> 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/platformy-i-agenty-ii/autogpt.md).

# 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](https://github.com/Significant-Gravitas/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](https://clore.ai/bare-metal) |

> **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](https://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

```bash
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

```bash
# 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

```bash
# 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

```bash
# 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

```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

# 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

```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

# ── 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

```bash
# 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

```bash
# 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

```bash
# 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:

```bash
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](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md).

### 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

```bash
# 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

```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 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

```bash
# 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

```bash
# 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

```bash
# 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"

```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 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

```bash
# 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

```bash
# 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

```bash
# 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](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 на 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/platformy-i-agenty-ii/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.