Avernet 是什么？ · AI 工具图鉴

📌 核心价值：蚂蚁集团开源的"多 Agent 协作层"基础设施，让异构智能体像一支真正的团队一样协同作战

已在蚂蚁生产环境承载 10,000+ agents/bots —— 不是 Demo，而是支撑金融/工业/政务真实业务的底座。

封面图

Avernet 是蚂蚁集团 inclusionAI 团队在 2026 年 7 月正式开源的多智能体协作基础设施（Bot Coordination Service，简称 BCS），定位为"智能体操作系统层" —— 它不与具体 Agent 框架（如 LangGraph、AutoGen、CrewAI）竞争，而是给所有 Agent 提供统一的注册、发现、协作、治理与可观测层，让你能把异构的 bot 平台、Agent 运行时、自定义引擎全部接入同一个协作网络。

项目的核心理念很克制：

"真正的挑战不是让 Agent 更聪明，而是让人类和 Agent 在组织规模下保持一致地协作。"

Avernet 在蚂蚁集团内部已为 超过 10,000 个 agents/bots 提供服务，承载金融风控、智慧交通调度、工业产线运维等真实业务场景，V0.1 版本首发即开源（Apache-2.0），同步提供完整中英双语 README。

avernet-images/group.jpg

核心定位：把"多智能体协作"从论文框架推向"生产级基础设施"，是国内首套由大厂核心业务沉淀并完整开源的 Agent 协作中间件

✨ 五大核心能力矩阵

avernet-images/avernet-功能对比.png

🛠 快速上手：5 分钟本地跑通 BCS

环境要求

Node.js / npm / Python 3（singlebox 脚本会自动检测）
可选：Docker（容器化部署路径）
可选：OpenAI 兼容的 LLM API Key（让 demo bot 真正能对话）

路径一：一键本地脚本部署（推荐）

git clone https://github.com/inclusionAI/Avernet.git
cd Avernet

# 1. 检查/安装工具链（这一步会自动装 OpenClaw 等依赖）
./scripts/singlebox.sh install-tools

# 2. 构建并启动本地栈：Avernet 进程 + 5 个测试 bot + 前端工作台
./scripts/singlebox.sh

启动完成后访问：

http://127.0.0.1:8000/

即可看到 Avernet Web 工作台，左侧是 5 个本地测试 bot 的协作画布，右侧是协作日志与消息流。

路径二：Docker 容器化部署

docker compose up --build

注意：当前 Docker 路径是源码构建，首次 build 时间较长，后续官方会发布预构建镜像

路径三：跳过 git 钩子（CI 场景）

OCB_SKIP_GIT_HOOKS=1 ./scripts/singlebox.sh

LLM 模型配置（让 bot 真正能对话）

test -f .env.local || cp .env.example .env.local
# 在 .env.local 中配置 OPENCLAW_OPENAI_BASE_URL / OPENCLAW_OPENAI_API_KEY / OPENCLAW_OPENAI_MODEL_ID

配置完成后重启 ./scripts/singlebox.sh，5 个本地 demo bot 即可基于 LLM 真正回复消息。

🎯 它解决的 4 大组织协调问题

判断一个多 Agent 框架能否进入"生产级"的关键，就是看它有没有正面回答这 4 个问题：Avernet 直接将其写入 README，作为产品立项书。

Cannot find（无法发现） — 当 Agent 数量达到数百个，怎么让 Bot A 快速找到"擅长 SQL 生成的 Bot B"？Avernet 提供统一的注册中心与能力标签检索。
Cannot align（无法对齐） — 表面上达成共识，实际各 Agent 任务定义不一致。Avernet 内置 consensus engine，通过多轮交互达成真实对齐。
Cannot run fast（无法快速运行） — 执行依赖人工中继或脚本调用，Avernet 把它换成 Agent-to-Agent 事件总线。
Cannot retain（无法保留） — 知识无法沉淀为组织能力，Avernet 通过共享记忆 + 评估闭环让协作数据反哺调度策略。

avernet-images/organizational-problems.jpg

🧩 双路径开放集成：让异构 Agent 共处一网

Avernet 没有把 Agent 写死成自家协议，而是提供两条接入路径：

路径 A：插件集成（Plugin integration）

适用对象：OpenClaw、本地 Agent 运行时、自定义 bot 进程
工作方式：Agent 端通过插件主动连接 Avernet，处理注册/接入/收消息/回报结果
典型场景：让你的 LangGraph 工作流作为"协作节点"加入 Avernet 网络

路径 B：网关集成（Gateway integration）

适用对象：现成的 bot 平台、多实例 Agent 服务、外部调度系统
工作方式：Avernet 通过下行网关向外部平台派发任务，外部平台负责调度，结果回调
典型场景：把企业内部已有的客服 bot 平台统一纳入 Avernet 协作网

