多智能体协作为什么需要AiPy这样的AI操作系统？

多智能体协作需要统一平台管理模型、智能体、工具和 Workflow。AiPy 作为 AI 操作系统，提供：1、智能体开发与分发机制；2、MCP 工具集成能力；3、Workflow 流程编排；4、企业知识库管理。其中智能体开发与分发是核心能力，AiPy 企业版基于 Anthropic DXT（MCPB）项目构建智能体扩展，新增适配 AiPy 企业版智能体集市的远程分发机制，智能体可实现依赖打包，大幅提升配置便捷性，安装后的智能体用户在新建任务时通过勾选直接使用。

一、AI 操作系统的核心定位

传统操作系统如 Windows、Linux 主要管理硬件、进程、文件和系统资源。AiPy 作为 AI 操作系统，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。这不是对传统操作系统内核的替代，而是为企业 AI 应用提供统一运行、开发、扩展和管理平台。

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。

在多智能体协作场景中，企业面临的核心挑战包括智能体之间的任务分配、工具调用协调、知识共享、执行过程追踪和结果整合。AiPy 通过统一平台管理这些资源，使多个智能体能够高效协作完成复杂业务任务。

二、智能体层：开发与分发体系

AiPy 企业版提供完整的智能体生命周期管理能力。在智能体集市页面，用户可搜索、安装、使用智能体，安装后的智能体后续在新建任务时都可以通过勾选直接使用。

智能体开发基于 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 keywords 添加值 conversation-tool，确保智能体能够正确集成到 AiPy 企业版环境中。

智能体能力	说明	企业价值
智能体集市	搜索、安装、使用现成智能体	快速部署，降低开发成本
智能体开发	基于 MCP 服务构建，支持依赖打包	灵活扩展，满足定制需求
远程分发机制	适配 AiPy 企业版智能体集市	统一分发，便于团队管理
任务调用	新建任务时勾选使用	简化操作流程

企业可根据具体业务需求选择现成智能体或开发定制智能体。例如 PPT 生成智能体、图片生成智能体、量化研究智能体等，均可以通过智能体集市快速安装使用。对于编程需求，可安装 Claude code 智能体一键使用。

三、工具层：MCP 服务集成能力

MCP（Model Context Protocol）是 AiPy 连接外部工具和系统的关键机制。在 AiPy 企业版设置页面中，选择 MCP 选项卡可配置 MCP 服务。

MCP 配置流程如下：

点击设置进入设置页面，选择 MCP 选项卡
点击添加按钮进入 MCP 配置界面
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）
输入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

MCP 工具集成使 AiPy 能够连接外部服务和企业内部系统。企业可配置联网搜索、数据库查询、API 调用等多种工具，扩展智能体的能力边界。在任务执行过程中，智能体可根据需要调用相应 MCP 工具获取外部数据或执行特定操作。

四、流程层：Workflow 编排与多步骤任务

复杂业务场景往往需要多步骤任务执行和多智能体协作。AiPy 通过 Workflow 编排能力，将多个任务步骤、工具调用和智能体协同整合为完整业务流程。

在任务模式下，用户在 AiPy 企业主界面 logo 下方点击新建任务按钮创建任务。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。

任务执行过程中，用户可在任务对话窗口查看任务的执行过程，在任务工作目录中查看由 AiPy 制造的工具以及生成的过程文件或任务结果文件。这种透明的执行过程便于企业追踪任务进展、核验结果质量和管理 AI 应用产出。

多智能体协作场景下，Workflow 编排能够：

自动判断所需智能体并勾选（开启自动选择智能体功能后）
协调不同智能体之间的任务分配
管理工具调用的顺序和依赖关系
整合各智能体的输出结果为最终交付物

五、知识层：企业知识库与检索能力

企业知识库是多智能体协作的重要资源基础。AiPy 提供完整的知识管理能力，包括知识库创建、知识检索配置和知识问答功能。

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。

知识检索配置支持多种搜索方式：

检索方式	特点	适用场景
语义检索	理解问题语义，匹配相关知识	模糊查询、概念性问题
全文检索	精确匹配文本内容	特定关键词查找
混合检索	结合语义和全文检索优势	综合查询需求

