Автономный агент AutoGPT

Разверните AutoGPT на Clore.ai — запустите оригинальную платформу автономного ИИ-агента с веб-браузингом, выполнением кода и автоматизацией долгосрочных задач.

Обзор

AutoGPT является новаторской платформой автономных ИИ-агентов с открытым исходным кодом, с 175 тыс.+ звёзд на GitHub — одним из самых популярных репозиториев на GitHub. Изначально это был Python CLI-инструмент, который стал вирусным в 2023 году, AutoGPT эволюционировал в полнофункциональную платформу с веб-фронтендом, визуальным конструктором рабочих процессов, оркестрацией нескольких агентов и набором для бенчмаркинга самосовершенствующихся 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 работает полностью на CPU (он передаёт вызовы LLM облачным API), что делает его доступным по цене $0.05–0.20/ч. При желании вы можете интегрировать локальные модели через поддержку провайдеров, совместимых с OpenAI.

Ключевые возможности:

• 🤖 Автономные агенты — агенты разбивают задачи на подцели и выполняют их итеративно

• 🌐 Веб-браузинг — агенты могут искать в вебе, парсить страницы и синтезировать информацию

• 💻 Выполнение кода — изолированная среда выполнения Python для кодирующих агентов

• 📁 Операции с файлами — чтение, запись и управление файлами в рамках выполнения задач

• 🔗 Мультиагентность — запуск специализированных подагентов и иерархическая оркестрация их работы

• 🧠 Долговременная память — векторная память, сохраняемая между сессиями

• 📈 Бенчмаркинг агентов — встроенный набор AgentBenchmark для оценки производительности агентов

---

Требования

Потребности AutoGPT в вычислениях зависят от того, используете ли вы облачные LLM API (по умолчанию) или локальные модели. Сама платформа лёгкая.

Конфигурация	GPU	VRAM	Системная RAM	Диск	Цена Clore.ai
Минимальная (облачные API)	Нет / CPU	—	4 ГБ	20 ГБ	~$0.05/ч (CPU)
Стандартный	Нет / CPU	—	8 ГБ	40 ГБ	~$0.08/ч
Рекомендуется	Нет / CPU	—	16 ГБ	60 ГБ	~$0.12/ч
+ Локальная LLM (Ollama)	RTX 3090	24 ГБ	16 ГБ	80 ГБ	$0.07–0.21/ч
+ большая локальная LLM	A100 40 ГБ	40 ГБ	32 ГБ	100 ГБ	голое железо

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

Требуются API-ключи

Вам понадобится как минимум один из следующих:

• API-ключ OpenAI (для наилучшей производительности агентов рекомендуется GPT-4o)

• API-ключ Anthropic (Claude 3.5 Sonnet отлично подходит для агентов)

• Ключ Google AI (поддерживаются модели Gemini)

---

Быстрый старт

1. Арендуйте сервер Clore.ai

Войдите в маркетплейсе clore.ai и запустите сервер со следующими параметрами:

• 2+ CPU-ядра, 8 ГБ ОЗУ минимум

• Открытые порты 8000 (backend API) и 3000 (frontend)

• Включён SSH-доступ

• 20+ ГБ дискового пространства

2. Подключитесь к серверу

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

# Обновить пакеты
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

# Отредактировать файл окружения
nano .env

4. Задайте необходимые переменные окружения

# Минимально необходимые в .env:

# ── Провайдер LLM (выберите хотя бы один) ────────────────────────────────────────
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 (укажите IP вашего сервера Clore) ────────────────────────────────
NEXT_PUBLIC_AGPT_SERVER_URL=http://<clore-server-ip>:8000/api

5. Соберите и запустите

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

# Отслеживать процесс сборки и запуска
docker compose logs -f

# После запуска убедиться, что все контейнеры работают
docker compose ps

6. Проверьте работоспособность 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

# Проверить API бэкенда
curl http://localhost:8000/api/health
# Ожидается: {"status": "ok"}

7. Доступ к AutoGPT

Откройте ваш браузер:

