中文 | English
OpenAaaS — Open Us to the Agentic World
一个开放的 Agent-to-Agent 编排网络：网络中的节点是完整 Agent 实例构成的能力锚点，任何外部主智能体都可以发现、委派并组合它们。
官网 ·
论文 ·
server 文档 ·
agent-core 文档 ·
使用指南 ·
MCP 适配器 · PI 扩展 ·
Python SDK ·
桌面客户端
📝 设计博客：不搬数据，蒸馏管理员.skill
📝 用户故事：不只属于实验室——我用 OpenAaaS 给妻子搭了一个审校助手
## 重要更新
- **2026 年 8 月 — AutoGluonAgent表格机器学习智能体上线公共服务器**：面向结构化表格数据的自动机器学习服务，自动识别目标列并完成分类/回归建模，无需手动建模，详见下方[当前可用服务](#当前可用服务)表格。
- **2026 年 8 月 — IDM-Alpha材料科学文献研究助手后端升级**：材料科学文献问答的回答准确度大幅提升。
- **2026 年 8 月 — AFLOW材料数据库查询智能体上线公共服务器**：用自然语言即可查询 AFLOW 材料数据库，无需了解查询语法，详见下方[当前可用服务](#当前可用服务)表格。
---
## 🚀 Quick Start
| 方式 | 入口 |
|---|---|
| **在线体验** | [](https://mybinder.org/v2/gh/Wolido/OpenAaaS/main?filepath=binder%2Fquickstart.ipynb) — 浏览器直接运行 `binder/quickstart.ipynb` |
| **下载客户端** | [GitHub Releases](https://github.com/Wolido/OpenAaaS/releases) — macOS / Windows 桌面客户端 |
---
## 什么是 OpenAaaS?
**AaaS**——Agent as a Service。此处的 "Service" 不指传统 SaaS 的中心化托管与订阅，而指能力的**发布、发现、委派与组合**：每个节点将自身 Agent 能力发布为网络中的可发现单元；网络之外的主智能体发现这些能力后，即可向节点委派任务并整合结果。
> **智能流动，数据静止 —— 让 Agent 走到数据身边，而不是把数据交给 Agent。**
OpenAaaS 是一个面向 AI for Science 的 Agent-to-Agent 编排网络（Agent Orchestration Network）。网络中的每个节点都运行着一个拥有完整工具链的 Agent 实例；数据驻留在产生它的原地，Agent 能力通过网络流动到数据身边，完成分析、计算与协作。这些节点构成共享的能力基础设施；网络之外，无数主智能体——pi、Claude Code、Cursor 或自研 Agent——各自通过 OpenAaaS 协议发现和组合这些能力节点，把手伸向数据所在的任意角落。
由 Google 发布、现由 Linux Foundation 托管的 **A2A** 协议同样致力于 Agent 间互操作，但采用点对点直连模型：每个被调用 Agent 必须在 Agent Card 中声明一个可寻址的 HTTP 端点供客户端访问，异步场景还需双向网络可达以接收 webhook 回调。在无公网 IP、受严格出站防火墙和 NAT 约束的科研实验室环境中，该协议对被调用方不可用——Agent 无法被外部寻址，也无法接收回调；但作为发起方，在出站网络中可正常使用。OpenAaaS 采用单向出站 HTTP 短轮询模型，节点仅需主动访问公网服务器即可入网，无需公网 IP、无需开放入站端口。
