扣子，开源了！

推荐语

扣子开源两大核心项目，零代码打造AI Agent，开发者福音来了！

核心内容：
1. Coze Studio：可视化拖拽编排AI工作流，低门槛开发智能体
2. Coze Loop：专注AI Agent全生命周期管理，提升运维效率
3. 采用Apache2.0协议全面开源，普通电脑即可运行部署

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

夜，是不可能不熬的。

刚刚，扣子宣布开源，主要开源了两个核心项目：

1.Coze Studio（扣子开发平台）

2.Coze Loop（扣子罗盘）

GitHub地址: 

https://github.com/coze-dev/coze-studio

https://github.com/coze-dev/cozeloop

Coze Studio是扣子最核心的产品，你可以通过拖拽节点，自由编排任意具有workflow的AI Agent。通过Coze Studio提供的可视化设计与编排工具，开发者可以零代码或低代码，快速打造和调试智能体、应用和工作流。

Coze Loop是一个面向开发者，专注于AI Agent开发与运维的管理平台。可以帮助开发者更高效地开发和运维AI Agen，比如提示词工程、Agent评测、上线后监控与调优等，提升Agent的运行效果和稳定性。

本次开源，采用极其宽松的Apache2.0协议开源。意味着，所有人都可以免费下载和商用。

安装环境，门槛超低，双核CPU+4G内存即可运行。基本上就是，是个电脑都能使用。

在Agent编排工具领域，Coze一直是独一档的存在。本次开源，可以看到字节Seed团队拥抱开源的决心。

任谁开源，都值得吼两嗓子，感谢扣子，感谢字节。以下，是开源版Coze的安装指南。

1.Coze Studio部署指南

环境要求：

• 在安装 Coze Studio 之前，请确保您的机器满足以下最低系统要求： 2 Core、4 GB

• 提前安装 Docker、Docker Compose，并启动 Docker 服务。

部署步骤：

1）获取源码

# 克隆代码git clone https://github.com/coze-dev/coze-studio.git

2）配置模型

1. 从模板目录复制doubao-seed-1.6模型的模版文件，并粘贴到配置文件目录。

cd coze-studio# 复制模型配置模版cp backend/conf/model/template/model_template_ark_doubao-seed-1.6.yaml backend/conf/model/ark_doubao-seed-1.6.yaml

1. 在配置文件目录下，修改模版文件。

1. 进入目录 backend/conf/model。打开复制后的文件ark_doubao-seed-1.6.yaml。

2. 设置 id、meta.conn_config.api_key、meta.conn_config.model 字段，并保存文件。

• id：Coze Studio 中的模型 ID，由开发者自行定义，必须是非 0 的整数，且全局唯一。模型上线后请勿修改模型 id 。

• meta.conn_config.api_key：模型服务的 API Key，在本示例中为火山方舟的 API Key，获取方式可参考获取火山方舟 API Key。

• meta.conn_config.model：模型服务的 model ID，在本示例中为火山方舟 doubao-seed-1.6 模型接入点的 Endpoint ID，获取方式可参考获取 Endpoint ID。

3）部署并启动服务

首次部署并启动 Coze Studio 需要拉取镜像、构建本地镜像，可能耗时较久，请耐心等待。部署过程中，你会看到以下日志信息。如果看到提示 "Container coze-server Started"，表示 Coze Studio 服务已成功启动。

# 启动服务cd dockercp .env.example .envdocker compose --profile '*' up -d

4）登录访问

启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。其中 8888 为后端监听端口。 至此，你已成功部署 Coze Studio，可以根据页面提示注册账号、体验 Coze Studio 的各项功能与服务。

2.Coze Loop部署指南

1）准备工作

在参考本文安装 CozeLoop 开源版之前，确保您的软硬件环境满足以下要求：

2）安装 CozeLoop

步骤一：获取源码

执行以下命令，获取 CozeLoop 最新版本的源码。

# 克隆代码 git clone https://github.com/coze-dev/cozeloop.git# 进入cozeloop目录下cd cozeloop

步骤二：配置模型

正式安装 CozeLoop 开源版之前，你需要准备可选的模型，否则访问 CozeLoop 开源版时将无法选择模型来启动 Prompt 调试或评测。 此处以 OpenAI 和火山方舟模型为例，演示配置模型文件的操作步骤，你可以快速配置模型以便安装和测试 CozeLoop 开源版。对于 Llama 等其他模型，你可以参考模型配置文档填写配置文件。

1. 进入目录 conf/default/app/runtime/。

2. 编辑文件 model_config.yaml，修改 api_key 和 model 字段。 以下内容表示为 CozeLoop 开源版配置火山方舟的豆包模型、OpenAI 模型。 使用以下内容覆盖原文件，然后修改其中的 api_key 和 model，将其替换为你的 OpenAI 和火山方舟模型的配置参数。

models:  - id: 1    name: "doubao"    frame: "eino"    protocol: "ark"    protocol_config:      api_key: "***"  # 火山方舟 API Key，获取方式可参考 https://www.volcengine.com/docs/82379/1541594      model: "***"    # 方舟模型 ID，可参考 https://www.volcengine.com/docs/82379/1330310    param_config:      param_schemas:        - name: "temperature"          label: "生成随机性"          desc: "调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与 “Top p” 同时调整。"          type: "float"          min: "0"          max: "1.0"          default_val: "0.7"        - name: "max_tokens"          label: "最大回复长度"          desc: "控制模型输出的 Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字。"          type: "int"          min: "1"          max: "4096"          default_val: "2048"        - name: "top_p"          label: "核采样概率"          desc: "生成时选取累计概率达 top_p 的最小 token 集合，集合外 token 被排除，平衡多样性与合理性。"          type: "float" #          min: "0.001"          max: "1.0"          default_val: "0.7"  - id: 2    name: "openapi"    frame: "eino"    protocol: "openai"    protocol_config:      api_key: "***"  # OpenAI API Key      model: "***"    # OpenAI 模型 ID    param_config:      param_schemas:        - name: "temperature"          label: "生成随机性"          desc: "调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与 “Top p” 同时调整。"          type: "float"          min: "0"          max: "1.0"          default_val: "0.7"        - name: "max_tokens"          label: "最大回复长度"          desc: "控制模型输出的 Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字。"          type: "int"          min: "1"          max: "4096"          default_val: "2048"        - name: "top_p"          label: "核采样概率"          desc: "生成时选取累计概率达 top_p 的最小 token 集合，集合外 token 被排除，平衡多样性与合理性。"          type: "float" #          min: "0.001"          max: "1.0"          default_val: "0.7"

1. 保存文件。

步骤三：启动服务

执行以下命令，使用 Docker Compose 快速部署 CozeLoop 开源版。

# 启动服务，默认为开发模式docker compose up --build

首次启动需要拉取镜像、构建本地镜像，可能耗时较久，请耐心等待。部署过程中，你会看到以下日志信息。如果回显信息中”提示后端构建完成“，表示 CozeLoop 已成功启动。

• 部署 Coze Loop 开源版时，启动模式默认为开发模式。关于启动模式的详细说明，可参考启动模式。

• 如果启动过程中遇到 Docker 或 Docker Compose 相关问题，通常原因是环境配置、系统权限或网络问题，建议根据 Docker 报错查找相关解决方案。

步骤四：访问 CozeLoop 开源版

启动服务后，通过浏览器访问 http://localhost:8082 即可打开 CozeLoop 开源版。其中8082 为前端监听端口，8888 为后端监听端口。 至此，你已成功部署 CozeLoop 开源版，可以体验 CozeLoop 的各项功能与服务。