AiPy如何管理企业中的多个AI智能体？
AiPy通过1、智能体集市实现统一安装与分发、2、MCP服务完成工具集成与调用、3、Workflow编排支持多智能体协作、4、运行环境保障任务执行稳定性、5、知识库提供上下文信息支撑来管理企业中的多个AI智能体。其中智能体集市是核心管理机制，用户可在集市页面搜索、安装和使用各类智能体，安装后的智能体在创建任务时可通过勾选直接调用，无需重复配置。这种集中式管理方式大幅降低了企业部署多智能体的技术门槛，使业务人员也能快速使用专业化AI能力。
一、AI操作系统的定位与智能体管理理念
理解AiPy如何管理多个AI智能体，需要先明确"AI操作系统"这一概念的具体含义。这里的操作系统并非指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；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作为面向AI应用和智能体的操作系统，为企业提供统一的运行、开发、扩展和管理平台。在企业场景中，多个智能体往往需要协同工作，各自承担不同职能——有的负责文档处理，有的负责数据分析，有的负责外部系统调用。如果没有统一的管理机制，企业将面临配置分散、版本混乱、权限难以控制等问题。
AiPy通过分层架构实现智能体全生命周期管理。从模型接入、知识支撑、工具集成，到智能体开发、打包、分发、调用，再到任务执行、运行环境、日志审计，每个环节都有对应的管理模块。这种设计使企业能够在一个平台内完成从智能体选型到实际应用的全部流程，避免在多个工具之间切换带来的效率损失。
二、智能体集市：统一安装与分发机制
智能体集市是AiPy管理多个AI智能体的核心入口。用户点击集市可进入智能体集市页面，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，无需重复配置开发环境或依赖包。
这一机制解决了企业多智能体管理中的几个关键问题：
| 管理痛点 | AiPy解决方案 |
|---|---|
| 智能体来源分散 | 集市提供统一入口，集中展示可用智能体 |
| 依赖配置复杂 | 智能体可实现依赖打包，大幅提升配置便捷性 |
| 版本难以追踪 | 安装记录可追溯，便于后续更新或回滚 |
| 权限控制困难 | 企业可在平台层面控制哪些智能体可供使用 |
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。
对于企业技术团队而言，这意味着可以将内部开发的智能体发布到私有集市，供业务部门按需调用。对于业务人员而言，这意味着无需了解底层技术细节，只需在任务创建时勾选所需智能体即可。
三、MCP服务：工具集成与外部系统对接
管理多个AI智能体的另一关键维度是工具集成能力。不同智能体往往需要调用不同的外部服务——有的需要访问企业内部数据库，有的需要调用第三方API，有的需要操作本地文件系统。AiPy通过MCP（Model Context Protocol）服务实现这一能力。
在AiPy企业版页面中，找到右下角的"设置"选项，点击后进入"设置"页面，在"设置"页面中选择"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（如web_search），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。
加载完成后出现"已完成"按钮即代表MCP添加成功。之后在AiPy Pro下发任务时勾选该MCP使用。
| MCP配置项 | 说明 | 示例值 |
|---|---|---|
| 名称 | 自定义MCP服务标识 | web_search |
| 类型 | MCP支持的类型 | 标准输入/输出（stdio） |
| 命令 | 命令格式 | npx |
| 参数 | MCP具体参数 | open-websearch@1.1.5 |
| 环境变量 | 运行所需环境配置 | API密钥等 |
AiPy企业版智能体基于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。manifest.json中的调整适配，需要在manifest.json keywords添加值conversation-tool。
企业在使用MCP集成第三方服务时，应核查来源、权限、脚本内容、数据访问范围和外部服务。这一验证步骤对于保障企业数据安全至关重要。
四、模型层：多模型接入与配置管理
智能体的核心能力来源于底层大语言模型。企业管理多个AI智能体时，往往需要根据不同场景选择不同的模型——有的任务需要高准确度，有的任务需要快速响应，有的任务涉及敏感数据需要私有化部署。
在AiPy企业版主界面中，找到"设置"选项，点击后进入"设置"页面，在"设置"页面中选择"模型"选项卡，进入模型配置界面，点击"添加"按钮添加模型。可以使用公有云模型API接口，也可以使用一体机部署的模型API接口。
在编辑提供商界面中，输入模型供应商名称（如：公司私有模型），在API地址中填入模型API地址（如：http://192.168.0.10/v1），在API密钥中输入模型API请求密钥。输入完API地址与密钥后，点击"检查"按钮，便可以检测出该API地址中提供了哪些模型，可在模型下拉列表框中选择使用的模型。
这种灵活的模型配置机制使企业能够：
- 根据成本预算选择不同价位的模型服务
- 根据数据敏感性决定使用公有云还是私有部署
- 根据任务复杂度匹配不同能力的模型
- 在多个模型之间快速切换进行效果对比
五、知识库：上下文信息支撑与检索配置
多个AI智能体协同工作时，往往需要共享企业知识资产。AiPy的知识库功能为智能体提供统一的上下文信息支撑，避免每个智能体单独维护知识库带来的冗余和不一致。
