ZSN AgentBrook

中文 | [English](README_EN.md)

ZSN.AgentBrook

企业级 AI 智能体编排平台

可视化工作流编排 · 多模型智能体 · RAG 知识库 · MCP 工具集成

[](https://dotnet.microsoft.com/) [](https://github.com/microsoft/semantic-kernel) [](https://www.postgresql.org/) [](https://github.com/pgvector/pgvector) [](https://github.com/apache/age) [](https://www.mysql.com/) [](https://redis.io/) [](https://react.dev/) [](https://playwright.dev/) [](https://www.docker.com/) [](https://github.com/modelscope/FunASR) [](https://github.com/searxng/searxng) [](https://www.quartz-scheduler.net/) [](LICENSE) [](https://github.com/ChenGan666/ZSN.AgentBrook) [](https://github.com/ChenGan666/ZSN.AgentBrook)

⭐ 如果这个项目对你有帮助，请给我们一个 Star！

---

平台亮点

• 可视化 DAG 工作流引擎 — 拖拽式设计器，20+ 节点类型，支持条件分支、并行执行、人工审批、子工作流嵌套，AI 自动生成下游节点链
• Message 消息节点 — 工作流驱动的 IM 消息发送节点，支持企业微信/钉钉/飞书/WhatsApp，Redis 队列异步解耦，批量发送与回执确认
• MessageGateway 消息网关 — 统一 IM 消息收发网关，Webhook 接收 → 路由规则匹配 → 工作流触发，支持多渠道多规则编排
• Voice 语音转写节点 — 语音识别 + LLM 后处理一体化，支持 FunASR 本地部署，说话人分离、多格式输出（SRT/VTT/JSON）、长音频自动分段、热词增强
• ClawAI 智能体 — Plan-Execute-Reflect 循环架构，多层记忆系统（短期/长期/情景/人格/用户画像），支持任务分解与动态重规划
• ServiceDesk 客服节点 — FunctionCall 驱动的知识库检索 + 生成一体化，支持多轮对话、意图识别、信息收集
• Research 研究节点 — 自主网络研究，基于 SearXNG 搜索 + Playwright 网页抓取，多轮搜索-分析-反思迭代，自动生成研究报告
• RAG 知识库 — 向量检索 + 全文检索混合搜索，支持 PDF/Word/Markdown 等多种文档格式，自动分块与索引，支持图片识别与图片输出
• MCP 工具协议 — 内置 MCP Server/Client，快速接入外部工具和数据源
• 多模型支持 — OpenAI / Claude / DeepSeek / Ollama / 智谱 / 百度 等主流模型，可按节点独立配置
• 实时流式输出 — 基于 Redis Stream 的流式响应，前端实时展示 LLM 生成过程
• Chat + Agent 双模式客户端 — Vue3 + Tauri 桌面客户端，Chat 模式支持 SSE 流式对话/工作流驱动，Agent 模式支持 Plan-Act-Reflect 智能体编排，附带语音输入、文件上传、Human-in-the-loop 交互，Web SPA 模式开箱即用
• 浏览器自动化 — 基于 Playwright 的 Agent 浏览器，支持网页操作与数据采集

---

架构总览

[](https://agentbrook.com/)

数据流

[](https://agentbrook.com/)

核心模块依赖关系

AI.Entity ────────────────────────────────────── (基础数据模型，零依赖)
   │
   ├── AI.DAL ──── AI.DAL.MySql / AI.DAL.Postgres (数据访问抽象)
   │      │
   │      └── AI.BLL ──────────────────────────── (业务逻辑层)
   │             │
   │             ├── AI.Service ───────────────── (应用服务层)
   │             │
   │             └── AI.Node ◄── AI.Core ───────── (工作流引擎 + AI 内核)
   │                  │              │
   │                  │              ├── AI.Plugins (函数插件)
   │                  │              ├── AI.MCPClient (MCP 客户端)
   │                  │              └── AI.Functions (内置函数)
   │                  │
   │                  └── AI.KnowledgeBase ──────── (知识库服务)
   │
   ├── AgentBrook.API ────────────────────────── (API 网关，串联所有模块)
   │
   ├── AgentBrook.MessageGateway ───────────── (IM 消息网关)
   │
   ├── AgentBrook.AutoJob ────────────────────── (后台任务调度)
   │
   ├── AgentBrook.Client ──────────────────────── (跨平台客户端)
   │
   ├── AgentBrook.Web / Web.Manage ───────────── (前端界面)
   │
   └── Utils.Core / LitJSON / Cache ──────────── (通用工具库)

