Open Bot 开源发布——兼容任意 Agent Harness 的企业级 Grok Bot
CopilotKit 发布完全开源的 Open Bot，采用 MIT 许可，支持在企业自有基础设施上运行 AI 同事。其核心是 AG-UI 协议，可接入 Google ADK、AWS Strands、LangChain 等任意 Agent harness；每个 Bot 运行于独立计算环境，通过策略网关实现动作审计与 fail-closed 权限控制；全部数据自托管，治理日志记录决策主体与依据。项目当前处于 Alpha 阶段。
CopilotKit 正式发布 Open Bot，一个完全开源的企业级 Agent 平台，采用 MIT 许可，允许公司在其自有基础设施上运行 AI 同事。与市面上多数 Agent 产品绑定特定框架不同，Open Bot 通过 AG-UI 协议接入任意 Agent harness——包括 Google ADK、AWS Strands、LangChain、CrewAI、Claude Agent SDK 等——并将每个 Agent 隔离在独立的计算机环境中，配备完整的权限网关与审计日志。
AG-UI：让 Agent 与界面解耦的开放协议
Open Bot 的核心设计决策是采用 AG-UI（Agent-User Interaction Protocol）作为接入标准。CopilotKit 将 AG-UI 定义为开放、基于事件的 Agent-用户交互协议：MCP 负责提供工具与上下文，A2A 负责 Agent 间协调，而 AG-UI 让 Agent 的工作过程变得可观察、可中断。任何支持 AG-UI 的端点——无论底层是 LangGraph、Mastra、PydanticAI 还是自定义代码——都可以注册为 Open Bot 中的一个 Bot。
这一设计直接回应了当前 Agent 生态碎片化的问题。过去一年，Google、AWS、微软以及开源社区各自推出了 Agent 框架，彼此之间缺乏统一的交互标准。Open Bot 选择站在协议层而非框架层，意味着企业不需要为每个新框架重写部署逻辑——只要它支持 AG-UI，就能直接接入现有基础设施。
每个 Bot 一台独立计算机：安全隔离的工程实现
Open Bot 的企业安全模型建立在物理隔离而非逻辑隔离之上。每个 Bot 拥有独立的容器、/workspace 卷和浏览器配置文件，一个 Bot 无法读取另一个 Bot 的文件或复用其登录会话。CopilotKit 在发布中强调，这种隔离确保跨 Bot 数据泄露在架构层面即被阻断。
更关键的是动作执行的策略网关。Open Bot 的每个计算机操作都经过一个网关：先解析服务器端的目标快照，评估策略，写入审计记录，然后才实际调用计算机。策略使用 CEL（Common Expression Language）规则，且采用 fail-closed 设计——deny 规则先于 allow 规则评估，缺失或损坏的策略会直接拒绝动作，而不是默认放行。当人类接管控制时，Bot 的动作会被拒绝而非排队等待。
数据所有权与治理：自托管不是口号
Open Bot 的数据架构围绕“客户拥有全部数据”这一原则设计。Docker Compose 是演示路径，Helm 是生产路径；文档、向量、权限和对话记录全部存储在客户自己的 PostgreSQL 中。模型凭据在静态时加密，永不返回或记录，且没有内置模型会静默接管。敏感的 MCP 调用需要显式的逐工具白名单，每次调用和结果都会被记录。
治理日志的设计尤为细致。Open Bot 记录的不只是“发生了什么”，还包括“谁做的决定”和“为什么做这个决定”。对于需要满足合规审计的企业，这种级别的可追溯性是 Agent 从实验走向生产的关键前提。知识检索权限同样采用 fail-closed 策略：Agent 只能看到请求者本人有权打开的文档，模糊的映射关系返回空结果而非猜测。
目前处于 Alpha 阶段
需要明确的是，Open Bot 仍处于 alpha 阶段。CopilotKit 在发布中明确标注“actively building this out”，GitHub 仓库的 README 也声明项目正在积极开发中。这意味着当前版本适合技术验证和架构评估，而非直接承载关键生产负载。
Open Bot 的真正价值不在于它本身是一个多么强大的 Agent，而在于它提供了一个可审计、可隔离、可自托管的企业 Agent 运行环境。当 Agent 开始处理真实业务数据时，框架选择变得次要，治理能力成为核心。Open Bot 选择在协议层解决问题，让企业可以继续使用自己偏好的 Agent 框架，同时获得统一的安全边界和操作透明度。这种“框架无关、治理统一”的思路，可能是 Agent 从演示走向生产的最短路径。
JOTO 企业落地观察
- AG-UI 协议的出现，使企业无需在 Agent 框架选型上做非此即彼的长期锁定，可将智能体工程重心转向任务建模与治理规则沉淀，而非适配层开发。
- 物理级隔离 + 策略网关的组合，将传统应用安全中的“最小权限”与“操作留痕”原则直接映射到 Agent 行为层，这对金融、政务等强监管场景的 RAG 知识工程构成关键支撑。
- fail-closed 策略设计与显式工具白名单机制，要求企业在部署前必须完成权限映射与行为边界的明确定义，这倒逼团队建立面向 Agent 的安全治理 SOP，而非依赖事后审计补救。
- Alpha 阶段即开放全部治理日志结构与 CEL 策略接口，说明该平台将“可验证的合规性”视为基础能力而非附加模块，这对需要通过等保或行业认证的企业部署具有明确参考价值。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们
