> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/ai-platformy-i-agenty/autogpt.md).

# Автономный агент AutoGPT

## Обзор

[AutoGPT](https://github.com/Significant-Gravitas/AutoGPT) является первопроходческой платформой с открытым исходным кодом для автономных ИИ-агентов, с **175K+ звезд на GitHub** — одним из самых популярных репозиториев на GitHub. Изначально инструмент командной строки на Python, ставший вирусным в 2023 году, AutoGPT превратился в полнофункциональную платформу с веб-интерфейсом, визуальным конструктором рабочих процессов, оркестрацией нескольких агентов и набором тестов для самоулучшающихся агентов.

Текущая платформа AutoGPT состоит из:

* **Фронтенд** — визуальный конструктор агентов на Next.js (порт 3000)
* **Бэкенд / API** — сервис FastAPI, обрабатывающий выполнение агентов (порт 8000)
* **Исполнитель агентов** — Python-воркеры, выполняющие автономные циклы задач
* **Postgres** — постоянное хранилище для состояния агентов и запусков
* **Redis** — очередь задач и pub/sub
* **Minio** — совместимое с S3 объектное хранилище для артефактов агентов

На **Clore.ai**, AutoGPT полностью работает на CPU (вызовы LLM делегируются облачным API), что делает его доступным по цене **$0.05–0.20/час**. По желанию вы можете интегрировать локальные модели через поддержку провайдеров, совместимых с OpenAI.

**Ключевые возможности:**

* 🤖 **Автономные агенты** — агенты разлагают задачи на подцели и выполняют их итеративно
* 🌐 **Просмотр веб-страниц** — агенты могут искать в интернете, парсить страницы и синтезировать информацию
* 💻 **Выполнение кода** — песочница для выполнения Python для агентов, пишущих код
* 📁 **Операции с файлами** — чтение, запись и управление файлами в рамках выполнения задач
* 🔗 **Мультиагентность** — порождение специализированных суб-агентов и их иерархическая оркестрация
* 🧠 **Долговременная память** — векторная память, сохраняемая между сессиями
* 📈 **Бенчмаркинг агентов** — встроенный набор AgentBenchmark для оценки производительности агентов

***

## Требования

Требования AutoGPT к вычислениям зависят от того, используете ли вы облачные LLM API (по умолчанию) или локальные модели. Сама платформа лёгкая.

| Конфигурация                   | GPU              | VRAM  | ОЗУ системы | Диск   | Clore.ai Цена     |
| ------------------------------ | ---------------- | ----- | ----------- | ------ | ----------------- |
| **Минимальная** (облачные API) | Нет / только CPU | —     | 4 ГБ        | 20 ГБ  | \~$0.05/час (CPU) |
| **Стандартный**                | Нет / только CPU | —     | 8 ГБ        | 40 ГБ  | \~$0.08/час       |
| **Рекомендуется**              | Нет / только CPU | —     | 16 ГБ       | 60 ГБ  | \~$0.12/час       |
| **+ Локальная LLM (Ollama)**   | RTX 3090         | 24 ГБ | 16 ГБ       | 80 ГБ  | ≈ $0.20/ч         |
| **+ Большая локальная LLM**    | A100 40 GB       | 40 ГБ | 32 ГБ       | 100 ГБ | \~$0.80/час       |

> **Примечание:** По умолчанию AutoGPT использует LLM через API (OpenAI GPT-4, Anthropic Claude и т.п.). GPU полезен только если вы настроите локальную модель через Ollama или другой сервер, совместимый с OpenAI.