   +----------------------------+  +----------------------------+  +----------------------------+
   | Local OpenClaw             |  | Agent Runtime              |  | Existing Bot Platform      |
   | Plugin mode                |  | /ws/bot runtime            |  | Downlink gateway           |
   +-------------+--------------+  +-------------+--------------+  +-------------+--------------+
                 |                               |                               ^
                 +---------------+---------------+                               |
                                 | agent -> BCS:                                 | BCS -> platform:
                                 | connect / register / receive / report         | dispatch / schedule / callback
                                 v                                               |
+----------------------------------------------------------------------------+     +-------------------+
| Avernet / BCS                                                              |     | bcs-cli / tools   |
| connection / registration / routing / delivery / sessions                  |<--->| onboard / inspect |
| collaboration state / multi-bot network management                         |     |                   |
+----------------------------------------------------------------------------+     +-------------------+

BCS（Bot Coordination Service）是 Avernet 的核心组件，用 Rust 编写以承载高并发协作消息流；前端工作台和 OpenClaw 插件用 TypeScript 编写，整体形成"Rust 后端 + TS 前端 + 协议插件"的现代架构。

📊 与主流多 Agent 框架对比

avernet-images/avernet-竞品对比.png

结论：Avernet 不试图成为"另一个 LangGraph/AutoGen"，而是它们的协作底座。你可以继续用 LangGraph 写 Agent 内部的工作流，同时把多个 LangGraph Agent 接入 Avernet 做大规模跨 Agent 协作 —— 这是当前社区唯一已经在大厂生产环境验证过的"协作中间件"。

💡 适用场景

场景 1：金融场景的多 Agent 风控工作流

功能说明：Avernet 把"身份核验 Agent + 反欺诈 Agent + 信用评估 Agent + 合规审查 Agent"组成一个风控团队，按 consensus engine 达成风险判断一致。

输入要求：4 类异构 Agent 各自接入 Avernet（通过插件或网关），共享会话上下文

输出效果：单笔贷款审批从人工串联 5 步串联降到 Agent 间 3 秒事件总线协作

适用场景：信贷风控、保险核保、反洗钱判定

场景 2：智慧城市的实时交通调度

功能说明：路口信号 Agent、路况监控 Agent、车辆调度 Agent 通过 Avernet 协作，按实时车流动态调整信号配时。

输入要求：物理世界的传感器数据 → IoT Agent 接入 Avernet → 调度 Agent 协作生成方案

输出效果：交通高峰时段通行效率提升 20-30%，多个路口系统不再各自为政

适用场景：智慧交通、智慧园区、智慧物流

场景 3：工业产线运维自动化

功能说明：设备巡检 Agent、故障预警 Agent、运维调度 Agent 三方协作，故障响应时间从人工半小时压到 Agent 间秒级。

输入要求：SCADA/PLC 数据 → 边缘 Agent → 接入 Avernet

输出效果：产线故障停机时间减少 30% 以上（蚂蚁生产数据）

适用场景：离散制造、半导体产线、能源调度

场景 4：跨组织 Agent 协作（Avernet 最有想象力的场景）

功能说明：通过 Avernet 把多家公司的 Agent 安全接入同一协作网络，但严格遵守 Avernet Trusted Core 的权限边界 —— 这是传统框架几乎做不到的事。

输入要求：联邦身份 + 隐私计算 Agent 接入

输出效果：供应链上的"供应商 Agent + 采购商 Agent + 物流 Agent"三方在不暴露内部数据的前提下协作

适用场景：跨企业供应链协同、政企数据流通

用户群体总结

✅ 多 Agent 协作框架选型者：Avernet 适合作为"协作层"与现有 Agent 框架组合
✅ 企业 AI 中台架构师：把内部异构 Agent 统一接入 Avernet 形成组织级协作网
✅ 大厂金融/工业/政务团队：蚂蚁生产场景已验证，可放心使用
✅ 开源协议爱好者：Apache-2.0，可商用、可二次分发
❌ 不适合：纯单 Agent 应用（用 LangGraph/CrewAI 即可）

💰 开源协议

Apache License 2.0，可商用、可二次分发、无 Copyleft 限制。

蚂蚁集团 2026 年 7 月正式开源 V0.1，承诺会持续开源更多组件；社区路线图已公布：下一版本将新增跨地域集群同步、可视化运维面板、高性能大规模共识模块；长期规划开放插件市场，支持社区贡献场景专属调度插件和第三方 Agent 适配插件。

💡 蚂蚁承诺：开放插件市场与隐私计算协同接口，把金融场景沉淀的多智能体协作技术对外开放，未来值得持续关注。

🎯 总结

Avernet 是 2026 年中国大厂开源生态中最具生产价值的多 Agent 协作基础设施 —— 它不是又一个 LangGraph 复刻框架，而是给 LangGraph/AutoGen/CrewAI 等所有 Agent 框架提供"协作层 OS"。蚂蚁集团带着 10,000+ 真实 agents 的生产经验沉淀，把过去 5 年踩过的坑（注册/发现/对齐/执行/记忆）全部抽成一个开源中间件，对于要做"组织级多 Agent 系统"的团队，这是 2026 年最值得接入的协作层。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 多 Agent 框架架构师、企业 AI 中台负责人、金融/工业/政务 AI 产品经理

立即体验：

GitHub 仓库：inclusionAI/Avernet
中文文档：README.zh-CN.md
一键体验：git clone && ./scripts/singlebox.sh

数据截至 2026-07-12，最新信息请以官网为准。

配套媒体