| 操作视频 | 截图 |
|:---:|:---:|
| | **接入网络**
**查看节点列表**
**委派结果返回**
|
**论文**：技术设计与实现细节详见 [arXiv:2605.13618](https://arxiv.org/abs/2605.13618)。
---
## 为什么选择 OpenAaaS?
### 1. Agent 编排，节点即 Agent
OpenAaaS 编排的不是脚本、函数或固定 API，而是运行在远程节点上的完整 Agent 实例。每个节点上的 Docker 容器内都运行着一个拥有本地工具、模型和数据的完整 Agent，能够自主决策、自主执行，并在需要时继续委派给子 Agent。
例如，Claude Code 可以发现一个运行在实验室服务器上的数据分析 Agent，把任务委派给它；该节点 Agent 处理本地数据时，还可以进一步调用节点内的子 Agent 完成清洗、建模或可视化。任意 Agent（Claude Code、pi mono 等）都可以加入网络，发现、委派并组合其他节点的 Agent。
### 2. 数据原地处理，零迁移
原始数据始终留在产生它的位置，远程 Agent 直接在数据旁工作。不同实验室、服务器或仪器可以围绕同一个复杂任务协作：每个节点只处理自己的本地数据，网络只传输任务描述（即委派请求）与结果（KB~MB 级），不触碰原始数据（TB 级）。
| | 传统云端方案 | OpenAaaS |
|---|---|---|
| 数据流向 | 本地 → 云端 → 本地 | **原始数据原地不动** |
| 网络传输 | 原始数据（TB 级） | 委派请求与结果（KB~MB 级） |
| 防火墙要求 | 需开放入站端口 | **仅出站 HTTP 即可** |
| 敏感数据 | 必须出域 | **不出实验室** |
### 3. 免规范化接入，即插即用
无需统一数据格式，JSON/CSV/Excel/MATLAB/HDF5/厂商二进制格式均可原地处理。你可以把已有的脚本、模型、数据库查询、仪器接口或内部工具打包进一个**完整 Agent 实例**的 Docker 镜像；这个实例会作为 Agent 节点注册到网络中，供其他 Agent 发现并**委派**任务。远程 Agent 看到的不是一个可被调用的函数，而是一个能自主决策、使用本地工具链完成任务的完整 Agent。节点零配置入网：`open-aaas-server run` 首次启动自动生成 `config.toml` 和 SQLite。自描述网络接口 + 渐进式能力发现，Agent 无需插件即可发现并使用其他 Agent 节点的能力。
### 4. 近数据端计算，低门槛部署
Rust 单二进制 + SQLite 嵌入式，零依赖部署，复制即用。Docker 隔离执行，每个任务独立沙箱。节点单向出站即可加入网络，无需公网 IP、无需开端口、无需 SSH——专为实验室防火墙和 NAT 环境设计。
---
## 如何使用？
以下任一方式都可以让你的 Agent 加入 OpenAaaS 网络，发现远程 Agent 并向它们委派任务。
公共服务器：****
#### 当前可用服务
| 名称 | 描述 |
|---|---|
| AutoGluonAgent表格机器学习智能体 | 基于 AutoGluon Tabular 的结构化表格自动机器学习服务。自动完成数据读取、目标列识别与分类/回归建模、训练评估及预测，支持 CSV、TSV、Parquet 数据；不支持 CV、自然语言等深度学习任务。 |
| AFLOW材料数据库查询智能体 | 面向 AFLOW 材料数据库的自然语言查询执行器。将材料研究意图转换为经过校验、范围受限的 AFLOW 查询，返回便于阅读的 Markdown 响应与结构化结果文件；无需了解 AFLUX 查询语法，支持查询执行与结果比较。 |
| IDM-Alpha材料科学文献研究助手 | 基于数十万篇材料科学论文语料构建的检索增强生成（RAG）文献研究助手，支持文献问答、论文解读与跨论文综述，可生成深度阅读报告。适用于金属材料、陶瓷材料、复合材料等方向。 |
| 扶摇多专家研讨系统 | 面向材料科学问题的多专家会议研讨系统，从多视角拆分复杂问题并输出深度研讨结论。 |
| 六元高熵合金描述符数据库 | 利用近数据端 Agent 查询六元高熵合金全成分描述符数据。总数据量 500 亿条，超 10 万亿数据点，主要为描述符数据，含少量机器学习预测的压缩塑性数据，不含真实实验数据。 |
亦可通过 `pyopenaaas` 或 OpenAaaS API 实时查询当前可用服务。
| 方式 | 适合谁 | 入口 |
|---|---|---|
| Jupyter Notebook (Binder) | 想先体验，无需安装 | [](https://mybinder.org/v2/gh/Wolido/OpenAaaS/main?filepath=binder%2Fquickstart.ipynb) |
| 桌面客户端 | 非技术用户 | [下载](https://github.com/Wolido/OpenAaaS/releases) |