### Требуются ключи API

Вам потребуется как минимум один из:

* **Ключ OpenAI API** (рекомендуется GPT-4o для лучшей производительности агентов)
* **Ключ Anthropic API** (Claude 3.5 Sonnet отлично подходит для агентов)
* **Ключ Google AI** (поддерживаются модели Gemini)

***

## Быстрый старт

### 1. Арендуйте сервер Clore.ai

Войдите в [clore.ai](https://clore.ai) и запустите сервер с:

* **2+ ядра CPU, 8 ГБ ОЗУ** минимум
* Открытые порты **8000** (backend API) и **3000** (frontend)
* SSH-доступ включён
* **20+ ГБ дискового пространства**

### 2. Подключитесь к серверу

```bash
ssh root@<clore-server-ip> -p <ssh-port>

# Обновление пакетов
apt-get update && apt-get upgrade -y

# Проверить Docker и Compose
docker --version
docker compose version   # Должна быть v2.x
```

### 3. Клонируйте и настройте AutoGPT

```bash
# Клонировать репозиторий
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT/autogpt_platform

# Скопировать шаблон окружения
cp .env.example .env

# Отредактируйте файл окружения
nano .env
```

### 4. Установите необходимые переменные окружения

```bash
# Минимально необходимое в .env:

# ── Поставщик LLM (выберите хотя бы одного) ────────────────────────────────────────
OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=sk-ant-...

# ── Секретные ключи (ИЗМЕНИТЕ ИХ) ──────────────────────────────────────────────
APP_SECRET_KEY=$(openssl rand -hex 32)
JWT_SECRET_KEY=$(openssl rand -hex 32)

# ── База данных ─────────────────────────────────────────────────────────────────
DATABASE_URL=postgresql://postgres:password@db:5432/autogpt

# ── URL бэкенда (установите на IP вашего сервера Clore) ───────────────────────────────
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api
```

### 5. Сборка и запуск

```bash
# Собрать образы и запустить все сервисы (первый запуск занимает 5-10 минут)
docker compose up -d --build

# Следить за прогрессом сборки и старта
docker compose logs -f

# После запуска убедитесь, что все контейнеры работают
docker compose ps
```

### 6. Проверить состояние сервисов

```bash
# Проверить каждый сервис
docker compose ps

# Ожидаемые работающие сервисы:
# autogpt_platform-db-1        Up (healthy)
# autogpt_platform-redis-1     Up
# autogpt_platform-minio-1     Up
# autogpt_platform-backend-1   Up
# autogpt_platform-frontend-1  Up
# autogpt_platform-executor-1  Up

# Протестировать backend API
curl http://localhost:8000/api/health
# Ожидается: {"status": "ok"}
```

### 7. Доступ к AutoGPT

Откройте браузер:

* **Фронтенд:** `http://<clore-server-ip>:3000`
* **Backend API:** `http://<clore-server-ip>:8000`
* **Документация API (Swagger):** `http://<clore-server-ip>:8000/docs`

Создайте аккаунт во фронтенде, настройте провайдера LLM в настройках и начните создавать агентов.

***

## Конфигурация

### Полное `.env` справка

```bash
# ── Приложение ──────────────────────────────────────────────────────────────
ENVIRONMENT=production
APP_SECRET_KEY=<generate-with-openssl-rand-hex-32>
JWT_SECRET_KEY=<generate-with-openssl-rand-hex-32>
ALLOWED_ORIGINS=http://<clore-server-ip>:3000

# ── Поставщики LLM ────────────────────────────────────────────────────────────
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GROQ_API_KEY=gsk_...

# ── Совместимо с OpenAI (для локальных моделей через Ollama/vLLM) ────────────────────
OPENAI_API_BASE=http://localhost:11434/v1   # OpenAI-совместимая конечная точка Ollama
OPENAI_API_KEY=ollama                        # Заглушечный ключ для Ollama

# ── База данных ─────────────────────────────────────────────────────────────────
DATABASE_URL=postgresql://postgres:password@db:5432/autogpt
POSTGRES_USER=postgres
POSTGRES_PASSWORD=password    # Измените в продакшене!
POSTGRES_DB=autogpt

# ── Redis (очередь задач) ────────────────────────────────────────────────────────
REDIS_URL=redis://redis:6379/0

# ── Minio (объектное хранилище) ──────────────────────────────────────────────────
MINIO_ROOT_USER=minioadmin
MINIO_ROOT_PASSWORD=minioadmin   # Измените в продакшене!
MINIO_URL=http://minio:9000

# ── Фронтенд ─────────────────────────────────────────────────────────────────
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api
NEXTAUTH_SECRET=<generate-with-openssl-rand-hex-32>
NEXTAUTH_URL=http://<clore-server-ip>:3000
```

