企业级 AI Agent 实战： Coze Studio 部署 + 智能体应用

最近字节跳动把他们的 AI Agent 开发平台 Coze 开源，并取名 Coze Studio（https://github.com/coze-dev/coze-studio），开源协议直接是 Apache-2.0，极大地丰富企业级 AI Agent 开发的生态系统，为中小企业 AI 应用落地和私有化部署提供了强有力的支撑。

今天主要介绍一下企业级 AI Agent 实战： Coze Studio 部署 + 智能体应用。

01 Coze Studio 简介

Github 上该项目的 Starred 和 Fork 数还在不断地高速增长。

Coze Studio 是一站式 AI Agent 开发工具。提供 AI Agent 开发所需的全部核心技术：Prompt、RAG、Plugin、Workflow，使得开发者可以聚焦创造 AI 核心价值。

通过 Coze Studio 提供的可视化设计与编排工具，开发者可以通过零代码或低代码的方式，快速打造和调试智能体、应用和工作流，实现强大的 AI 应用开发和更多定制化业务逻辑，是构建低代码 AI 产品的理想选择。

Coze Studio 定位为"一站式 AI Agent 开发工具“：

1. 全栈解决方案：提供从开发、调试到部署的完整工具链；
2. 低代码/零代码：极大地降低 AI 应用开发门槛；
3. 企业级架构：基于微服务架构并遵循领域驱动设计（DDD）原则构建；
4. 生产就绪：源自于上万家企业、数百万开发者的「扣子开发平台」。

Coze Studio 的功能清单：

02 使用 Docker Compose 部署 Coze Studio

为方便起见，本文在优云智算平台上创建 GPU 算力实例，安装部署 Docker，然后使用 Docker Compose 部署 Coze Studio。

特别提醒：使用GPU 算力实例，方便后续部署大语言模型。如果后续不再使用，建议即时删除算力实例，防止被扣费。

进入优云智算平台，选择相应 GPU 算力，然后根据具体需求选择数据盘、实例规格、镜像等。

本文实例镜像和实例规格核心信息为：

• 系统镜像：Ubuntu-22.04-nvidia
• GPU型号：RTX40系（24G显存 83TFLops）
• GPU数量：1
• GPU配置：16C 64GB
• 系统盘：免费200G
• CPU平台：Intel（x86_64）

部署好实例后，我们通过 SSH 登录到服务器。

默认用户名为 ubuntu 。

安装部署 Docker：

# 添加 Docker 官方的 GPG 密钥
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 将仓库添加到 Apt 源中
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "${UBUNTU_CODENAME:-$VERSION_CODENAME}") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

# 安装 Docker、Docker Compose
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

# 启动 Docker
sudo systemctl start docker
sudo systemctl status docker

查看 Docker 版本：

sudo docker version

修改 docker 的数据目录、镜像源：

mkdir -p /home/ubuntu/software/docker
sudo vim /etc/docker/daemon.json

修改的 daemon.json 内容如下：

{
  "data-root": "/home/ubuntu/software/docker",
"registry-mirrors": [
    "https://docker.1panel.live",
    "https://docker.nju.edu.cn",
    "https://docker.m.daocloud.io",
    "https://dockerproxy.com",
    "http://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://registry.docker-cn.com",
    "https://docker.registry.cyou",
    "https://docker-cf.registry.cyou",
    "https://dockercf.jsdelivr.fyi",
    "https://docker.jsdelivr.fyi",
    "https://dockertest.jsdelivr.fyi",
    "https://mirror.aliyuncs.com",
    "https://mirror.baidubce.com",
    "https://docker.mirrors.sjtug.sjtu.edu.cn",
    "https://mirror.iscas.ac.cn",
    "https://docker.rainbond.cc"
  ]
}

