企业官网建设流程全解析

佛山企业网站建设公司推荐,三亚网络哪个好,建设一个旅游网站毕业设计,永康关键词优化作者#xff1a;江昱 阿里云函数计算 AgentRun 全新发布后#xff0c;我们整理了“探秘 AgentRun”系列文章#xff0c;本系列将梳理企业落地 Agent 常见难题#xff0c;给出具体解法#xff0c;助力 Agentic AI 快速走进生产级环境。欢迎加入“函数计算 AgentRun 客户群…作者江昱阿里云函数计算 AgentRun 全新发布后我们整理了“探秘 AgentRun”系列文章本系列将梳理企业落地 Agent 常见难题给出具体解法助力 Agentic AI 快速走进生产级环境。欢迎加入“函数计算 AgentRun 客户群”与我们交流钉钉群号134570017218。当你已经用 LangChain、AgentScope、LangGraph 等框架开发了 Agent 应用如何让它们享受函数计算 AgentRun 提供的Serverless 运行时、企业级 Sandbox、模型高可用、全链路可观测等能力好消息是你几乎不需要改动现有代码只需要简单的适配就可以迁移到函数计算 AgentRun。这篇文章将通过真实的代码示例展示如何将不同框架的 Agent 应用部署到函数计算 AgentRun 上以及如何充分利用函数计算 AgentRun 的各种能力。为什么要部署到函数计算 AgentRun在讨论具体的集成方案前让我们先明确一个问题如果你的 Agent 应用已经在本地或自建服务器上运行良好为什么还要迁移到函数计算 AgentRun答案很简单从开发环境到生产环境有一道巨大的鸿沟。本地运行只需要考虑功能实现但生产环境需要考虑性能、稳定性、成本、安全、可观测等一系列问题。函数计算 AgentRun 提供的不是又一个 Agent 框架而是让你的 Agent 能够以企业级标准运行的完整基础设施。具体来说部署到函数计算 AgentRun 后你能获得零运维的 Serverless 运行时自动扩缩容、按量付费企业级的 Sandbox 环境高性能、安全隔离模型高可用保障自动熔断、多模型 Fallback全链路可观测完整的 Trace、成本归因以及统一的工具和 MCP 管理。快速上手5 分钟部署你的第一个 LangChain Agent让我们从最流行的 LangChain 框架开始通过一个完整的例子展示如何将 LangChain Agent 部署到函数计算 AgentRun。第一步安装 Serverless Devs函数计算 AgentRun 使用 Serverless Devs 作为部署工具。如果你有 Node.js 环境一行命令即可安装npm i -g serverless-devs/s第二步创建项目使用脚手架快速创建项目注意需要 Python 3.10 及以上版本# 初始化模板 s init agentrun-quick-start-langchain # 进入代码目录 cd agentrun-quick-start-langchain/code # 初始化虚拟环境并安装依赖 uv venv uv pip install -r requirements.txt第三步配置认证信息通过环境变量建议使用 .env 文件配置你的 AgentRun 访问凭证export AGENTRUN_ACCESS_KEY_IDyour-access-key-id export AGENTRUN_ACCESS_KEY_SECRETyour-access-key-secret export AGENTRUN_ACCOUNT_IDyour-account-id export AGENTRUN_REGIONcn-hangzhou第四步理解集成方式这是最关键的部分。打开生成的代码你会看到集成非常简单from agentrun.integration.langchain import model, sandbox_toolset from agentrun.server import AgentRunServer # 使用 AgentRun 的模型自动享受高可用、熔断等能力 llm model(your-model-name) # 使用 AgentRun 的 Sandbox 工具 tools sandbox_toolset( template_nameyour-sandbox-name, template_typeTemplateType.CODE_INTERPRETER, sandbox_idle_timeout_seconds300, ) # 创建 LangChain Agent和原来的代码完全一样 agent create_agent( modelllm, toolstools, system_prompt你是一个智能助手 ) # 定义调用函数 def invoke_agent(request): result agent.invoke({messages: request.messages}) return result[messages][-1].content # 启动 HTTP Server提供 OpenAI 兼容的 API AgentRunServer(invoke_agentinvoke_agent).start()核心要点model()函数返回的是 LangChain 可以直接使用的模型对象sandbox_toolset()返回的是 LangChain Tools 列表你的 Agent 创建代码完全不需要改动AgentRunServer自动处理 HTTP 请求提供标准的 OpenAI API第五步本地测试启动服务后可以通过 HTTP 请求测试curl 127.0.0.1:9000/v1/chat/completions \ -X POST \ -H content-type: application/json \ -d {messages: [{role: user, content: 通过代码查询现在是几点?