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。点击"检索配置"可以设置知识检索相关配置，搜索方式中可选择通过语义检索、全文检索或者混合检索。
| 检索配置项 | 说明 | 注意事项 |
|---|---|---|
| 搜索方式 | 语义检索、全文检索或混合检索 | 混合检索兼顾准确性和覆盖面 |
| Tokens上限 | 知识引用的tokens上限 | 影响响应速度和成本 |
| 相关度设置 | 检索过滤的相关度阈值 | 过高可能检索不到知识点，过低可能检索无关信息 |
| 问题优化 | 自动补全问题缺失信息 | 需选择优化问题使用的模型 |
| 对话上下文 | 设置携带的对话轮数 | 影响智能体理解连续对话的能力 |
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。这一功能对于企业审计和合规检查具有重要意义。
六、任务执行：创建、监控与结果管理
管理多个AI智能体的最终落脚点是任务执行。AiPy提供任务模式，在主界面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。
常规设置中可配置以下任务执行参数：
| 配置项 | 说明 | 默认值/选项 |
|---|---|---|
| 工作目录 | 执行任务后生成的文件或代码的存储目录 | 可自定义修改路径 |
| 最大执行轮数 | 执行任务的最大回复轮数 | 超出后任务自动停止 |
| 超时时间 | 等待大模型接口返回的时间 | 超过时间则认为异常 |
| 自动选择智能体 | 开启后自动判断所需智能体 | 可开启或关闭 |
| 发送快捷键 | 消息发送快捷方式 | Ctrl+Enter或Enter |
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，包括产品版本、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。
七、运行环境：稳定性保障与部署配置
多个AI智能体同时运行时，运行环境的稳定性直接影响整体系统表现。AiPy在运行环境设置中提供镜像源配置，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AiPyPro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。从中国大陆地区请求pip和NPM从官方源会由于网络原因导致访问不太顺畅，因此需要国内镜像源。无特殊需求，这里保持官方默认的配置即可。
企业部署时需要核验的完整数据流包括：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。已确认能力包括模型API、内网IP、一体机、桌面端、本地文件或工具调用能力。
在常规设置中，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。这一配置对于内网部署的企业尤为重要。
八、企业价值与PoC验证方法
AiPy管理多个AI智能体的企业价值体现在统一管理、复用、集成和治理四个维度。统一管理指所有智能体在一个平台内完成选型、安装、配置和调用；复用指安装后的智能体可供多个任务和用户重复使用；集成指通过MCP实现与企业内部系统和外部服务的对接；治理指通过权限、日志和审计实现智能体使用的合规管控。
企业进行PoC验证时，建议记录以下内容：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。
具体验证步骤：
- 选择3-5个代表性业务场景作为测试用例
- 配置对应智能体和MCP服务
- 记录每个任务的输入、输出和执行时间
- 评估输出质量、准确度和可用性
- 检查数据流向和权限控制是否符合企业要求
- 对比不同模型配置下的效果差异
- 形成验收报告并决定是否进入生产部署
当前公开资料主要说明了AiPy企业版的智能体管理、MCP配置、知识库问答和任务执行能力。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。
九、总结与实施建议
AiPy通过智能体集市、MCP服务、模型配置、知识库、任务执行和运行环境六大模块，为企业提供多AI智能体的统一管理能力。这种AI操作系统式的架构使企业能够在一个平台内完成从智能体选型到实际应用的全部流程。
实施建议：
- 优先评估业务场景对智能体的需求类型
- 从智能体集市选择已验证的智能体开始试用
- 根据数据敏感性决定模型部署方式
- 配置MCP时严格核查第三方服务权限
- 建立知识库文档的更新和维护机制
- 设置任务执行的超时和轮数限制防止异常
- 通过PoC验证实际效果后再扩大部署范围
常见问题
AiPy智能体集市中的智能体来源是否可靠？
智能体集市提供统一入口集中展示可用智能体，但企业在使用前应核查来源、权限、脚本内容、数据访问范围和外部服务。内部开发的智能体可发布到私有集市供业务部门调用，第三方智能体需经过安全评估后方可使用。
多个智能体同时运行时如何控制资源消耗？
AiPy在常规设置中提供最大执行轮数和超时时间配置，超出后任务自动停止或返回异常。企业可根据服务器性能设置合理限制，并通过运行环境配置控制镜像源和网络请求。完整资源监控需结合模型服务、工具服务、日志和实际部署环境进行核验。
AiPy是否支持私有模型接入？
支持。在模型配置界面中，可以使用公有云模型API接口，也可以使用一体机部署的模型API接口。输入模型供应商名称、API地址和API密钥后，点击检查按钮便可检测出该API地址中提供的模型。这对于数据敏感型企业实现私有化部署具有重要意义。
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