### Настройка возможностей агента

```bash
# Включить возможность просмотра веб-страниц
WEB_BROWSER_ENABLED=true
SELENIUM_CHROME_DRIVER_URL=http://selenium:4444/wd/hub

# Добавьте Selenium в docker-compose для просмотра веб-страниц:
# services:
#   selenium:
#     image: selenium/standalone-chrome:latest
#     shm_size: 2gb
#     ports:
#       - "4444:4444"

# Доступ к файловой системе (рабочая область агента)
WORKSPACE_PATH=/workspace
RESTRICT_TO_WORKSPACE=true
```

### Управление масштабированием исполнителя агентов

```bash
# Масштабировать воркеры исполнителя для параллельных запусков агентов
docker compose up -d --scale executor=4

# Мониторинг логов исполнителя
docker compose logs -f executor
```

***

## Ускорение с помощью GPU

AutoGPT по умолчанию делегирует всю инференс LLM внешним провайдерам. Чтобы использовать локальные модели с ускорением на GPU:

### Подключитесь к Ollama на том же сервере

```bash
# Установить Ollama на сервер Clore
curl -fsSL https://ollama.com/install.sh | sh

# Загрузить подходящую модель (Llama 3 70B требует A100, 8B работает на RTX 3090)
ollama pull llama3:8b
# Для лучшей производительности агентов:
ollama pull llama3.1:70b   # Требует A100 40GB+

# Сделать Ollama доступной для Docker-контейнеров
OLLAMA_HOST=0.0.0.0 ollama serve &

# Протестировать OpenAI-совместимую конечную точку
curl http://localhost:11434/v1/models
```

В `.env`, укажите AutoGPT на Ollama:

```bash
OPENAI_API_BASE=http://host.docker.internal:11434/v1
OPENAI_API_KEY=ollama
OPENAI_DEFAULT_MODEL=llama3.1:70b
```

> **Заметка о производительности:** Автономные агенты совершают множество последовательных вызовов LLM. Локальные модели на RTX 3090 (\~30 ток/с) работают, но A100 80GB обеспечивает более быструю итерацию. См. [Сравнение GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md).

### Рекомендации по локальным моделям для агентов

| Модель                | Качество агента | VRAM  | Clore GPU |
| --------------------- | --------------- | ----- | --------- |
| Llama 3 8B            | Приемлемо       | 8 ГБ  | RTX 3080  |
| Llama 3.1 8B Instruct | Хорошо          | 8 ГБ  | RTX 3080  |
| Llama 3.1 70B         | Отлично         | 40 ГБ | A100 40GB |
| Mixtral 8x7B          | Хорошо          | 24 ГБ | RTX 3090  |
| Qwen 2.5 72B          | Отлично         | 40 ГБ | A100 40GB |

***

## Подсказки и лучшие практики

### Управление затратами на Clore.ai

```bash
# Самая большая статья расходов AutoGPT часто — вызовы LLM API, а не вычисления
# Установите лимиты бюджета токенов в конфигурации агента:
# MAX_TOKENS_PER_RUN=100000
# MAX_COST_PER_RUN=1.00   # USD

# Сделайте резервную копию состояния агента перед остановкой инстанса Clore
docker exec autogpt_platform-db-1 \
  pg_dump -U postgres autogpt | gzip > autogpt-backup-$(date +%Y%m%d).sql.gz

# Скопировать на локальную машину
scp -P <port> root@<ip>:autogpt-backup-*.sql.gz ./
```

### Обновление AutoGPT

```bash
cd AutoGPT

# Получить последние изменения
git pull origin master

cd autogpt_platform

# Пересобрать с новым кодом
docker compose down
docker compose up -d --build

# При необходимости выполнить миграции БД
docker compose exec backend alembic upgrade head
```

