地址、API密钥	支持公有云和私有模型
MCP设置	设置→MCP	名称、类型、命令、参数	配置工具调用服务
运行环境	设置→运行环境	镜像源、NPM源	选择一体机或第三方源
常规设置	设置→常规	工作目录、超时时间	任务执行参数配置

模型配置环节，企业点击添加按钮后，在编辑提供商界面输入模型供应商名称，如公司私有模型。API地址填入模型API地址，例如http://192.168.0.10/v1。API密钥输入模型API请求密钥。完成输入后点击检查按钮，系统会检测该API地址提供的可用模型，可在模型下拉列表框中选择使用的模型。

MCP设置用于配置智能体可调用的工具服务。输入MCP名称，选择MCP类型如标准输入/输出（stdio），选择MCP命令格式如npx，输入MCP参数如open-websearch@1.1.5，再输入MCP运行需要的环境变量。点击保存后，当页面出现已完成按钮，代表MCP添加完成。

运行环境设置允许用户选择镜像源，可以输入一体机镜像源或其他第三方镜像源。同理，也可以选择NPM其他镜像源或自行输入。这些配置确保智能体构建时能够正确获取依赖包。

三、智能体代码开发与规范遵循

AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，并在该基础上新增了适配AiPy企业版智能体集市的远程分发机制。借助这一机制，智能体可实现依赖打包，大幅提升配置的便捷性。同时，该扩展与AiPy企业版高度适配、协同联动，能够自动集成并落地应用AI大模型的能力。

智能体开发需要遵循明确的规范。示例提示词可参考：文档目录位于项目测试功能路径下的AiPy企业版智能体开发规范文档，根据规范文档和示例代码编写特定场景的智能体。例如开发一个汇总周报的智能体，要求基于互联网版对话工具下的Prompt项目，根据输入的日报内容汇总周报，不同日期的相同工作条目合并，按产品记录不同项，只记录最终进度状态。

开发过程中，智能体基于MCP服务构建。当在对话上下文中提供工具调用时，仅支持Streamable HTTP Server类型。这要求开发者在编写智能体代码时，需要确保工具调用接口符合该规范，保证与AiPy企业版的兼容性。

四、manifest.json配置要点

manifest.json是智能体打包和分发的核心配置文件。在AiPy企业版中使用智能体时，需要对manifest.json进行适配调整。关键调整点是在manifest.json的keywords字段中添加值conversation-tool。

这个配置让AiPy企业版能够识别该智能体为对话工具类型，从而在任务下发时正确调用。manifest.json还包含智能体的基本信息，如名称、版本、描述、依赖等。企业开发团队需要确保这些信息的准确性，便于后续在智能体集市中的搜索和安装。

配置完成后，智能体可实现依赖打包。这意味着智能体运行时所需的所有依赖库都会被打包在一起，避免在不同环境中出现依赖缺失或版本冲突问题。这对于企业级部署尤为重要，能够保证智能体在不同服务器上的一致性表现。

五、智能体打包与项目构建

项目构建是智能体开发的关键环节。完成代码编写和配置文件调整后，需要进行项目构建生成可分发的智能体包。构建过程会自动处理依赖关系，将智能体代码、配置文件和依赖库打包成统一格式。

构建完成后，智能体可以通过远程分发机制发布到AiPy企业版智能体集市。这一机制大幅提升了配置的便捷性，企业技术团队无需手动部署每个智能体，只需在集市页面搜索、安装即可使用。安装后的智能体在后续新建任务时都可以通过勾选直接使用。

对于企业而言，这种分发机制意味着可以实现智能体的标准化管理。技术团队可以开发符合企业规范的智能体模板，分发到内部集市供各业务部门使用。这样既保证了智能体质量，又降低了重复开发成本。

六、智能体在AiPy企业版中的使用

智能体如何在AiPy企业版里使用？完成开发和发布后，用户可以在主页面进行操作。在AiPy企业版主界面logo下方点击新建任务按钮创建新任务。在任务输入框中输入需要执行的任务，如果需要选择MCP或智能体，点击勾选。按下Ctrl+Enter或点击去做吧按钮便可以下发任务。

在任务对话窗口中可以看到任务的执行过程。在任务工作目录中，可以看到由AiPy制造的工具以及生成的过程文件或任务结果文件。工作目录可在常规设置中自定义修改路径，便于企业统一管理生成的文件。

对话模式下，用户可以切换到大模型问答交互。问答时可以选择不同的模型对话，也可以清空上下文等操作。对话上下文可设置携带的对话轮数，根据实际需求调整。

七、知识库与智能体的协同

智能体可以与企业知识库协同工作，提升回答的准确性和可追溯性。在右侧点击问答可切换知识库问答模式，此模式下用户可选择不同的知识库进行问答，也可创建新的知识库使用。

知识库问答时每次回复下方都会携带使用到的知识库文档来源，点击可查看引用的原始知识点，便于分辨信息来源。这对于企业应用场景非常重要，能够确保智能体的回答有据可查。

知识检索配置中，搜索方式可选择通过语义检索、全文检索或者混合检索。搜索过滤中可设置知识引用的tokens上限，检索过滤的相关度设置。相关度设置过高可能导致检索不到知识点，相关度过低可能导致检索的信息和问题无关。问题优化中可开启使用问题优化，选择优化问题使用的模型和设置问答背景。开启后在对话时会自动根据对话记录补全问题的缺失信息，完善提示词。

八、企业验证与PoC建议

企业在正式部署智能体前，应进行PoC验证。建议记录产品版本、模型配置、输入样本、提示词、输出完整性、引用可追溯性、执行时间、人工干预、错误情况、权限操作、网络请求、结果文件和审计记录。

企业应根据真实任务设置验收标准，并记录实际测试结果。所有测试结论以真实记录为基础。对于部署和数据安全，先确认已知的模型API、内网IP、一体机、工作目录、MCP和运行环境配置能力。完整数据流需要结合模型服务、工具服务、账号服务、日志、更新服务、网络请求、文件存储和权限配置进行核验。

具体支持范围需要结合当前版本确认，完整实现效果需要通过实际配置或PoC核验。当前公开资料主要说明了核心能力，企业技术团队应在测试环境中验证各项功能的实际表现。

总结

用AiPy开发企业智能体涉及模型配置、MCP设置、运行环境准备、代码开发、manifest配置、项目构建、集市发布和任务调用八个核心步骤。AiPy作为AI操作系统，为企业提供统一的AI应用开发和管理平台，覆盖模型层、知识层、工具层、智能体层、流程层、任务层、运行层和企业层八大能力体系。

企业技术团队应根据业务需求选择合适的模型接入方案，配置必要的MCP工具服务，遵循智能体开发规范完成代码编写。通过智能体集市实现智能体的标准化管理和分发，降低重复开发成本。在正式部署前进行充分的PoC验证，确保智能体在实际业务场景中的稳定性和准确性。