企业官网建设流程全解析

10个核心命令玩转AgentField af CLI：搭建本地AI Agent开发环境完整指南

【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield

AgentField 是一个将 AI Agent 像 API 和微服务一样构建、运行和扩展的开源 AI Agent 平台。它的af命令行工具是搭建本地 AI Agent 开发环境的核心入口：一条命令完成环境体检、项目初始化、节点安装、启动、调用与排障。本文将带你用 10 个核心命令快速搭好属于你自己的 AgentField 本地环境 🚀

先认识一下 af CLI 的 10 个核心命令

AgentField 的 af CLI 入口定义在 control-plane/cmd/af/main.go，命令注册逻辑位于 control-plane/internal/cli/root.go。对新手来说，掌握下表 10 个命令即可覆盖完整的本地开发链路：

第1步：af doctor —— 先做本地环境体检

在动手之前，先让 CLI 帮你扫一遍开发环境。af doctor会检测 Python、Node、Docker、各模型服务商 API Key 是否就绪，并给出推荐方案：

af doctor # 人类可读的体检报告 af doctor --json # 机器可读输出，方便脚本集成 af doctor --probe # 额外对编码 harness 做一次真实连通探测

它的检测逻辑与报告结构定义在 control-plane/internal/cli/doctor.go。如果某项缺失，报告里的 Notes 会直接告诉你缺什么、该怎么补。

第2步：af init —— 交互式创建 Agent 项目

af init会以交互向导的方式引导你输入项目名称、选择语言（Python / Go / TypeScript）、填写作者信息，然后生成一个可直接运行的 Agent 项目骨架：

af init my-agent

交互式流程实现于 control-plane/internal/cli/init.go，项目模板位于 control-plane/internal/templates/。

第3步：af install —— 安装 Agent 节点包

Agent 在 AgentField 中被称为"节点包"（node package）。af install支持三种来源：本地目录、Git 仓库地址（可带@版本与子目录）或注册表包名：

af install ./my-agent # 本地目录 af install <git-url>@v1.0.0 --path go # Git 仓库中的子目录 af install my-agent-name # 注册表中的包名

想先看某个包需要哪些环境变量再决定是否安装？用af show-requirements <包路径>。命令实现见 control-plane/internal/cli/commands/install.go。

第4步：af run —— 一键启动你的 AI Agent

af run my-agent # 后台启动，自动分配空闲端口并注册到控制面 af run my-agent --port 8005 # 指定端口 af run my-agent --detach=false # 前台运行，便于观察输出

af run会启动节点进程、分配端口，并在控制面可用时自动完成注册，实现见 control-plane/internal/cli/commands/run.go。

第5步：af list —— 查看已安装节点与运行状态

af list # 表格视图：名称、版本、状态（running/stopped）、端口 af list --json # 机器可读输出

它是日常开发中最高频的"仪表盘"，状态读取逻辑位于 control-plane/internal/cli/list.go。

第6步：af config —— 为节点配置环境变量

大多数 Agent 节点需要模型服务商的 API Key 等配置。af config让你在安装后、启动前为指定包设置环境变量：

af config my-agent

配置项解析机制位于 control-plane/internal/packages/env_resolver.go，完整环境变量清单见 docs/ENVIRONMENT_VARIABLES.md。

第7步：af call —— 像调 API 一样触发 AI Agent

这是整个工作流的高光时刻 ✅。af call按<节点>.<推理器>格式调用指定 Agent，支持内联 JSON、文件输入、异步执行与字段提取：

af call my-agent.answer_schema # 先看输入结构 af call my-agent.summarize --in '{"text": "..."}' af call my-agent.summarize --in @input.yaml --async af call my-agent.report -o json --field .findings[0].score

命令实现见 control-plane/internal/cli/call.go，接口契约文档在 docs/api/EXECUTE.md。

第8~10步：af stop / af logs / af version —— 收尾三件套

• af stop：停止指定节点（逻辑在 control-plane/internal/cli/stop.go）；
• af logs：查看节点日志，排障第一选择，支持实时 tail（control-plane/internal/cli/logs.go）；
• af version：确认版本与构建信息（control-plane/internal/cli/version.go）。

快速上手：5 分钟走通全流程

af doctor # 1. 环境体检 git clone https://gitcode.com/gh_mirrors/ag/agentfield # 2. 获取源码 af init demo-agent # 3. 初始化项目 af install ./demo-agent # 4. 安装节点包 af config demo-agent # 5. 配置 API Key af run demo-agent # 6. 启动 af call demo-agent.hello # 7. 调用 af logs demo-agent # 8. 查看日志 af stop demo-agent # 9. 停止

小贴士

• 每个命令都支持--json，方便接入脚本；
• 命令出错时，终端会提示af agent help—— 那是专为编码 Agent 优化的结构化 JSON 命令参考；
• 完整架构说明见 docs/ARCHITECTURE.md，本地开发指南见 docs/DEVELOPMENT.md；
• 三种语言的 SDK 分别位于 sdk/python/、sdk/go/、sdk/typescript/，节点示例见 examples/；
• 默认配置文件模板在 control-plane/config/agentfield.yaml。

掌握这 10 个命令，你就已经拥有了一个完整的本地 AI Agent 开发环境。建议先从install → run → call三步走通闭环，再逐步探索doctor、logs等排障利器，让 Agent 真正像微服务一样在你的机器上跑起来 🎉

【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield