不用服务器，不用配环境，我10分钟上线了一个AI Agent

1. 引言过去搭建一个 AI Agent往往需要先买服务器、配 Python 环境、装依赖、写编排代码……一套流程下来半天就过去了。但现在借助云端 Agent 平台你甚至不需要一行服务器代码10 分钟就能上线一个可用的 AI Agent。本文会带你从零开始用最轻量的方式快速搭建一个能调用外部工具的 AI Agent全程不需要自己管理任何基础设施。每一步都会配上截图和可运行的代码示例让你跟着操作就能完成。2. 你需要准备什么在开始之前你只需要一个浏览器Chrome / Edge 均可一个 OpenAI / Anthropic / 或其他 LLM 的 API Key一个支持 Agent 编排的云端平台账号如 Dify、Coze、FastGPT 等没错不需要安装 Python、Node.js、Docker也不需要买云服务器。下面是一个简单的环境检查脚本你可以在浏览器控制台运行确认网络连通性// 在浏览器控制台运行检查 API Key 是否可用 const apiKey sk-your-api-key-here; // 替换为你的真实 Key fetch(https://api.openai.com/v1/models, { headers: { Authorization: Bearer ${apiKey} } }) .then(res res.json()) .then(data console.log(API 可用模型数量, data.data.length)) .catch(err console.error(API 不可用请检查 Key, err));3. 选择平台Dify 为例本文以Dify为例演示因为它是开源且支持私有部署的但如果你不想自己部署直接用它的 SaaS 版本也一样。其他平台Coze、FastGPT的操作逻辑大同小异。注册 Dify 账号后进入工作台点击「创建应用」→「Agent」。你会看到一个类似聊天界面的编辑器。创建完成后你会看到如下界面布局左侧是工具配置区中间是提示词编辑区右侧是对话测试区。Dify Agent 编辑器布局说明 ┌─────────────────────────────────────────┐ │ 左侧工具面板 │ 中间提示词编辑 │ 右侧对话测试 │ │ - 模型选择 │ - 系统提示词 │ - 输入消息 │ │ - 工具列表 │ - 变量设置 │ - 查看回复 │ │ - 知识库 │ - 上下文管理 │ - 工具调用日志 │ └─────────────────────────────────────────┘4. 配置 Agent 的核心步骤4.1 设置模型在 Agent 编辑器中选择你使用的 LLM 模型。推荐使用 GPT-4o 或 Claude 3.5 Sonnet它们对工具调用的理解更准确。填入你的 API Key。如果你使用的是 OpenAIAPI Key 的格式如下# OpenAI API Key 示例在 platform.openai.com 获取 sk-proj-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx4.2 添加工具这是 Agent 真正发挥作用的关键。Dify 内置了多种工具网页搜索让 Agent 能实时搜索互联网代码执行器让 Agent 能运行 Python 代码自定义 API 工具对接你自己的业务接口点击「添加工具」选择「网页搜索」填入搜索引擎的 API Key如 SerpAPI 或 Bing Search API。下面是一个自定义 API 工具的配置示例假设你要让 Agent 查询天气{ name: weather_query, description: 查询指定城市的实时天气, parameters: { type: object, properties: { city: { type: string, description: 城市名称如 北京、上海 } }, required: [city] }, url: https://api.weather.com/v1/query, method: GET, headers: { Authorization: Bearer YOUR_WEATHER_API_KEY } }4.3 编写系统提示词在「系统提示词」框中告诉 Agent 它的角色和行为规则。例如你是一个智能助手可以搜索互联网来回答用户的问题。 当你需要最新信息时请使用网页搜索工具。 回答要简洁、准确并注明信息来源。更高级的提示词模板可以参考下面这个# 角色 你是一个专业的 AI 研究助手擅长信息检索和知识整合。 行为规则 当用户询问实时信息新闻、天气、股价等时必须使用网页搜索工具。 每次回答都要引用信息来源格式为 [来源链接]。 如果搜索结果不足以回答问题请明确告知用户不要编造信息。 回答使用中文保持专业但易懂的语气。 输出格式 简短结论1-2 句 详细说明分点列出 信息来源链接列表4.4 测试与发布在右侧的对话面板中输入一个问题测试 Agent 是否正常工作。比如问「今天北京的天气怎么样」如果 Agent 调用了搜索工具并返回结果说明配置成功。测试通过后点击「发布」。