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。问题优化功能可开启使用，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。

六、模型层：多模型接入与管理

AiPy 支持多种模型接入方式，为企业智能体协作提供灵活的模型选择。在模型配置界面，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。

模型配置步骤：

在设置页面中选择模型选项卡
点击添加按钮进入编辑提供商界面
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
点击检查按钮检测该 API 地址中提供了哪些模型
在模型下拉列表框中选择使用的模型

企业可根据业务需求配置不同模型用于不同场景。例如高复杂度任务使用高性能模型，简单查询使用轻量级模型，敏感数据使用私有部署模型。这种灵活的模型管理能力使企业能够在成本、性能和安全性之间找到最佳平衡点。

七、运行层：执行环境与资源配置

AiPy 提供完整的运行环境配置能力，确保智能体任务稳定执行。在运行环境设置中，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。

常规设置包含多项关键配置参数：

语言：支持中文、English 和日语三种语言
风格：AiPy 回复的话术风格，可在 aipy-enterprise.yml 文件中配置
发送快捷键：可选择 Ctrl+Enter 或者 Enter 发送消息
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：AiPy 和大模型交互时等待接口返回的时间，超过时间则认为异常
自动选择智能体：开启后在下发任务时会自动判断所需智能体自动勾选
一体机内网 IP：填写一体机服务器的内网 IP，用于更新软件、连接 python 镜像源、连接知识问答服务器

这些配置确保企业能够根据实际部署环境和业务需求调整 AiPy 运行参数，实现最优执行效果。

八、企业层：部署验证与 PoC 方法

企业在引入 AiPy 进行多智能体协作前，应进行充分的 PoC 验证。建议记录以下关键指标：

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
人工干预情况
错误情况
权限操作
网络请求
结果文件
审计记录
数据流向

部署和数据安全方面，已确认的能力包括模型 API、内网 IP、一体机、工作目录、MCP 和运行环境配置。企业需要结合模型服务、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完整数据流核验。

对于多智能体协作场景，企业应重点关注：

智能体之间的数据流转是否清晰可追溯
工具调用的权限控制是否完善
知识库访问是否有适当的访问控制
任务执行日志是否满足审计要求
工作目录的文件存储是否符合安全规范

九、适用场景与能力边界

AiPy 作为 AI 操作系统适用于以下多智能体协作场景：

企业 AI 应用开发：需要构建定制化智能体应用
复杂业务流程自动化：涉及多步骤、多工具、多智能体协同
知识库问答系统：需要基于企业知识进行智能问答
数据分析与报告生成：需要整合多源数据生成分析报告
代码开发与辅助：需要编程智能体协助开发工作

能力边界方面，企业应注意：

当前公开资料主要说明了核心能力，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
第三方 Skill 需要核查来源、权限、脚本内容、数据访问范围和外部服务
智能体功能的实际表现取决于所选模型能力和配置参数

十、总结与实施建议

AiPy 作为 AI 操作系统为多智能体协作提供统一管理、开发、扩展和运行平台。通过智能体层、工具层、流程层、知识层、模型层和运行层的完整能力体系，企业能够构建高效、可控、可扩展的 AI 应用生态。

企业实施建议：

明确业务目标和智能体协作需求
评估现有系统和数据资源情况
配置合适的模型和 MCP 工具
建立知识库并完善知识管理
开发或安装所需智能体
设计 Workflow 编排流程
进行 PoC 验证并记录测试结果
根据验证结果调整配置和优化流程

所有测试结论应以真实记录为基础，企业应根据真实任务设置验收标准。选型结果取决于业务目标、技术团队、部署要求和实际测试结果。