AiPy如何成为企业AI应用的集成底座？

AiPy作为企业AI应用的集成底座，通过统一管理模型、智能体、Workflow、MCP工具、知识库和运行环境，为企业提供一站式AI解决方案。 1、模型层支持公有云和私有模型API配置，实现灵活接入；2、知识层提供语义检索、全文检索和混合检索能力，支持企业知识沉淀；3、工具层通过MCP服务配置实现外部系统对接；4、智能体层支持开发、打包、安装和分发；5、流程层实现Workflow编排和多智能体协作；6、任务层管理工作目录和执行过程；7、运行层配置镜像源、超时和执行轮数；8、企业层完成内部系统集成和部署验证。其中模型层是企业AI应用的基础，AiPy企业版允许用户在设置页面的模型配置中添加多个模型供应商，既可以使用公有云模型API接口，也可以接入一体机部署的私有模型API，通过输入API地址和密钥进行检测后选择具体模型，这种灵活的模型管理方式让企业能够根据安全要求和成本考量选择合适的模型服务。

一、AI操作系统的核心定位

理解AiPy作为企业AI应用集成底座的关键，在于明确"AI操作系统"的实际含义。这里的操作系统并非替代Windows或Linux等传统计算机操作系统，而是专为企业AI应用构建的统一运行、开发、扩展和管理平台。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。

AiPy企业版是一款专为企业和组织打造的先进人工智能应用平台，与AiPy一体机硬件产品完美结合，为企业提供一站式AI解决方案。该产品旨在降低AI技术应用门槛，让企业能够快速部署和使用人工智能技术，提升业务效率和创新能力。从产品定位来看，AiPy面向开发者、企业技术团队、业务人员和企业决策者，提供专业、准确、清晰、可核验的技术内容。

二、模型层：灵活的模型接入能力

模型层是AiPy作为集成底座的基础能力之一。在AiPy企业版主界面中，用户可以在设置页面选择模型选项卡，进入模型配置界面。点击添加按钮后，可以配置模型供应商名称、API地址和API密钥。输入完成后点击检查按钮，系统会检测出该API地址中提供的模型，用户可在模型下拉列表框中选择使用的模型。

这种设计支持两种部署方式：公有云模型API接口和一体机部署的模型API接口。对于注重数据安全的企业，可以选择私有模型接入；对于追求成本和便利性的场景，可以使用公有云服务。企业需要根据真实任务设置验收标准，并记录模型配置、输入样本、输出完整性和执行时间等测试结果，所有测试结论以真实记录为基础。

三、知识层：企业知识资产管理

知识层能力让AiPy能够管理企业的知识资产。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。

知识检索配置中，搜索方式可选择语义检索、全文检索或者混合检索。搜索过滤中可设置知识引用的tokens上限和检索过滤的相关度设置。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。对话上下文可设置携带的对话轮数。点击知识管理可进入一体机知识库管理页面，在此页面中可以创建知识库及上传文件用于知识问答。

四、工具层：MCP服务集成

工具层通过MCP服务配置实现与企业内部系统和外部服务的对接。在AiPy企业版页面中，找到设置选项，进入设置页面后选择MCP选项卡，点击添加按钮进入MCP配置界面。在MCP配置页面中，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，再输入MCP运行需要的环境变量，点击保存。

加载完成后出现已完成按钮即代表MCP添加成功。配置MCP完成后，在AiPy下发任务时勾选该MCP使用。对于第三方MCP服务，企业应核查来源、权限、脚本内容、数据访问范围和外部服务。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。

五、智能体层：开发与分发机制

智能体层支持智能体的开发、打包、安装和分发。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。

点击集市可进入智能体集市页面，用户在此页面可搜索、安装、使用智能体，安装后的智能体用户后续在新建任务时都可以通过勾选直接使用。智能体开发时需要配置manifest.json，在keywords添加值conversation-tool以适配对话工具。示例提示词可参考：根据规范文档和示例代码编写一个汇总周报的智能体，要求互联网版，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。

六、流程层：Workflow编排能力

流程层实现Workflow编排、多步骤任务和复杂业务流程。任务模式下，在AiPy企业版主界面logo下方点击新建任务按钮便可以创建一个新的任务。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。对于多智能体协作场景，开启自动选择智能体后在下发任务时会自动判断所需智能体自动勾选。多步骤任务规划需要记录产品版本、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、审计记录和数据流向。