| Python SDK | Python/Jupyter 用户 | `pip install pyopenaaas` |
| MCP 适配器 | Claude/Cursor/Cline 用户 | `uvx openaaas-mcp-adapter` |
| pi 插件 | 对话型 Agent 用户 | `pi install npm:open-aaas-pi-extension` |
### Jupyter Notebook (Binder)
[](https://mybinder.org/v2/gh/Wolido/OpenAaaS/main?filepath=binder%2Fquickstart.ipynb)
点击上方 Binder 徽章即可在浏览器中运行 `binder/quickstart.ipynb`，无需安装任何软件。
### 桌面客户端
基于 Tauri 的跨平台桌面应用，支持 macOS 和 Windows。适合非技术用户管理多个服务器、拖拽上传文件、实时查看任务进度。
> macOS 和 Windows 用户可直接从 [GitHub Releases](https://github.com/Wolido/OpenAaaS/releases) 下载 `.dmg` 或 `.msi` 安装包。macOS 首次打开需前往 **系统设置 → 隐私与安全性 → 安全性** 点击"仍要打开"。
详见 [client-app/README.md](./client-app/README.md)。
### Python SDK
```bash
pip install pyopenaaas
```
> 在 OpenAaaS 中，`submit_task` 是指让你的 Agent 向远程节点上的另一个完整 Agent 实例提交委派请求，而不是调用一个远程函数。
```python
import pyopenaaas
client = pyopenaaas.Client()
client.register(name="your-name")
agents = client.list_services() # 获取网络中的 Agent 节点列表
task = client.submit_task(
service_id=agents[0].id, # 向该完整 Agent 实例委派任务
task_prompt="你的任务描述", # 由目标 Agent 实例自主理解并执行
)
task = client.wait_for_task(task.id)
paths = client.download_all_files(task.id)
```
详见 [pyopenaaas/README.md](./pyopenaaas/README.md)。
### MCP 适配器
`openaaas-mcp-adapter` 已发布至 PyPI。支持 MCP 的客户端（Claude Desktop、Cursor、Cline 等）只需一条配置即可接入：
```json
{
"mcpServers": {
"openaaas": {
"command": "uvx",
"args": ["openaaas-mcp-adapter"],
"toolTimeoutMs": 600000
}
}
}
```
- `toolTimeoutMs` 设置 MCP 工具调用的最大等待时间（毫秒），适合长任务轮询场景。
- ⚠️ 该参数由 MCP 客户端解析，实际生效情况取决于具体客户端实现；某些客户端或 Agent 工具本身可能仍有独立的超时限制，导致该参数不生效。
Codex 用户可以通过 CLI 添加适配器：
```bash
codex mcp add openaaas -- uvx openaaas-mcp-adapter
```
如需支持长任务轮询，在 `~/.codex/config.toml`（或受信任项目的 `.codex/config.toml`）中配置：
```toml
[mcp_servers.openaaas]
command = "uvx"
args = ["openaaas-mcp-adapter"]
startup_timeout_sec = 30
tool_timeout_sec = 600
```
Codex 的 `tool_timeout_sec` 单位为秒；调用 `poll_task` 时，建议将 `timeout_seconds` 设置为小于该值，并预留网络请求时间。
配置后重启客户端，即可在对话中调用全部能力。
详见 [openaaas-mcp-adapter/README.md](./openaaas-mcp-adapter/README.md)。
### pi 插件
面向 [pi](https://github.com/earendil-works/pi) 用户的 TypeScript 扩展，安装方式：
```bash
pi install npm:open-aaas-pi-extension
```
安装后在对话中直接说：
> "帮我设置 OpenAaaS 的服务器地址为 ，然后向合适的远程 Agent 节点委派一个数据分析任务"
