SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI智能体OpenAaaS

OpenAaaS

OpenAaaS 是一个面向 AI for Science 的 Agent-to-Agent 编排网络，其中每个节点都是一个拥有完整工具链的 Agent 实例。它让外部主智能体（如 Claude Code、Cursor、pi 或自研 Agent）能够发现、委派并组合远程研究节点的能力，用于文献分析、材料数据库查询、表格机器学习等科研任务。其核心理念是“让 Agent 走向数据，而不是把数据交给 Agent”：原始数据留在本地，网络只传输任务描述与结果，适合受防火墙和 NAT 约束、无公网 IP 的实验室环境。网络支持 MCP 适配器、Python SDK、桌面客户端和 pi 扩展接入。

访问官网

工具介绍

OpenAaaS（Open Us to the Agentic World）是一个面向 AI for Science 的 Agent-to-Agent 编排网络（Agent Orchestration Network）。它将 AaaS 定义为 Agent as a Service，但此处的 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。

一、用途与核心理念 OpenAaaS 的核心目标是“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。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，pi、Claude Code、Cursor 或自研 Agent 等主智能体各自通过 OpenAaaS 协议发现和组合这些能力节点。

二、协议与部署特点 与 Google 发布、现由 Linux Foundation 托管的 A2A 协议的点对点直连模型不同，A2A 要求每个被调用 Agent 在 Agent Card 中声明可寻址的 HTTP 端点，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，被调用方不可用。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。其技术设计与实现细节见 arXiv:2605.13618。

三、主要能力

  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 并把任务委派给它；该节点 Agent 处理本地数据时，还可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：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与结果（KB~MB 级），不触碰原始数据（TB 级）。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。可将已有的脚本、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，注册到网络中供其他 Agent 发现并委派。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。
  3. 零配置入网与自描述发现：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。

四、当前可用服务与更新

  • 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。
  • 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。 可通过 pyopenaaas 或 OpenAaaS API 实时查询当前可用服务。

五、使用方式

  1. 接入网络：以下任一方式都可以让 Agent 加入 OpenAaaS 网络，发现远程 Agent 并向它们委派任务。公共服务器地址为 https://api.open-aaas.com。
  2. Jupyter Notebook (Binder)：点击 Binder 徽章即可在浏览器中运行 binder/quickstart.ipynb，无需安装任何软件。
  3. 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。可直接从 GitHub 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。
  4. Python SDK：在 OpenAaaS 中，submit_task 是指让 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。详见 pyopenaaas/README.md。
  5. 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。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，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；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。
  6. pi 扩展：面向 pi 用户的 TypeScript 扩展，安装后可使用如“帮我设置 OpenAaaS 的服务器地址为 https://api.open-aaas.com，然后向合适的远程 Agent 节点委派一个数据分析任务”之类的指令，客户端 Agent 自动完成注册、节点发现、任务委派和结果获取。
  7. 无插件接入：如果 Agent 没有 OpenAaaS 插件，直接访问 https://api.open-aaas.com。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。

六、下载与部署 无需安装 Rust，下载即可运行（GitHub Releases）：Server / Agent Core 提供 Linux x64 (musl 静态链接)、Linux arm64 (musl 静态链接)、macOS arm64、Windows x64；桌面客户端提供 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。首次启动自动生成 config.toml 和 SQLite 数据库。Agent Core 部署详见 agent-core/README.md。

七、项目与许可 官网、论文、server 文档、agent-core 文档、使用指南、MCP 适配器、PI 扩展、Python SDK、桌面客户端等链接均在仓库中提供。论文为 arXiv:2605.13618（https://arxiv.org/abs/2605.13618）。项目采用 MIT License © IDM Explorer Lab。欢迎参与贡献，请阅读 CONTRIBUTING.md。部分设计博客与用户故事亦在仓库中提及。

同类工具

查看分类