Dify 会生成一个 API 端点和一个 Web 聊天界面链接。你可以把这个链接分享给任何人他们就能直接使用你的 Agent 了。发布后你可以通过 API 调用你的 Agentimport requests Dify 生成的 API 端点 url https://api.dify.ai/v1/chat-messages api_key app-your-dify-app-key # 在发布页面获取 headers { Authorization: fBearer {api_key}, Content-Type: application/json } payload { inputs: {}, query: 今天北京的天气怎么样, response_mode: streaming, user: test-user } response requests.post(url, jsonpayload, headersheaders, streamTrue) for line in response.iter_lines(): if line: print(line.decode(utf-8))5. 10 分钟时间线步骤耗时详细操作注册平台 获取 API Key2 分钟打开 Dify 官网注册账号在 OpenAI 后台生成 API Key创建 Agent 应用1 分钟点击「创建应用」→ 选择「Agent」→ 命名配置模型和工具3 分钟选择模型、填入 API Key、添加网页搜索工具编写提示词2 分钟编写系统提示词定义 Agent 角色和行为规则测试 发布2 分钟在对话面板测试确认无误后点击发布总计10 分钟从零到可用的 AI Agent6. 进阶让 Agent 更强大如果你想让 Agent 做更多事情可以添加知识库上传 PDF、Word 文档让 Agent 基于你的私有知识回答问题。Dify 支持上传后自动向量化无需手动处理。连接数据库通过自定义工具让 Agent 查询 MySQL / PostgreSQL。下面是一个数据库查询工具的配置示例# 自定义数据库查询工具在 Dify 中配置为 API 工具 import pymysql import json def query_database(sql: str) - str: 执行 SQL 查询并返回 JSON 结果 connection pymysql.connect( hostyour-db-host, useryour-username, passwordyour-password, databaseyour-db-name ) try: with connection.cursor() as cursor: cursor.execute(sql) result cursor.fetchall() return json.dumps(result, ensure_asciiFalse, defaultstr) finally: connection.close()多 Agent 协作用 Dify 的工作流模式编排多个 Agent 分工合作。例如一个 Agent 负责搜索另一个负责总结第三个负责生成报告。嵌入到网站把生成的聊天界面通过 iframe 嵌入到你的官网。7. 总结现在你不需要自己管理服务器、配置环境、写编排代码就能在 10 分钟内上线一个可用的 AI Agent。这对于快速验证想法、搭建内部工具、甚至给客户做 Demo 都非常实用。如果你有更复杂的业务需求再考虑用 LangChain、AutoGen 等框架做深度定制。但 80% 的场景下一个云端 Agent 平台已经足够。最后附上一个完整的 Agent 调用示例你可以直接复制运行# 完整示例通过 API 调用你的 Dify Agent import requests import json 配置 DIFY_API_URL https://api.dify.ai/v1/chat-messages DIFY_APP_KEY app-your-dify-app-key # 替换为你的 Key 发送消息 def ask_agent(query: str) - str: headers { Authorization: fBearer {DIFY_APP_KEY}, Content-Type: application/json } payload { inputs: {}, query: query, response_mode: blocking, # 或 streaming user: demo-user } response requests.post(DIFY_API_URL, jsonpayload, headersheaders) if response.status_code 200: data response.json() return data.get(answer, 无回复) else: return f错误{response.status_code} - {response.text} 测试 if name main: result ask_agent(用中文介绍一下 AI Agent 是什么) print(Agent 回复) print(result)