---

项目结构

| 项目 | 说明 | 关键技术 | |---|---|---| | ZSN.AI.Core | AI 内核，Semantic Kernel 封装，多模型路由，流式输出 | Semantic Kernel, Extensions.AI | | ZSN.AI.Node | 工作流节点执行引擎，ClawAI / ServiceDesk / LLM 等全部节点 | SK FunctionCall, Pipeline | | ZSN.AI.Entity | 数据模型、DTO、枚举定义 | SqlSugar 注解 | | ZSN.AI.BLL | 业务逻辑层：工作流管理、任务调度、知识库操作 | | | ZSN.AI.DAL | 数据访问抽象接口 | SqlSugar ORM | | ZSN.AI.DAL.MySql | MySQL 数据访问实现 | SqlSugar + MySQL | | ZSN.AI.DAL.Postgres | PostgreSQL 实现（向量检索 + 知识图谱） | Npgsql, pgvector, Apache AGE | | ZSN.AI.KnowledgeBase | 知识库服务：文档导入、分块、索引、语义检索、图片识别 | Npgsql, pgvector, Apache AGE | | ZSN.AI.MCPServer | MCP 工具服务器，将平台能力暴露为 MCP 工具 | ModelContextProtocol | | ZSN.AI.MCPClient | MCP 客户端，连接外部 MCP 服务 | ModelContextProtocol | | ZSN.AI.Plugins | Semantic Kernel 函数插件集合 | | | ZSN.AI.Functions | 内置函数库 | | | ZSN.AgentBrook.API | REST API 网关，Swagger 文档 | ASP.NET Core, SignalR | | ZSN.AgentBrook.MessageGateway | 统一 IM 消息网关，多渠道 Webhook 接收与路由 | ASP.NET Core, Redis Queue | | ZSN.AgentBrook.Client | 跨平台客户端（Vue3 + Tauri / Web SPA） | Vue3, TypeScript, Element Plus, Tauri | | ZSN.AgentBrook.Web | 前端界面（React + Ant Design Pro） | React, Ant Design Pro | | ZSN.AgentBrook.Web.Manage | 管理后台（LayUI）：应用/模型/知识库/会话管理/菜单配置等 | LayUI, jQuery | | ZSN.AgentBrook.AutoJob | 后台任务调度器，轮询执行工作流任务 | Quartz.NET | | ZSN.AgentBrook.Plugins | 应用级插件 | | | ZSN.AgentBrowser | AI 浏览器自动化 | Playwright | | ZSN.Cache | 分布式缓存服务 | Redis, MemoryCache | | ZSN.Utils.Core | 通用工具库 | log4net, NPOI | | LitJSON | 轻量 JSON 库 | |

---

核心能力

1. 可视化工作流引擎

基于 DAG（有向无环图）的可视化工作流编辑器，支持拖拽设计：

[](https://agentbrook.com/)

支持 20+ 节点类型：

| 类别 | 节点 | |---|---| | 流程控制 | Start, End, AgentStart, AgentEnd | | AI 推理 | MainAI, LargeModel, ClawAI, ServiceDesk, Research, Voice, Message | | 知识检索 | KnowledgeBase, FileToMarkdown | | 逻辑路由 | Selector（条件分支）, Merge（汇聚）, IntentionRecognition（意图识别） | | 工具集成 | MCP, Plugins, Agent（子工作流） | | 人机协作 | HumanInTheLoop（人工审批）, Reporter（报告生成） | | 触发器 | TimeTrigger（定时触发） |

AI 自动生成下游节点链：

在工作流编辑器中选中任意节点，输入自然语言需求，AI 将自动规划、生成并组装完整下游节点链：

• 三阶段流水线：规划工作流结构 → 并行生成节点详情 → 工程组装，通过 SSE 实时推送进度
• 智能变量映射：自动解析上游上下文中的可用变量，为下游节点精准匹配 sourceId 引用
• 兼容现有工作流：保留上游节点不变，仅生成新的下游节点和连线，自动布局与 DAG 环路检测
• 提示词模板可定制：内置 AutoGeneratePlan 和 ModifyNodeDetail 提示词模板，可通过 md 文件自定义 AI 行为

2. ClawAI — 高级智能体

ClawAI 是平台的核心智能体节点，实现了完整的 Plan-Execute-Reflect 循环：

[](https://agentbrook.com/)