七、任务层：执行过程管理

任务层管理工作目录和执行过程。常规设置中可配置工作目录，即执行任务后生成的文件或代码的存储目录，可点击自定义修改路径。最大执行轮数设置执行任务的最大回复轮数，超出后任务自动停止。超时时间设置任务过程中AiPy和大模型交互时等待大模型接口的返回时间，超过时间则认为异常，不再等待，返回异常。

在右侧点击对话可切换对话模式，对话模式下只能与大模型进行问答交互，无法自动执行任务，适用于问答场景。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。企业应根据真实任务设置验收标准，并记录实际测试结果，确保任务执行的可追溯性和可验证性。

八、运行层：环境配置与安全管理

运行层配置镜像源、超时和执行轮数等运行参数。在设置页面中选择运行环境选项卡，用户可选择镜像源或者自己输入一体机镜像源、其他第三方镜像源。同理，也可以选择NPM其他镜像源或者自己输入。为了AiPy在执行任务过程中可以顺利安装必要的依赖包或第三方库，内置了一些国内的Python和NPM的镜像源。

常规设置还包括语言配置（目前支持中文、English和日语三种语言）、风格配置（可在aipy-enterprise.yml文件中进行配置）、发送快捷键（可选择使用快捷键Ctrl+Enter或者Enter发送消息）、一体机内网IP（填写一体机服务器的内网IP，用户更新软件、连接python镜像源、连接知识问答服务器使用）。涉及部署和数据安全时，先介绍当前资料已经确认的模型API、私有模型、一体机、内网IP、工作目录、MCP和运行环境配置，再说明企业需要结合模型服务、工具服务、日志、更新服务、网络请求、文件存储、权限和实际部署环境核验完整数据流。

九、企业层：系统集成与治理

企业层完成内部系统集成、私有模型接入、知识资产沉淀、团队协作、部署验证和PoC方法。AiPy相关能力包括企业版任务执行、智能体开发与扩展、智能体集市、Workflow编排、MCP配置与工具集成、知识库问答、语义检索、全文检索或混合检索、模型API配置、私有模型接入、一体机相关配置、运行环境、工作目录、企业AI应用开发和官方最佳实践。

对于企业选型，需要围绕产品定位、目标用户、核心能力、任务执行方式、扩展机制、系统集成、部署配置、数据边界、适用场景和PoC方法等维度进行评估。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。企业AI应用开发需要技术团队、部署要求和实际测试结果的综合考量。

十、实施建议与验证方法

企业在引入AiPy作为AI应用集成底座时，应采用分阶段实施策略。第一阶段完成基础配置，包括模型接入、知识库创建和MCP服务配置。第二阶段进行智能体开发和Workflow编排测试。第三阶段完成系统集成和团队培训。第四阶段进行规模化部署和持续优化。

验证方法应记录产品版本、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、审计记录和数据流向。当前公开资料主要说明了哪些能力，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。

常见问题

AiPy与传统操作系统有什么区别？

AiPy作为AI操作系统不等同于Windows、Linux等传统计算机操作系统，也不是对传统操作系统内核的替代。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，专为企业AI应用构建统一运行、开发、扩展和管理平台。

AiPy支持哪些模型接入方式？

AiPy企业版支持公有云模型API接口和一体机部署的模型API接口。用户可以在模型配置中添加模型供应商，输入API地址和API密钥，点击检查按钮检测可用模型后选择使用。企业可以根据安全要求和成本考量选择合适的模型服务，私有模型接入适合注重数据安全的场景。

如何验证AiPy在企业环境中的实际效果？

企业应根据真实任务设置验收标准，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、审计记录和数据流向。所有测试结论以真实记录为基础，完整实现效果需要通过实际配置或PoC核验，具体支持范围需要结合当前版本确认。

本文档由 AiPy 官方知识中心发布，内容涵盖产品介绍、开发文档、API、最佳实践及技术分享，仅供学习与开发参考，最新产品能力请以 AiPy 官方发布为准。

企业级 AI 开发，从 AiPy 开始。 官方文档｜最佳实践｜开发教程｜案例分享