Автономный агент AutoGPT

Разверните AutoGPT на Clore.ai — запускайте оригинальную платформу автономных AI-агентов с веб-браузингом, выполнением кода и автоматизацией задач с длинным горизонтом.

Обзор

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 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

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

# 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

# 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

# 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

# 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

# ── 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

# 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

# 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

# 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:

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.

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

# 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

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

# 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

# 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

# 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

# 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"

# 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»

# 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

# 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

# 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

# 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

• Репозиторий AutoGPT на GitHub

• Руководство по настройке платформы AutoGPT

• Запуск Ollama на Clore.ai

• Запуск vLLM на Clore.ai

• Сравнение GPU Clore.ai

• Сообщество AutoGPT в Discord