关于 AIOS Monorepo
AIOS Monorepo 汇集 AIOS 的 Electron 桌面应用与 Python LangGraph 后端,面向开发和运行这套 AI 系统的人员。仓库说明了前后端的本地配置、启动与构建流程。
主要功能
- 01Electron 桌面前端
- 02Python LangGraph 后端
- 03前后端本地运行
- 04开发模式热重载
- 05桌面应用多平台构建
适用场景
- 01开发 AIOS 桌面界面
- 02启动本地 LangGraph 后端
- 03联调桌面应用与后端 API
- 04构建 Windows、macOS 或 Linux 应用
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
AIOS 单体仓库
此仓库包含 AIOS(人工智能操作系统)项目,分为桌面前端应用和 LangGraph 后端服务。
项目结构
/aios-desktop-app:包含基于 Electron 的前端应用。/aios-langgraph-server:包含基于 Python 的 LangGraph 后端服务。
先决条件
开始之前,请确保已安装以下内容:
- Node.js(建议使用 LTS 版本)和 npm:用于桌面应用。
- Python(建议使用 3.12.4 版本)和 pip:用于后端服务。
- uv:Python 包管理器。
设置和运行
你需要在单独的终端会话中分别设置并运行每个项目。
1. AIOS LangGraph 服务(后端)
后端服务提供核心 AI 功能,并通过 API 将其公开,供桌面应用调用。
设置:
- 进入后端目录:
cd aios-langgraph-server - 创建环境配置文件:
将
.env.example复制为名为.env的新文件。
然后打开cp .env.example .env.env,填写必要的特定环境变量(例如 API 密钥、数据库凭据)。 - 使用
uv创建并激活 Python 虚拟环境:uv venv # On macOS/Linux: source .venv/bin/activate # On Windows: .venv\Scripts\activate - 使用
uv安装项目依赖(此操作将使用pyproject.toml):uv sync
运行服务:
- 确保已激活
uv虚拟环境。 - 以开发模式启动 LangGraph 服务:
此命令将启动服务,通常不会打开浏览器窗口。查看终端输出中的服务地址(通常为langgraph dev --no-browserhttp://localhost:2024)。
2. AIOS 桌面应用(前端)
前端是一个 Electron 应用,为与 AIOS 交互提供用户界面。
设置:
- 进入前端目录:
cd aios-desktop-app - 创建环境配置文件:
将
.env.example复制为名为.env的新文件。
然后打开cp .env.example .env.env,填写桌面应用所需的特定环境变量。 - 安装 Node.js 依赖:
npm installpostinstall脚本将自动运行electron-builder install-app-deps,以确保正确设置所有 Electron 专用的原生依赖。
运行应用(开发模式):
- 启动开发服务:
这将启动启用了热重载的 Electron 应用,让你在开发过程中实时查看更改。npm run dev
开发工作流
- 首先启动
aios-langgraph-server。 - 然后启动
aios-desktop-app。 - 桌面应用应连接到本地运行的后端服务。
生产环境构建
aios-desktop-app:
有关为不同平台(Windows、macOS、Linux)构建 Electron 应用的信息,请参阅 aios-desktop-app/package.json 中的脚本:
cd aios-desktop-app
npm run build:win
npm run build:mac
npm run build:linux
aios-langgraph-server:
LangGraph 服务通常作为 Python Web 应用部署。部署策略可能有所不同(例如 Docker、无服务器函数、传统 ASGI 服务托管)。可以使用 langgraph export 命令打包 LangGraph 应用。更多部署详情取决于所选的托管环境。
本 README 提供了入门所需的基本步骤。有关特定组件的更多详细信息,请参阅各项目目录中的文档(如有),或查阅相应的 package.json 和 pyproject.toml 文件。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。