### Мониторинг запусков агентов

```bash
# Следить за логами бэкенда для активности агентов
docker compose logs -f backend executor

# Мониторить системные ресурсы во время запусков агентов
htop
# или
docker stats

# Просмотреть историю запусков агентов через API
curl http://localhost:8000/api/v1/runs | python3 -m json.tool
```

### Укрепление безопасности

```bash
# НИКОГДА не открывайте порты 8000/3000 напрямую в интернет без аутентификации
# Используйте Nginx или Caddy как обратный прокси с HTTPS:

# Caddyfile:
# autogpt.yourdomain.com {
#     reverse_proxy localhost:3000
# }
# api.autogpt.yourdomain.com {
#     reverse_proxy localhost:8000
# }

# Ограничить доступ агентов к файловой системе
RESTRICT_TO_WORKSPACE=true
WORKSPACE_PATH=/agent-workspace

# Отключить регистрацию пользователей после первоначальной настройки
ALLOW_SIGNUP=false
```

### Оптимизация времени сборки

```bash
# Первая сборка медленная (~10 мин); последующие сборки используют кэш
# Используйте BuildKit для ускорения сборки:
DOCKER_BUILDKIT=1 docker compose up -d --build

# Предварительно загрузите базовые образы для ускорения сборки
docker pull python:3.11-slim
docker pull node:20-alpine
```

***

## Устранение неполадок

### Сборка завершилась с ошибкой из-за нехватки памяти

```bash
# Docker build требует достаточного объёма памяти (4GB+ )
# При необходимости добавьте swap:
fallocate -l 8G /swapfile
chmod 600 /swapfile
mkswap /swapfile
swapon /swapfile

# Сделать постоянным
echo '/swapfile none swap sw 0 0' >> /etc/fstab
```

### Бэкенд возвращает 500 / "Database not ready"

```bash
# Проверить состояние БД
docker compose ps db
docker compose logs db

# Выполнить миграции БД вручную
docker compose exec backend alembic upgrade head

# Если миграции не проходят, проверьте DATABASE_URL в .env
docker compose exec backend printenv DATABASE_URL
```

### Фронтенд показывает «Не удалось подключиться к бэкенду»

```bash
# Убедитесь, что NEXT_PUBLIC_AGPT_SERVER_URL установлен верно
grep NEXT_PUBLIC_AGPT_SERVER_URL .env

# Должен быть публичный IP, а не localhost (браузер делает этот запрос)
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api

# Пересобрать фронтенд после изменения этой переменной окружения
docker compose up -d --build frontend
```

### Исполнитель агентов падает / убивается из-за OOM

```bash
# Проверить использование памяти
docker stats autogpt_platform-executor-1

# Ограничить память исполнителя и добавить политику перезапуска
# В docker-compose.yaml:
#   executor:
#     mem_limit: 2g
#     restart: unless-stopped

# Или уменьшите количество одновременно работающих агентов
MAX_CONCURRENT_RUNS=2
```

### Подключение к Redis отклонено

```bash
# Проверить, что Redis запущен
docker compose ps redis
docker compose logs redis

# Протестировать подключение с бэкенда
docker compose exec backend redis-cli -h redis ping
# Ожидается: PONG

# Если для Redis требуется аутентификация, задайте:
REDIS_URL=redis://:password@redis:6379/0
```

### Агент застрял в цикле

```bash
# АвтоGPT-агенты иногда могут войти в бесконечные циклы
# Установите максимум циклов:
MAX_AGENT_CYCLES=50

# Или прервите работающего агента через API:
curl -X POST http://localhost:8000/api/v1/runs/<run-id>/stop
```

***

## Дополнительное чтение

* [Официальная документация AutoGPT](https://docs.agpt.co)
* [Репозиторий AutoGPT на GitHub](https://github.com/Significant-Gravitas/AutoGPT)
* [Руководство по настройке платформы AutoGPT](https://docs.agpt.co/platform/getting-started)
* [Запуск Ollama на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/ollama.md)
* [Запуск vLLM на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/vllm.md)
* [Сравнение GPU Clore.ai](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md)
* [Сообщество AutoGPT в Discord](https://discord.gg/autogpt)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/ai-platformy-i-agenty/autogpt.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.