多层记忆系统：

| 记忆层 | 作用 | |---|---| | 短期记忆 | 当前会话上下文，保持对话连贯性 | | 情景记忆 | 历史事件记录，跨会话经验积累 | | 长期记忆 | 知识库检索结果，持久化知识存储 | | 用户画像 | 用户偏好与行为特征，个性化服务 | | AI 人格 | AI 角色状态，维持一致的交互风格 |

多模型协作： 每个环节可独立配置模型（主模型、规划模型、反思模型、记忆模型、人格模型），实现成本与效果的灵活平衡。

3. ServiceDesk — 客服智能体

面向客服场景的快速响应节点，通过 FunctionCall 让 LLM 自主调用知识库检索：

[](https://agentbrook.com/)

核心特性：

• FunctionCall 驱动：LLM 自主决定是否检索知识库
• 多轮对话：自动维护会话上下文
• 信息收集：检测意图后自动追问缺失字段
• 置信度分级：高/中/低置信度对应不同处理策略
• 来源引用：回答附带知识库来源标注

4. RAG 知识库

[](https://agentbrook.com/)

• 混合检索：向量语义搜索 + 全文关键词搜索，融合排序
• 知识图谱：基于 Apache AGE 的实体关系图谱
• 多格式支持：PDF、Word、Markdown、TXT、HTML 等
• 智能分块：语义感知的文档分块策略
• 图片识别：自动提取文档中的图片，通过 VLM（视觉语言模型）生成图片描述、OCR 文字识别，支持 PDF/Word/PPT 文档
• 图片输出：知识库检索结果支持返回关联图片，图片与文本分块自动关联，支持混合图文检索

图片处理管线：

文档上传 → 图片提取（PDF/Word/PPT）
    → 内容去重（SHA256 哈希）
    → VLM 描述生成（图片描述 + OCR + 标签）
    → 图片存储 + 元数据入库
    → 图片-分块自动关联

5. Research — 自主研究节点

Research 节点是一个自主网络研究引擎，能够根据研究目标自动进行多轮搜索、网页抓取、分析和反思：

[](https://agentbrook.com/)

关键特性：

• 双模式抓取：Playwright 网页抓取优先，不可用时自动降级为搜索摘要模式
• 多轮迭代：最多 3 轮搜索-分析循环，LLM 自动规划关键词
• 完整度评估：每轮分析后评估信息覆盖度（0.0-1.0），达到阈值后自动停止
• LLM 调用预算：可配置最大 LLM 调用次数，防止成本失控
• 内容缓存：基于 Redis 的网页内容缓存，避免重复抓取
• 超时保护：全局超时保护，超时返回已获取内容
• 流式输出：实时流式推送研究进度

6. Voice — 语音转写节点

Voice 节点是集语音识别与 LLM 后处理于一体的智能语音处理节点，支持从音频文件自动生成结构化文本：

核心能力：

• 语音转写：基于 FunASR（WebSocket 离线模式）的本地化语音识别，数据不出服务器
• 说话人分离：自动识别不同发言人，支持自定义说话人标签映射
• 多格式输出：纯文本、带时间戳分段 JSON、SRT 字幕、WebVTT 字幕
• LLM 后处理：转写结果自动接入 LLM，支持自定义提示词进行文本整理、摘要生成等
• 长音频分段：超过阈值（默认 300 秒）的音频自动按静音检测分段，并行转写后合并
• 热词增强：支持配置热词列表，提升特定领域词汇识别率
• 多格式输入：WAV、MP3、M4A、OGG、FLAC、AAC 等 12 种音频/视频格式，FFmpeg 自动转换

处理流程：

音频输入 → 格式转换（FFmpeg）
    → 长音频 VAD 分段（silencedetect）
    → FunASR WebSocket 转写（分片发送）
    → 说话人标签映射 + 输出格式化
    → LLM 后处理（可选）
    → 结构化结果输出

配置示例（appsettings.json）：

{
  "VoiceNodeOptions": {
    "DefaultProvider": "FunASR",
    "MaxConcurrentSegments": 4,
    "MaxFileSizeMb": 500,
    "AutoSegmentThresholdSeconds": 300,
    "TempFileDirectory": "",
    "FFmpegPath": ""
  },
  "FunASROptions": {
    "ServerUrl": "ws://127.0.0.1:10095",
    "ChunkSize": 9600,
    "ConnectTimeoutSeconds": 5,
    "TranscribeTimeoutMinutes": 10
  }
}