重启 Docker：

sudo systemctl daemon-reload
sudo systemctl restart docker

克隆 Coze Studio 在 Github 上的项目，并配置相应的大语言模型。

本文以 DeepSeek 为例，DeepSeek 的 API Key 需要到 DeepSeek 的开发平台去创建和获取。

cd /home/ubuntu/software
git clone https://github.com/coze-dev/coze-studio.git
cd coze-studio
# 复制模型配置模版
cp backend/conf/model/template/model_template_deepseek.yaml backend/conf/model/deepseek.yaml
vim backend/conf/model/deepseek.yaml

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

id: 2004
name:DeepSeek-V3
icon_uri:default_icon/deepseek_v2.png
icon_url:""
description:
zh:deepseek模型简介
en:deepseekmodeldescription
default_parameters:
-name:temperature
    label:
      zh:生成随机性
      en:Temperature
    desc:
      zh:'- **temperature**: 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。'
      en:'**Temperature**:\n\n- When you increase this value, the model outputs more diverse and innovative content; when you decrease it, the model outputs less diverse content that strictly follows the given instructions.\n- It is recommended not to adjust this value with \"Top p\" at the same time.'
    type:float
    min:"0"
    max:"1"
    default_val:
      balance:"0.8"
      creative:"1"
      default_val:"1.0"
      precise:"0.3"
    precision:1
    options:[]
    style:
      widget:slider
      label:
        zh:生成随机性
        en:Generationdiversity
-name:max_tokens
    label:
      zh:最大回复长度
      en:Responsemaxlength
    desc:
      zh:控制模型输出的Tokens长度上限。通常100Tokens约等于150个中文汉字。
      en:Youcanspecifythemaximumlengthofthetokensoutputthroughthisvalue.Typically,100tokensareapproximatelyequalto150Chinesecharacters.
    type:int
    min:"1"
    max:"4096"
    default_val:
      default_val:"4096"
    options:[]
    style:
      widget:slider
      label:
        zh:输入及输出设置
        en:Inputandoutputsettings
-name:response_format
    label:
      zh:输出格式
      en:Responseformat
    desc:
      zh:'- **文本**: 使用普通文本格式回复\n- **JSON**: 将引导模型使用JSON格式输出'
      en:'**Response Format**:\n\n- **Text**: Replies in plain text format\n- **Markdown**: Uses Markdown format for replies\n- **JSON**: Uses JSON format for replies'
    type:int
    min:""
    max:""
    default_val:
      default_val:"0"
    options:
      -label:Text
        value:"0"
      -label:JSONObject
        value:"1"
    style:
      widget:radio_buttons
      label:
        zh:输入及输出设置
        en:Inputandoutputsettings
meta:
name:DeepSeek-V3
protocol:deepseek
capability:
    function_call:false
    input_modal:
      -text
    input_tokens:128000
    json_mode:false
    max_tokens:128000
    output_modal:
      -text
    output_tokens:16384
    prefix_caching:false
    reasoning:false
    prefill_response:false
conn_config:
    base_url:""
    api_key:""
    timeout:0s
    model:"deepseek-chat"
    temperature:0.7
    frequency_penalty:0
    presence_penalty:0
    max_tokens:4096
    top_p:1
    top_k:0
    stop:[]
    openai:null
    claude:null
    ark:null
    deepseek:
      response_format_type:text
    qwen:null
    gemini:null
    custom:{}
status:0

部署并启动服务：

cd /home/ubuntu/software/coze-studio/docker
cp .env.example .env
sudo docker compose --profile "*" up -d

开放外网防火墙端口：

• 8888: Coze Studio 服务端口；
• 8889: Minio 服务端口。

通过浏览器访问 Coze Studio，可以先注册，然后再使用对应的账号登录。

03 创建&配置智能体

创建智能体：

选择大语言模型，并设置好人设，然后可以进行调试。

调试通过后，可以点击“发布”按钮，进行智能体的发布。

04 使用智能体

进入工作空间，在项目开发中，点击使用智能体。