}], stream:true}第六步部署到生产环境项目中已经包含了 s.yaml 配置文件。你只需要修改其中的 role 字段为你的阿里云角色role: acs:ram::{您的阿里云主账号 ID}:role/{您的阿里云角色名称}配置部署密钥s config add # 按照引导输入 Access Key ID 和 Secret记住密钥对名称如 agentrun-deploy执行部署s deploy -a agentrun-deploy部署完成后你会得到一个 HTTPS URL就可以在生产环境调用你的 Agent 了。不同框架的集成案例函数计算 AgentRun 不仅支持 LangChain还深度集成了主流的 Agent 开发框架。所有框架都遵循同样的理念通过简单的适配层让你的代码无缝迁移到函数计算 AgentRun享受企业级能力。LangGraph工作流编排LangGraph 是 LangChain 团队推出的工作流编排框架适合构建复杂的多步骤 Agent。集成方式和 LangChain 类似from agentrun.integration.langgraph import model, tools from langgraph.graph import StateGraph, MessagesState from langgraph.prebuilt import ToolNode # 使用 AgentRun 的模型和工具 llm model(your-model-name).to_langgraph() agent_tools tools() # 构建 LangGraph 工作流和原来的代码一样 def call_model(state: MessagesState): messages state[messages] response llm.invoke(messages) return {messages: [response]} workflow StateGraph(MessagesState) workflow.add_node(agent, call_model) workflow.add_node(tools, ToolNode(agent_tools)) workflow.set_entry_point(agent) # 定义条件边... app workflow.compile() # 调用 result app.invoke({messages: [HumanMessage(content查询上海天气)]})LangGraph 的优势是可以精确控制 Agent 的执行流程比如条件分支、循环、并行执行等。部署到函数计算 AgentRun 后这些复杂的工作流都能自动享受弹性伸缩和可观测能力。AgentScope多智能体协作AgentScope 是阿里达摩院开源的多智能体框架特别适合构建多 Agent 协作场景。集成方式from agentrun.integration.agentscope import model, tools from agentscope.agent import ReActAgent from agentscope.tool import Toolkit # 使用 AgentRun 的模型和工具 llm model(your-model-name).to_agentscope() agent_tools tools() # 注册工具到 Toolkit toolkit Toolkit() for tool in agent_tools: toolkit.register_tool_function(tool) # 创建 Agent和原来的代码一样 agent ReActAgent( nameassistant, sys_prompt你是一个智能助手, modelllm, toolkittoolkit, ) # 调用 result await agent.reply(Msg(nameuser, content查询上海天气, roleuser))AgentScope 的优势是对多 Agent 系统的原生支持包括 Agent 之间的通信、协调、记忆共享等。部署到函数计算 AgentRun 后每个 Agent 都在独立的隔离环境中运行确保安全性。PydanticAI类型安全的 Agent 框架PydanticAI 是一个新兴框架强调类型安全和结构化输出。