langchat

LangChat Agentic 企业商业版

LangChat Agentic 是 LangChat Team 面向企业采购、交付与长期运营推出的商业产品。商业版拥有比当前开源版本更丰富、完整的产品能力，适合需要将 AI 应用规模化部署到真实业务流程中的组织。

商业版主要提供：

• 标准智能体、工作流智能体与 Agentic 智能体三种应用构建范式；
• 长期记忆、记忆压缩、独立会话工作空间与容器化沙箱执行；
• Supervisor、顺序、并行和循环等多 Agent 协同编排；
• 企业知识库、混合检索、索引版本切换、融合排序与可选重排；
• 受控 Text2SQL 智能问数、企业数据源接入与可解释图表；
• Function Call、MCP、A2A、Skill、OpenAPI 与 HTTP 扩展通道；
• 模型治理、权限安全、内容安全、用量与成本控制、运行审计；
• 私有化部署、信创适配、实施交付、培训与持续版本服务。

如果你正在进行企业级 AI 平台选型或采购，建议优先了解 LangChat Agentic：

查看商业版完整能力 · 阅读商业白皮书 · 查看价格与交付方案 · 了解团队

关于 LangChat

LangChat 是一个模块化、可扩展的开源 AI Agent 应用平台。它将模型接入、Agent 构建、知识库 RAG、Skills、MCP、数据分析和权限管理整合到同一套 Java 与 Vue 技术体系中，帮助开发者快速搭建可运行、可集成的 AI 应用。

开源版本适合技术验证、二次开发和团队内部场景建设。项目采用模块化单体架构，在保持部署简单的同时，为后续按领域拆分和能力扩展保留清晰边界。

功能体系

能力	说明
多模型接入	统一管理 OpenAI、Azure OpenAI、Anthropic、Gemini、DeepSeek、通义千问、智谱、Ollama 及 OpenAI 兼容服务
Agent 构建	配置模型、系统提示词、知识库、Skills 与 MCP，提供构建、调试和运行界面
对话运行时	支持会话与消息管理、SSE 流式响应，并提供 OpenAI 兼容的 Chat Completions 接口
知识库 RAG	管理知识库、文档上传、解析预览、分段、索引状态和向量存储配置
Skills 扩展	支持技能包或文件夹上传、文件浏览、下载和运行时工具注册
MCP 集成	管理外部 MCP 服务配置，并在 Agent 运行时复用客户端会话
智能问数	接入数据源、读取结构目录，以自然语言生成分析结果与图表
图像能力	提供图像生成与图像识别接口，复用统一模型配置体系
应用市场	发布和发现 Agent，并从统一聊天界面直接运行应用
权限与治理	提供登录、用户、角色、菜单、动态路由与 RBAC 权限管理

核心亮点

• 统一的 AI 运行时：模型、Agent、知识库、Skills 与 MCP 通过清晰的运行时定义装配，降低业务代码对具体模型 SDK 的耦合。
• 开放的协议入口：同时提供平台 API 与 OpenAI 兼容接口，便于现有客户端和内部系统接入。
• 面向扩展的工具体系：技能文件、工具注册与 MCP 服务可以按 Agent 组合，适合持续接入企业工具和业务能力。
• 从知识到数据分析：同一平台覆盖文档知识检索与结构化数据分析，减少多套 AI 工具之间的上下文割裂。
• 模块化单体架构：后端按 common、auth、aigc、core、datasource、server 划分边界，兼顾开发效率与演进空间。
• 完整管理界面：Vue 3 前端覆盖概览、模型、Agent、知识库、Skills、MCP、数据源、用户与角色等主要工作流。

界面预览

以下截图来自本地开发环境启动后的实际界面，按功能分类展示。信息密度较高的页面（Agent 构建器、文档导入、数据源详情）采用一行两张，其余一行三张。

登录与总览

Agent 应用

知识库与文档导入

智能问数与图片能力

数据源

模型与扩展能力

权限与治理

技术架构

flowchart LR
    U[用户 / 外部系统] --> UI[Vue 3 管理端]
    U --> API[REST / OpenAI-compatible API]
    UI --> API

    API --> AUTH[langchat-auth<br/>认证与 RBAC]
    API --> AIGC[langchat-aigc<br/>配置与资源管理]
    API --> CORE[langchat-core<br/>Agent / Chat / RAG / Skills]
    API --> DS[langchat-datasource<br/>数据源与智能问数]

    CORE --> LLM[模型服务<br/>OpenAI / Gemini / Ollama / ...]
    CORE --> MCP[MCP 服务与工具]
    CORE --> VECTOR[Pgvector / Milvus]
    AIGC --> MYSQL[(MySQL)]
    AUTH --> MYSQL
    DS --> DATA[(业务数据源)]

技术栈

层级	主要技术
后端	Java 17、Spring Boot 3.3、LangChain4j 1.12、MyBatis-Plus、Sa-Token
前端	Vue 3、TypeScript、Vite、Pinia、Naive UI、Tailwind CSS、VXE Table、ECharts
数据	MySQL、PostgreSQL / Pgvector、Milvus
工程	Maven 多模块、pnpm workspace、SSE、OpenAI-compatible API

项目结构

langchat
├── build-release.sh      # 构建后端、前端并生成非 Docker 交付目录
├── build-docker.sh       # Docker 配置准备、镜像构建与服务管理入口
├── langchat-common       # 公共基础能力与依赖管理
├── langchat-auth         # 认证、用户、角色、菜单与权限
├── langchat-aigc         # 模型、Agent、知识库、Skills 等业务管理
├── langchat-core         # 对话运行时、RAG、MCP、图像与数据分析
├── langchat-datasource   # 数据源接入、结构读取与查询能力
├── langchat-server       # Spring Boot 启动与应用配置
├── langchat-ui           # Vue 3 前端工作区
└── docs/db               # 数据库初始化脚本

