Studio Agent 模式¶
通过 HiveFlow Studio 与 Agent 运行时运行自然语言规划与 DAG 执行。
适用场景¶
- 可视化编排 + 自然语言生成计划(
plan-only) - 在 Agent 运行时逐步执行计划图(
execute-plan) - 无需先构建工作流的即席查询(
query)
前置条件¶
# Backend (from repo root)
cd packages/studio/backend
pip install -r requirements.txt
export HIVEFLOW_RUNTIME=agent
export HIVEFLOW_AGENT_ECHO_LLM=true # CI / local UI without API keys
export HIVEFLOW_PLAN_HITL=true # optional: plan approval gate
uvicorn app.main:app --reload --port 8000
# Frontend
cd packages/studio/frontend
npm install && npm run dev
打开 Orchestrator,启用 Agent / real mode,然后使用 Agent 抽屉。
三个 HTTP API¶
| 端点 | 用途 | 返回 |
|---|---|---|
POST /api/agent/query |
完整 NL 查询 → 计划(若启用则 HITL)→ 执行 | intent_id、plan、results |
POST /api/agent/plan-only |
仅生成计划 JSON(不执行) | plan、intent_id |
POST /api/agent/execute-plan |
执行已有计划图 | 各步结果 |
plan-only → 画布 → execute-plan¶
- 用目标调用 plan-only。
- 在 Orchestrator 抽屉中点击 导入到画布。
- 点击 执行 DAG — Agent 模式下调用 execute-plan,而非 Core
/api/workflows/execute。
导出到 LangGraph¶
- Agent 抽屉(plan-only / run_query 后):导出 LangGraph JSON 或 导出 LangGraph + Python 模板
- 工具栏:导出 LangGraph 通过
POST /api/agent/export-langgraph将当前画布 TaskGraph 转换
Chatflow¶
Agent 模式下,Chatflow 对节点拓扑排序,并通过 run_query 逐节点运行 ai_reply 步骤(见 src/utils/chatflowTopology.ts)。
环境变量¶
| 变量 | 效果 |
|---|---|
HIVEFLOW_RUNTIME=agent |
启动时 Agent 运行时已激活 |
HIVEFLOW_AGENT_ECHO_LLM=true |
用于计划的 Mock LLM(CI 友好) |
HIVEFLOW_PLAN_HITL=true |
计划审批暂停(node_id=plan_approval) |