7. Message — 消息发送节点

Message 节点使工作流能够主动发送 IM 消息，支持多渠道集成和灵活的发送策略：

核心特性：

• 多渠道支持：企业微信、钉钉、飞书、WhatsApp，通过 MessageGateway 统一适配
• 多用户模式：Static（手动指定）/ Dynamic（上游变量）/ Query（查询，预留），支持批量独立发送
• 占位符替换：消息模板支持 {{input}}、{{变量名}} 等占位符，自动替换为工作流上下文变量
• 发送确认：支持 WaitForConfirmation 模式，轮询等待网关确认发送结果后再触发下游
• Redis 解耦：通过 Redis 队列与 MessageGateway 异步通信，节点不直接调用 IM API
• 个人化消息：支持为每个目标用户覆盖消息内容，实现个性化推送

处理流程：

工作流 → MessageNode → Redis 入队 (msg_send_queue)
    → MessageGateway 消费者出队
    → 查找渠道配置 → Provider 实例化
    → Token 刷新 / 签名计算 → IM API 发送
    → 结果写回 tb_msg_send_record
    → (WaitForConfirmation 模式) Node 轮询确认

配置示例（appsettings.json）：

{
  "MessageNode": {
    "SendQueueName": "msg_send_queue",
    "WaitTimeoutSeconds": 30,
    "PollIntervalMs": 500
  }
}

8. MessageGateway — 消息网关

MessageGateway 是独立的 IM 消息网关服务，负责接收和发送 IM 消息：

接收流向（IM → 工作流）：

• Webhook 接收 IM 平台回调 → 渠道签名验证 → 消息解析 → 幂等去重 → 路由规则匹配 → 创建工作流任务

发送流向（工作流 → IM）：

• Redis 队列消费 (msgsendqueue) → 渠道配置查找 → Provider 获取/熔断保护 → 重试机制 → 结果回写

路由规则：

• 支持 All / Keyword / Regex 多种匹配类型
• 优先级排序，第一条命中的规则生效
• 自动创建会话、临时会员（确定性 MemberID）
• 支持自定义 inputs 映射到工作流变量

熔断保护：

• 可配置连续失败阈值，自动熔断 Provider
• 熔断后自动恢复（可配置恢复时间）

9. MCP 工具集成

[](https://agentbrook.com/)

内置 MCP Server 和 Client，支持：

• 将平台能力（知识库检索、工作流触发等）暴露为 MCP 工具
• 连接外部 MCP 服务，扩展 LLM 工具能力
• 支持客户端/服务端双向调用模式

10. 跨平台客户端 (ZSN.AgentBrook.Client)

基于 Vue3 + TypeScript + Element Plus + Tauri 的跨平台客户端，支持 Web SPA 和桌面应用两种部署模式，提供 Chat 和 Agent 双模式交互：

Chat 模式 — 传统对话式 AI 交互，选择工作流应用后发送消息，通过 SSE 实时接收工作流执行进度与 AI 回复，支持多会话管理、重新生成（Regenerate）、节点重试。

Agent 模式 — 客户端智能体编排，用户选择"编排大脑"模型后，Agent 自动执行 Plan-Act-Reflect 循环：规划 → 调用工作流 App → 反思结果 → 继续或完成，实现多步复杂任务自主编排。

核心特性：

• 双模式部署 — Tauri 桌面应用（Windows/macOS）+ Web SPA（.NET 宿主），一份前端代码两种部署
• Chat + Agent 双模式 — 侧栏一键切换，Chat 工作流驱动对话 / Agent Plan-Act-Reflect 自主编排，各自独立会话管理
• SSE 流式对话 — 实时展示 LLM 生成过程，支持工作流节点状态展示
• 语音输入 — FunASR 2pass 实时语音识别，Tauri 原生音频采集
• 文件上传 — 多格式支持，大文件分片上传，图片压缩
• Human-in-the-loop — 工作流人工审批交互
• 国际化 — 内置中英文切换，可扩展更多语言
• 系统通知 — 会话完成时桌面/Web 系统通知，多会话短窗口聚合去重，跨心跳与 SSE 防重复推送；Windows 自动适配 AppUMID 修复通知不显示，设置中可一键测试
• 本地缓存 — IndexedDB 存储会话消息，离线队列支持
• 安全机制 — Token 加密存储，API 请求签名，XSS 防护

[](https://agentbrook.com/) [](https://agentbrook.com/) [](https://agentbrook.com/)