客户端 Agent 自动完成注册、节点发现、任务委派和结果获取。
### 通用 Agent 框架
如果你的 Agent 没有 OpenAaaS 插件，直接访问 。无需认证，返回完整 API 文档和使用说明，Agent 读取后即可自动完成注册、节点发现、任务委派。
---
## 部署自己的节点
### 预编译二进制（推荐）
无需安装 Rust，下载即可运行：[GitHub Releases](https://github.com/Wolido/OpenAaaS/releases)
| 组件 | 二进制文件名 |
|---|---|
| Server | `open-aaas-server` |
| Agent Core | `agent-core` |
支持平台：
- **Server / Agent Core**：Linux x64 (musl 静态链接)、Linux arm64 (musl 静态链接)、macOS arm64、Windows x64
- **桌面客户端**：macOS、Windows
> Linux 版本采用 musl 静态链接，不依赖系统 glibc，可在任意 Linux 发行版直接运行。
```bash
chmod +x open-aaas-server # Unix 用户
./open-aaas-server run
```
首次启动自动生成 `config.toml` 和 SQLite 数据库。
### 从源码编译
```bash
cd server
cargo build --release
./target/release/open-aaas-server run
```
Agent Core 部署详见 [agent-core/README.md](./agent-core/README.md)。
---
## 架构
```
（网络外部：无数主智能体，各自发现并组合网络中的能力节点）
客户端 Agent
(pi mono / Claude Code / Cline / 自研 Agent)
▲
│ 控制流：委派请求、心跳、结果（KB 级）
▼
───────────────────────────────────────────────────────────────────
OpenAaaS Server（网络枢纽）
Rust + SQLite — 轻量索引层
• 节点注册 • 委派路由 • 节点心跳 • 文件中转
▲
│ 短轮询（单向出站 HTTP）
▼
───────────────────────────────────────────────────────────────────
Agent Core（网络节点）
Rust + Docker — 部署在数据本地
• 向网络注册能力 • 轮询认领委派任务
• 容器沙箱隔离执行 • 上报结果
│
▼
[完整 Agent 实例]
（拥有完整工具链，在容器内自主决策、自主执行）
│
├─→ [本地数据集]（TB 级）
├─→ [分析脚本]（算法/模型）
└─→ [专用硬件]（GPU/仪器）
```
| 层级 | 组件 | 职责 |
|------|------|------|
| 客户端 Agent | pi mono / Codex / Open Code / 自研 Agent | 理解任务、发现网络中的其他 Agent、委派任务并整合结果 |
| 网络枢纽 | Server — 节点注册与委派路由中心 (Rust + SQLite) | 节点注册、委派路由、节点心跳、文件中转 |
| 网络节点 | agent-core — 在数据本地运行完整 Agent 实例的网络节点 (Rust + Docker) | 向网络注册自身能力、轮询认领任务、在沙箱中启动完整 Agent 实例隔离执行、上报结果 |
---
## 项目结构
```
OpenAaaS/
├── server/ # 网络枢纽（调度中心） (Rust)
├── agent-core/ # 网络节点：在数据本地运行完整 Agent 实例 (Rust)
├── admin-cli/ # 命令行管理员工具 (Rust)
├── client-app/ # 桌面客户端 (Tauri + Vue 3)
├── dash/ # 调试与管理员工具 (Python/Streamlit)
├── openaaas-mcp-adapter/ # MCP 适配器
├── pi-extension/ # PI 插件
├── pyopenaaas/ # Python SDK
└── binder/ # 示例 notebook 与脚本
```
---
## 论文
arXiv:2605.13618 — [https://arxiv.org/abs/2605.13618](https://arxiv.org/abs/2605.13618)
---
## 参与贡献
欢迎参与贡献！请阅读 [CONTRIBUTING.md](./CONTRIBUTING.md)。
---
## 开源许可
MIT License © IDM Explorer Lab