• Фронтенд: http://<clore-server-ip>:3000

• API бэкенда: http://<clore-server-ip>:8000

• Документация API (Swagger): http://<clore-server-ip>:8000/docs

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

---

Конфигурация

Полная .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

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

# ── Совместимый с OpenAI (для локальных моделей через Ollama/vLLM) ────────────────────
OPENAI_API_BASE=http://localhost:11434/v1   # Совместимый с OpenAI endpoint Ollama
OPENAI_API_KEY=ollama                        # Заглушка-ключ для Ollama

# ── База данных ─────────────────────────────────────────────────────────────────
DATABASE_URL=postgresql://postgres:password@db:5432/autogpt
POSTGRES_USER=postgres
POSTGRES_PASSWORD=password    # Измените в production!
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 production!
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 веб-браузинга
WEB_BROWSER_ENABLED=true
SELENIUM_CHROME_DRIVER_URL=http://selenium:4444/wd/hub

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

# Доступ к файловой системе (рабочее пространство 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

# Следить за логами исполнителя
docker compose logs -f executor

---

Ускорение на GPU

По умолчанию AutoGPT передаёт все LLM-инференсы внешним провайдерам. Чтобы использовать локальные модели с GPU-ускорением:

Подключитесь к Ollama на том же сервере

# Установите Ollama на сервере Clore
curl -fsSL https://ollama.com/install.sh | sh

# Скачайте подходящую модель (Llama 3 70B требует A100, 8B работает на RTX 3090)
ollama pull llama3:8b
# Для наилучшей производительности агента:
ollama pull llama3.1:70b   # Требуется A100 40GB+

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

# Проверить endpoint, совместимый с OpenAI
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

Примечание о производительности: Автономные агенты делают много последовательных вызовов LLM. Локальные модели на RTX 3090 (~30 tok/s) 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	Хорошо	8 ГБ	RTX 3080
Llama 3.1 8B Instruct	Хорошо	8 ГБ	RTX 3080
Llama 3.1 70B	Отлично	40 ГБ	A100 40 ГБ
Mixtral 8x7B	Хорошо	24 ГБ	RTX 3090
Qwen 2.5 72B	Отлично	40 ГБ	A100 40 ГБ

---

Советы и лучшие практики

Управление затратами на Clore.ai

# Самая большая статья расходов AutoGPT — это часто вызовы LLM API, а не вычисления
# Задайте 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 экземпляра 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 на предмет активности агентов
docker compose logs -f backend executor

# Следить за системными ресурсами во время запусков агентов
htop
# или
docker stats

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

Усиление безопасности

# НИКОГДА не открывайте порты 8000/3000 напрямую в интернет без аутентификации
# Используйте Nginx или Caddy как reverse proxy с HTTPS:

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

# Ограничьте доступ агента к файловой системе
RESTRICT_TO_WORKSPACE=true
WORKSPACE_PATH=/agent-workspace

# Отключить регистрацию пользователей после первоначальной настройки
ALLOW_SIGNUP=false

Ускорение времени сборки

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

# Предзагрузите базовые образы, чтобы ускорить сборку
docker pull python:3.11-slim
docker pull node:20-alpine

---

Устранение неполадок

Сборка завершается с ошибкой нехватки памяти

# Для сборки Docker требуется достаточно памяти (4 ГБ+)
# 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 / "База данных не готова"

# 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 задан правильно
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

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

Исполнитель агентов аварийно завершается / убивается по OOM

# Проверьте использование памяти
docker stats autogpt_platform-executor-1

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

# Или уменьшите число одновременных запусков агентов
MAX_CONCURRENT_RUNS=2

Redis: отказ в подключении

# Проверьте, что Redis работает
docker compose ps redis
docker compose logs redis

# Проверить соединение с бэкенда
docker compose exec backend redis-cli -h redis ping
# Ожидается: PONG

# Если Redis требует аутентификацию, установите:
REDIS_URL=redis://:password@redis:6379/0

Агент застрял в цикле

# Агенты AutoGPT иногда могут попадать в бесконечные циклы
# Установите максимальный лимит 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 на Clore.ai

• Сообщество AutoGPT в Discord