Activepieces 怎么创建一个 Agent 并配置其模型、工具、知识库与输出字段【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepieces在 Activepieces 中创建一个能实际干活的 Agent需要完成一连串配置先连上 AI 服务商再创建 Agent、选好模型、挂上它要用的工具应用动作、Flow、MCP 服务器、附加文档或数据表作为知识库、定义返回给下游 Flow 的输出字段最后在 Test 里试跑并发布。这篇文章按这个顺序把每一步说清楚适用前提是你已经有一个可用的 Activepieces 实例Cloud 或自托管并且具备管理员或项目内可创建 Agent 的权限。创建前先连接 AI 服务商用自然语言描述任务来生成 Agent 草稿前提是一个 AI 服务商已经连接并开启用于 chat见 Create an agent。没有连接时页面会直接提示并建议改为手写 Agent。连接服务商的路径见 AI Providers进入Platform Admin → AI Center → AI Providers找到要配置的服务商点击Connect按该服务商页面中的指引填入所需凭证点击Save。支持的服务商包括 OpenAI、Anthropic、Google Gemini、Mistral AI、DeepSeek、xAI、Qwen、Z.ai、MiniMax、Moonshot AI云平台 Azure 和 AWS Bedrock网关 OpenRouter 与 Cloudflare AI Gateway以及Other (OpenAI Compatible)指向任何兼容 OpenAI API 的端点包括自托管模型。可以一次添加多个服务商之后按 Agent 或按步骤单独选模型。如果后面要配知识库注意模型的额外限制Agent 的模型服务商必须支持 embeddings文档中列出的是 OpenAI、Google、Azure 和 OpenRouter见 Agent Knowledge。创建 Agent两条入口Agents页面打开后是一个输入框见 Create an agent描述任务把要完成的工作写成一个句子例如Summarise my unread emails every morning系统会替你写好 Agent 的名称、指令并从你已连接的应用里挑出需要的工具生成一份草稿供你审阅。输入框下方的快捷建议triage support tickets、research a company、enrich a lead走的是同一条路线。注意文档给的建议描述要做什么事而不是要哪些工具除非句子里明确要求发送、发布或归档草稿只会挑读取数据的动作。空白创建列表旁边的New agent按钮跳过草稿直接打开一个空 Agent 让你自己写。空 Agent 还没有模型会直接进入编辑器并提示你先选模型。创建前确认它落在哪个项目在输入框开始打字后下方会出现New agents go to显示 Agent 将归属的项目并可修改。项目就是边界——Agent 只能触达自己项目的连接、Flow、表格和知识。只有一个项目时这个控件不会出现。之后需要迁移时可从 Manage an agent 的移动功能处理。选择模型Agent 编辑器旁边是Configure面板里面的Model项用来选择回答用哪个模型、用哪个 key 计费。编辑器头部会显示当前状态编辑中显示Changes not live yet已发布显示Live未选模型时显示Needs a model to run。所以判断模型是否配好的方法就是看这个头部提示以及 Agent 能否在 Test 中运行。配置工具工具是 Agent 触达外部系统的方式分三类见 Agent Tools类型用途Piece tool你已连接应用中的单个动作Flow tool你自己的一个 Flow作为工具交给 AgentMCP server外部 MCP 服务器用于不是 piece 的系统不挂任何工具时Agent 只能对话。Piece tool是挂单个动作而不是整个应用——给了 AgentSend message它就只能往 Slack 发消息别的动作没有。每个输入项有三种模式Let agent decide由 Agent 自己写值Set value myself你固定住这个值Leave empty不发送该字段。典型用法是固定 Slack 频道、让 Agent 自己写消息内容。Flow tool适合那些每次都必须同样执行的环节把这部分做成 Flow 交给 AgentAgent 决定在什么时刻调用Flow 保证步骤本身。MCP server粘贴服务器 URL选择认证方式无认证、access token、API key 或自定义 headersStreamable HTTP、SSE 和纯 HTTP 都支持。添加后 Activepieces 会立即列出该服务器的工具列表所以你能在 Agent 依赖它之前确认它可用。附加知识库知识库在 Agent 编辑器的Knowledge Base部分位于 Agent Tools 下方用Add File Source或Add Table Source添加见 Agent KnowledgeFile上传文档支持 PDF、DOCX、TXT、CSV。适合文档、政策、指南这类很少变的内容更新方式就是重新上传。Table指向项目里已有的表格适合被 Flow 持续写入、时刻在变的数据Agent 读到的永远是当前为真的行无需重新上传。两个前提不满足时Knowledge Base 这一节整个不会出现Postgres 需要有pgvector扩展。Activepieces 在数据库提供时会于启动时自动安装Cloud 和标准自托管镜像都覆盖不带pgvector的托管 Postgres 会让知识库功能整体隐藏。Agent 的模型服务商要支持 embeddingsOpenAI、Google、Azure、OpenRouter。知识库只告诉 Agent可以查什么不告诉它何时去查。使用时机要写进指令里文档给的示例是Before answering pricing questions, check the pricing table. Never quote a figure that isnt in it.文档同时解释了为什么不要把内容直接贴进指令指令里的全部内容会占用模型上下文窗口并且每次运行都会完整读取而文件会被切块索引Agent 只在需要时检索命中的段落。设置输出字段Configure面板里的Output fields项用来命名你希望 Agent 返回的字段这样 Flow 才能使用它的结果见 Agents in Flows。把 Agent 作为 Flow 步骤时与其让它返回一段散文措辞每次运行都会漂移无法用来分支不如要求结构化输出。文档给出的示例结果FieldTypeExamplecategoryTextbillingurgencyNumber4needs_humanBooleantrue以上数值是文档示例不是固定预期。后续步骤像取其他步骤输出一样从 data selector 里取这些字段按needs_human路由、按urgency排序、把category放进 Slack 消息。文档的建议是只要求下一步真正需要的最少字段多一个字段就多一个可能出错的地方。测试与发布编辑器在 Configure 面板旁有两个页签见 Create an agentEdit with AI描述一处改动例如only reply to paying customers它会替你重写指令和工具Test以 Agent 当前状态和它对话观察它会调用哪些工具——这是发布前验证配置是否生效的方式。所有改动在按下Publish之前都只是草稿。发布后已经在用这个 Agent 的每个 Flow 会在下次运行时自动使用新版本无需重新发布那些 Flow。到此模型、工具、知识库和输出字段都配好并经过 Test 验证的 Agent 就是Live状态可以直接被 Flow 步骤引用。若头部仍显示Needs a model to run回到 Configure 面板的 Model 项补选模型即可。【免费下载链接】activepiecesAI Agents MCPs AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows AI Agents • MCPs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/ac/activepieces创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考