技术架构：

ZSN.AgentBrook.Client/
├── Program.cs              # .NET 宿主（SPA 静态文件服务）
├── appsettings.json        # Kestrel 配置
├── wwwroot/                # Vue3 构建产物（SPA 模式）
└── client-app/             # Vue3 前端源码
    ├── src/
    │   ├── views/          # 页面（Login, Chat, Agent, Settings, MeetingTranscribe, MiniChat）
    │   ├── components/     # 组件（chat, agent, layout, settings, common）
    │   ├── composables/    # 组合式函数（useChat, useAgentOrchestrator, useVoice, useFileUpload 等）
    │   ├── services/       # API 服务（http, auth, chat, agent, model, session, hitl, voiceApi）
    │   ├── stores/         # Pinia 状态管理（app, chat, agent 等）
    │   ├── platform/       # 平台适配层（Tauri / Web）
    │   └── utils/          # 工具函数（cache, crypto, db, markdown, sseRequest, agentPlan）
    └── src-tauri/          # Tauri 桌面端配置

运行客户端：

# Web SPA 模式（开箱即用）
dotnet run --project ZSN.AgentBrook.Client
# 访问 http://localhost:5006

# 开发模式（前端热重载）
cd ZSN.AgentBrook.Client/client-app
npm install
npm run dev

# Tauri 桌面端开发
cd ZSN.AgentBrook.Client/client-app
npm run tauri:dev

11. 多模型支持

通过统一的 IChatService 接口对接多种 AI 提供商：

| 提供商 | 模型示例 | 接入方式 | |---|---|---| | OpenAI | GPT-4o, GPT-4, GPT-3.5 | OpenAI API | | Anthropic | Claude 系列 | OpenAI 兼容接口 | | DeepSeek | DeepSeek-V3/R1 | OpenAI 兼容接口 | | Ollama | Qwen, Llama, Mistral 等本地模型 | Ollama API | | 智谱 AI | GLM-4 | 智谱 API | | 百度 | 文心一言 | 百度 API | | 其他 | 任何 OpenAI 兼容接口 | 自定义 EndPoint |

每个工作流节点可独立配置模型、Temperature、TopP 等参数。

---

技术栈

| 层级 | 技术 | |---|---| | 运行时 | .NET 10 | | AI 框架 | Microsoft Semantic Kernel 1.74, Microsoft.Extensions.AI 10.4 | | MCP | ModelContextProtocol 0.3 | | ORM | SqlSugar 5.1 | | 数据库 | MySQL（主库）, PostgreSQL + pgvector + Apache AGE（知识库） | | 缓存 | Redis (StackExchange.Redis) | | 文档处理 | PdfPig, OpenXml, Markdig, ImageSharp | | 图片处理 | VLM 图片描述, OCR 文字识别, 图片-分块关联 | | 任务调度 | Quartz.NET | | 前端 | React + Ant Design Pro（用户端）, LayUI（管理端）, Vue3 + Element Plus + Tauri（客户端） | | 浏览器自动化 | Playwright | | API 文档 | Swagger / OpenAPI |

---

快速开始

环境要求

• .NET 10 SDK
• MySQL 8.0+
• PostgreSQL 16+（知识库功能，需安装 pgvector 扩展）
• Redis 7.0+

安装步骤

# 克隆仓库
git clone https://github.com/your-org/ZSN.AgentBrook.git
cd ZSN.AgentBrook

# 还原依赖
dotnet restore ZSN.AI.sln

配置

编辑 ZSN.AgentBrook.API/appsettings.json：

{
  "ConnectionStrings": {
    "DefaultConnection": "Server=localhost;Database=zsn_ai;Uid=root;Pwd=your_password;",
    "PostgresConnection": "Host=localhost;Database=zsn_kb;Username=postgres;Password=your_password;"
  },
  "Redis": {
    "ConnectionString": "localhost:6379"
  },
  "LLM": {
    "DefaultModelId": 1
  }
}

运行

# 启动 API 服务
dotnet run --project ZSN.AgentBrook.API

# 启动后台任务调度（工作流执行）
dotnet run --project ZSN.AgentBrook.AutoJob

# 启动消息网关（IM 消息收发，可选）
dotnet run --project ZSN.AgentBrook.MessageGateway

# 启动管理后台（可选）
dotnet run --project ZSN.AgentBrook.Web.Manage

# 启动客户端（Web SPA 模式，可选）
dotnet run --project ZSN.AgentBrook.Client

---

Demo

多图推文生成

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

绘本生成

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

AI客服-知识库

[](https://agentbrook.com/)

[](https://agentbrook.com/)

[](https://agentbrook.com/)

---

许可证

本项目基于 [MIT License](LICENSE) 开源。

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: ChenGan666
• Source: ChenGan666/ZSN.AgentBrook
• License: MIT
• Homepage: https://agentbrook.com

Install and usage instructions live in the source repository linked above.