快速开始

环境要求

• JDK 17+
• Maven 3.9+
• Node.js 22.22+
• pnpm 10.32+
• MySQL 8+

1. 获取代码

git clone -b next https://github.com/langchat/langchat.git
cd langchat

2. 配置本地环境

本地配置文件已被 Git 忽略，不会被提交：

cp langchat-server/src/main/resources/application-local.example.yml \
  langchat-server/src/main/resources/application-local.yml

编辑 application-local.yml，填写数据库连接和本地管理员密码。生产环境请使用环境变量，不要将密码或密钥写入仓库。

数据库初始化脚本位于 docs/db/langchat.sql。

3. 安装前端依赖

cd langchat-ui
corepack enable
pnpm install
cd ..

4. 启动项目

SPRING_PROFILES_ACTIVE=local ./langchat.sh

默认地址：

• 前端：http://localhost:5888
• 后端：http://localhost:8080
• 健康检查：http://localhost:8080/actuator/health

也可以分别运行后端与前端：

mvn -pl langchat-server -am spring-boot:run
pnpm --dir langchat-ui --filter @vben/web-naive dev

构建与部署

项目根目录提供两个统一入口脚本。两者用途不同：build-release.sh 用于生成可复制到服务器的传统交付目录，build-docker.sh 用于构建和管理 Docker Compose 服务。

生成非 Docker 交付目录

执行：

bash build-release.sh

脚本会依次完成 Maven 后端打包、Vue 前端生产构建和交付文件检查，并在根目录生成已被 Git 忽略的 release/：

release/
├── app/langchat.jar
├── config/
├── html/
├── logs/
├── nginx/default.conf
├── sql/01-langchat.sql
└── langchat-workspace/

可以通过环境变量修改输出目录：

LANGCHAT_RELEASE_DIR=/opt/releases/langchat bash build-release.sh

脚本不会自动安装前端依赖。首次构建前请先在 langchat-ui/ 中执行 pnpm install。部署后端时，应复制并修改 release/config/application-runtime.example.yml，再通过 Spring Boot 的 spring.config.additional-location 参数加载真实配置。

Docker Compose 部署

首次部署先生成本地配置：

bash build-docker.sh prepare

该命令仅在文件不存在时创建以下配置，不会覆盖已有内容：

• docker/.env：MySQL、Pgvector、RustFS 和镜像等基础设施参数；
• docker/application-docker.yml：LangChat 后端数据库、管理员和 S3 客户端配置。

修改两份配置并确保数据库与 RustFS 凭据相互一致，然后执行：

bash build-docker.sh deploy

deploy 会构建 LangChat 镜像并在后台启动 LangChat、MySQL、Pgvector 与 RustFS。后端业务配置通过 Compose 同目录的 YAML 文件挂载到容器中，不需要在 docker-compose.yml 内维护大量应用参数。

常用命令：

命令	作用
bash build-docker.sh build	仅构建 LangChat 应用镜像
bash build-docker.sh up	使用现有镜像启动全部服务
bash build-docker.sh down	停止并删除容器，保留数据卷
bash build-docker.sh restart	重启 LangChat 应用容器
bash build-docker.sh logs [服务名]	持续查看日志，默认服务为 langchat
bash build-docker.sh status	查看服务状态
bash build-docker.sh config	展开并校验 Compose 配置
bash build-docker.sh release	调用 build-release.sh 生成传统交付目录

可通过 LANGCHAT_DOCKER_ENV_FILE 指定其他 Compose 环境变量文件，通过 LANGCHAT_CONFIG_SOURCE 指定相对于 docker/docker-compose.yml 的后端 YAML。完整的容器端口、存储和健康检查说明见 Docker 部署文档。

配置与安全

• application.yml 保存通用配置。
• application-dev.yml、application-test.yml 和 application-prod.yml 对应不同运行环境。
• application-local.yml 仅用于本机真实配置，已加入 .gitignore。
• Docker 部署的后端业务参数写入本地 docker/application-docker.yml，基础设施参数写入 docker/.env；两个文件均已被 Git 忽略。
• 部署前必须替换示例中的 change-me、默认密码和访问密钥；build-docker.sh 会拒绝使用仍包含 change-me 的配置启动。
• 非 Docker 部署可以使用外部 YAML 或环境变量覆盖配置，不要直接修改并提交生产凭据。
• 不要在 Issue、日志、提交记录或截图中公开 API Key、数据库密码和访问令牌。

参与贡献

欢迎通过 Issue 报告问题、讨论设计或提出功能建议。提交代码前请阅读 贡献指南 与 行为准则。安全问题请按照 安全政策 私下报告。

当前开发基线为 next 分支，请基于该分支创建功能分支并向 next 提交 Pull Request。

商业支持

LangChat Agentic 是面向企业采购的完整商业产品。如果你的组织正在建设企业级智能体平台，或需要私有化部署、系统集成、实施交付与持续服务，建议直接评估 LangChat Agentic。

• LangChat 官网
• LangChat Agentic 产品介绍
• 商业白皮书
• 价格与交付方案

许可证

除子目录另有声明外，本项目基于 Apache License 2.0 开源。langchat-ui 包含基于 MIT License 分发的 Vue Vben Admin 相关代码，详情请参阅 langchat-ui/LICENSE 和 NOTICE。

Copyright © 2026 LangChat Team.