7个步骤教你部署Eigent多智能体工作流系统并配置AI模型

Eigent作为世界首个多智能体工作流系统，通过分布式智能体协作显著提升生产力。本文将系统讲解从环境部署到AI模型配置的完整流程，帮助技术用户快速掌握这个强大工具的核心使用方法。

1. 系统环境检查与准备

在开始部署前，请确认你的系统满足以下运行要求：

• 操作系统：Windows 10/11(64位)、macOS 10.14+或Ubuntu 18.04+
• 硬件配置：8GB以上内存、10GB可用磁盘空间
• 基础依赖：Python 3.8+、Node.js 16+、Git

执行以下命令检查关键依赖版本：

python --version
node --version
git --version

2. 源代码获取与目录结构

通过Git克隆项目仓库到本地：

git clone https://gitcode.com/GitHub_Trending/ei/eigent
cd eigent

项目核心目录结构说明：

• backend/：Python后端服务代码
• server/：数据库与API服务模块
• src/：前端界面与交互逻辑
• docs/：官方文档与配置指南

3. 后端环境配置与依赖安装

3.1 Python依赖安装

使用项目提供的uv包管理器安装Python依赖，确保版本一致性：

# 进入后端目录
cd backend

# 使用uv安装依赖
uv pip install -r requirements.txt

依赖配置文件路径：backend/uv.lock

3.2 数据库初始化

Eigent使用SQLAlchemy进行数据管理，相关配置位于server/app/component/database.py。执行数据库迁移命令：

# 返回项目根目录
cd ..

# 执行数据库迁移
cd server && alembic upgrade head

4. 前端项目构建

4.1 安装Node.js依赖

# 返回项目根目录
cd ..

# 安装前端依赖
npm install

4.2 构建前端应用

# 开发环境构建
npm run build

# 启动开发服务器
npm run dev

构建完成后，前端资源将生成在dist/目录下。

5. 系统启动与访问

5.1 启动后端服务

# 启动主服务
cd backend && python main.py

5.2 访问Web界面

打开浏览器访问 http://localhost:8000，首次访问将显示欢迎界面和初始化向导。

6. AI模型配置详解

6.1 进入模型设置界面

登录系统后，点击顶部导航栏的"Settings"按钮，在左侧菜单中选择"Models"选项进入模型配置页面。

6.2 配置Gemini模型参数

在模型配置页面中，找到Gemini配置区域，完成以下设置：

1. API Key：从Google AI Studio获取并输入
2. API Host：默认使用https://generativelanguage.googleapis.com/v1beta
3. Model Type：根据需求选择合适的模型版本（如gemini-3-pro-preview）

完成配置后点击"Save"按钮保存设置，系统将自动验证连接可用性。

7. 验证与故障排除

7.1 基础功能验证

创建测试项目并执行简单工作流，验证系统是否正常运行：

# 创建测试项目
python cli.py create-project "test-workflow"

7.2 常见问题处理

• 依赖安装失败：检查网络连接或参考backend/app/exception/handler.py中的错误处理逻辑
• 模型连接错误：验证API Key有效性和网络访问权限
• 数据库连接问题：检查server/app/component/database.py中的配置参数

7.3 性能优化建议

• 根据硬件配置调整backend/app/component/environment.py中的资源分配参数
• 生产环境建议使用Nginx作为前端资源服务器和API反向代理
• 定期执行alembic upgrade head保持数据库结构最新

通过以上7个步骤，你已完成Eigent多智能体工作流系统的部署与配置。系统支持Gemini、OpenAI等多种AI模型，可根据实际需求扩展更多智能体能力。详细功能使用方法请参考项目文档目录中的使用指南。