如何使用 Nasiko 驯服 AI Agent 动物园
当你运行一个单独的 Python Agent 进行测试时，一切都可以预测。但添加第二个 TypeScript Agent、第三个 Go Agent，麻烦就开始了。Agent 之间开始直接互相调用，模型的 API 密钥散落在各种配置和日志中，而当对话出现循环时，Token 会在几分钟内消耗数千个。
Nasiko-Labs 团队采用了网络工程师处理微服务的方式来解决这个问题。Nasiko 项目作为 Agent 的统一控制平面，处理路由、授权、无限循环保护和遥测采集。Agent 本身与外部世界隔离，严格通过 A2A 规范（Agent-to-Agent v1.0）进行通信。
该平台的功能
整个系统的设计围绕单一入口点展开。Agent 在物理上不接受来自外部的传入连接。每个 Agent 间的请求都经过服务器，在那里检查访问规则并扣除限额。
智能调用路由
客户端或调用方 Agent 不需要知道目标服务的具体 ID。Nasiko 内部通过三阶段管道选择执行器。首先，系统根据描述的向量相似度过滤候选者，然后根据当前对话上下文对其进行重新排序，再由一个独立的轻量级 LLM 做出最终选择。
安全密钥处理和 LLM 路由器
不再将 OPENAI_API_KEY 硬编码到每个容器的环境变量中，而是为 Agent 颁发内部地址 OPENAI_BASE_URL 和短期令牌。内部代理路由器动态替换正确的提供商密钥。密钥永远不会出现在日志或容器代码中。
防止无限循环和级联
如果两个 Agent 决定无休止地互相 ping-pong，Token 余额会迅速归零。Nasiko 在 Redis 中维护调用图深度、分支限制、超时和每会话 Token 预算的计数器。一旦链深度超过设定阈值，服务器就会中止执行。
MCP 协议工具网关
对于连接外部工具，有一个内置的 MCP 网关。它聚合连接器（例如 Composio 或自定义 MCP 服务器），并为 Agent 提供单一的函数调用 URL，同时支持按 Agent 的访问控制。
架构与技术栈
后端使用 Rust 编写，使用 Axum 框架编译成单个二进制文件。状态存储使用成熟的组件：
- PostgreSQL 存储用户、Agent 配置和加密密钥（AES-256-GCM）。
- Redis 处理调用计数器和循环保护。
- 内置 OCI 注册表将容器镜像存储在 S3 兼容存储中。
- OpenTelemetry、Tempo 和 Loki 技术栈为每个步骤收集分布式追踪和日志。
Agent 之间的任何请求都会成为一个 OTel span。仪表板立即显示特定步骤消耗了多少 Token 以及该调用的成本（以分为单位）。
使用 Docker 快速启动
要启动整个技术栈，不需要 Rust 知识。你只需要安装了 Compose V2 插件的 Docker Engine。
首先，克隆仓库并创建环境文件：
git clone https://github.com/Nasiko-Labs/nasiko.git
cd nasiko
cp .env.example .env
在 .env 中，你必须指定你的 OpenAI 密钥和管理员密码：
OPENAI_API_KEY=sk-...
ADMIN_PASSWORD=strong_password_here
之后，启动基础设施：
docker compose up -d
首次启动需要几分钟时间，因为 Rust 服务器在容器内编译。控制面板将在 http://localhost:8080 可用。
通过 CLI 工作
对于开发者，有一个控制台工具 nasiko。它通过 Cargo 安装：
cargo install --path cli/
创建和启动新 Agent 只需四个命令：
# Подключаемся к локальному кластеру
nasiko connect http://localhost:8080
nasiko auth login
# Создаем проект из шаблона
nasiko new openai assistant-bot
cd assistant-bot
# Собираем и деплоим
nasiko deploy .
# Проверяем работу в чате
nasiko chat --agent assistant-bot "Привет, чем ты можешь помочь?"
命令 deploy 自动构建容器，将其推送到 Nasiko 的内置注册表，并向路由器注册 Agent。
适用场景
该项目面向已经超越简单 LangChain 脚本、正在构建由数十个专业 Agent 组成生产系统的团队。
以下是 Nasiko 节省时间的典型场景：
- 多 Agent 管道，其中 Agent 由不同团队使用不同语言（Python、Node.js、Go）编写。
- 有严格安全要求的系统，不能将生产 API 密钥交给外部执行环境。
- 按特定任务和用户监控 LLM 成本，无需手动解析日志。
总结
Nasiko 看起来是一个成熟的尝试，将多 Agent 系统的网络层和可观测性打包成一个紧凑的工具。它没有尝试强制使用自定义 DSL 来编写提示词：你可以自由地使用任何框架编写逻辑，只要支持 A2A v1.0 规范即可。
如果你厌倦了手动连接 Agent 微服务并在分散的 OpenAI 和 Anthropic 仪表板之间计算 Token，这个项目绝对值得在本地运行试试。对于生产环境，请注意开源版本与 Docker 运行时的紧耦合，但对于本地开发和内部预发布环境，它已经是一个可行的选择。
相关项目