集成方式from agentrun.integration.pydantic_ai import model, tools from pydantic_ai import Agent # 使用 AgentRun 的模型和工具 llm model(your-model-name).to_pydantic_ai() agent_tools tools() # 创建 Agent agent Agent( llm, instructionsBe concise, reply with one sentence., toolsagent_tools, ) # 同步调用 result agent.run_sync(上海的天气如何) # 异步调用 result await agent.run(上海的天气如何)PydanticAI 的优势是强类型和结构化输出特别适合需要严格数据验证的企业场景。充分利用函数计算 AgentRun 的核心能力将 Agent 部署到函数计算 AgentRun 后你不仅获得了 Serverless 运行环境还可以深度利用平台提供的各种企业级能力。模型高可用告别单点故障搭配 AI 网关部署到函数计算 AgentRun 后你的 Agent 自动享受模型高可用能力。当你配置的主模型出现故障、限流或超时时系统会自动切换到备用模型整个过程对你的代码完全透明。在函数计算 AgentRun 控制台配置模型时可以和 AI 网关进行联动可以设置主模型如 GPT-4备用模型列表如 Claude-3、Qwen-Max熔断策略错误率阈值、超时时间负载均衡策略轮询、权重、最少连接。你的代码完全不需要改动只需要在创建模型时使用函数计算 AgentRun 的模型名称所有的容错、切换、负载均衡都由平台自动处理。企业级 Sandbox安全执行代码函数计算 AgentRun 提供的 Sandbox 不是简单的代码执行环境而是企业级的安全隔离沙箱。每个 Sandbox 实例都是独立隔离的支持多种执行类型Code Interpreter 支持 Python、Node.js、Java、Bash 等语言可以执行数据分析、文件处理等任务。Browser Tool 提供浏览器自动化能力支持网页爬取、表单填写、截图等操作。All In One 集成了代码解释器和浏览器工具提供更丰富的交互能力。使用时通过 sandbox_toolset() 函数就可以获取相应的工具集合这些工具会自动转换为你使用的框架所需的格式。工具和 MCP标准化集成函数计算 AgentRun 提供统一的工具管理和 MCPModel Context Protocol机制。你可以从工具市场选择现成的工具也可以自定义工具并发布到市场。更强大的是MCP 的 Hook 机制。通过前置 Hook可以在工具调用前自动注入用户凭证、记录请求日志、校验参数合法性。通过后置 Hook可以对结果进行转换、记录审计日志、处理异常情况。这些通用逻辑不需要在每个工具中重复实现大大提升了开发效率。全链路可观测不再是黑盒这是函数计算 AgentRun 最强大的能力之一。你的代码不需要做任何改动平台会自动记录 Agent 的完整执行链路。在可观测平台上你可以看到Agent 接收到用户请求的时间和内容调用了哪个模型、使用了多少 Token、花费了多少钱调用了哪些工具、每个工具的执行时间和结果访问了哪些知识库、检索了多少数据每个环节的耗时分布完整的调用链 Trace。这些能力都是平台自动提供的通过探针注入实现无论是高代码还是低代码创建的 Agent都自动享受这些可观测能力。记忆和知识库数据不出域函数计算 AgentRun 深度集成了 RAGFlow、Mem0 等开源项目提供灵活的记忆和知识库管理。你可以选择一键托管模式由平台统一管理部署运维享受 Serverless 的弹性和按量付费优势。也可以选择绑定模式将 Agent 连接到已经部署在企业 VPC 或 IDC 内的实例数据完全不出企业内网。这种灵活性让你可以根据数据的敏感级别选择不同的策略核心业务数据私有化部署一般数据托管上云在安全性和便利性之间找到最佳平衡。立即体验函数计算 AgentRun函数计算 AgentRun 的无代码到高代码演进能力现已开放体验快速创建访问控制台 https://functionai.console.aliyun.com/cn-hangzhou/agent/explore 60 秒创建你的第一个 Agent深度定制当需要更复杂功能时一键转换为高代码持续演进利用函数计算 AgentRun 的基础设施能力持续优化你的 Agent从想法到上线从原型到生产函数计算 AgentRun 始终是你最好的伙伴。欢迎加入“函数计算 AgentRun 客户群”钉钉群号134570017218。快速了解函数计算 AgentRun一句话介绍函数计算 AgentRun 是一个以高代码为核心的一站式 Agentic AI 基础设施平台。秉持生态开放和灵活组装的理念为企业级 Agent 应用提供从开发、部署到运维的全生命周期管理。函数计算 AgentRun 架构图AgentRun 运行时基于阿里云函数计算 FC 构建继承了 Serverless 计算极致弹性、按量付费、零运维的核心优势。通过深度集成 AgentScope、LangChain、RAGFlow、Mem0 等主流开源生态。函数计算 AgentRun 将 Serverless 的极致弹性、零运维和按量付费的特性与 AI 原生应用场景深度融合助力企业实现成本与效率的极致优化平均 TCO 降低 60%。让开发者只需专注于 Agent 的业务逻辑创新无需关心底层基础设施让 Agentic AI 真正进入企业生产环境。