带可二次开发的管理配置端 + 非低代码 + 原生支持标准化 Skill框架选择

「带可二次开发的管理配置端 + 非低代码 + 原生支持标准化 Skill」的开源 Agent 框架，筛选 3款完全匹配的框架（均为代码级可扩展、自带 Skill 管理后台、支持 SKILL.md/MCP 标准），附核心特性、二次开发要点和部署步骤，都是企业级/开发者友好的选型：

一、首选：LangGraph + LangServe（LangChain 官方生态，Python 栈，极致可扩展）

核心定位

LangChain 官方推出的「Agent 编排 + 服务化」框架，自带可二次开发的 Skill/Tool 管理后台（LangServe Dashboard），纯代码开发、无低代码封装，是 Python 生态的最佳选择。

关键特性

1. Skill 管理能力：
   • 原生支持 StructuredTool（对应 SKILL.md 标准），可通过代码/API 注册、禁用、版本管理；
   • 内置 MCP 协议适配，可直接加载 SKILL.md + scripts 格式的 Skill；
2. 管理配置端：
   • 自带 LangServe Dashboard（Web 管理后台），支持 Skill 列表、调用日志、参数配置；
   • 后台基于 FastAPI + React 开发，前端/后端均可完全二次开发；
3. 二次开发友好：
   • 纯 Python 代码编写 Agent 逻辑，无低代码拖拽；
   • 模块化设计（Skill 加载器、Agent 执行器、权限控制可拆分扩展）；
   • 支持自定义 Skill 元数据、调度规则、沙箱运行环境。

部署 & 二次开发步骤

1. 基础部署

# 安装核心依赖 pip install langgraph langserve langchain-openai fastapi uvicorn # 启动带 Dashboard 的 LangServe 服务 langserve start --host 0.0.0.0 --port 8000 --dashboard 

访问 http://localhost:8000/docs（API 管理）、http://localhost:8000/dashboard（可视化管理后台）。

2. 二次开发 Skill 管理模块

# 示例：扩展 Skill 管理 API（可直接集成到自有后台）from fastapi import FastAPI, APIRouter, Depends from langserve import add_routes from langgraph.graph import StateGraph, END from langchain_core.tools import StructuredTool from pydantic import BaseModel import yaml from pathlib import Path # 1. 自定义 Skill 加载器（解析 SKILL.md）defload_skill_from_dir(skill_dir:str)-> StructuredTool: skill_path = Path(skill_dir)# 解析 SKILL.md 的 YAML 头withopen(skill_path /"SKILL.md","r", encoding="utf-8")as f: yaml_head = f.read().split("---")[1].strip() skill_meta = yaml.safe_load(yaml_head)# 构建执行函数（调用 scripts 脚本）defskill_executor(**kwargs):import subprocess cmd =["python",str(skill_path / skill_meta["mcp"]["script_path"])]for k, v in kwargs.items(): cmd +=[f"--{k}",str(v)] result = subprocess.run(cmd, capture_output=True, text=True)return result.stdout.strip()# 构建 StructuredTool param_fields ={p["name"]:(eval(p["type"]),...)for p in skill_meta["parameters"]} ParamModel = BaseModel(**param_fields)return StructuredTool.from_function( func=skill_executor, name=skill_meta["name"], description=skill_meta["description"], args_schema=ParamModel )# 2. 扩展 Skill 管理 API（注册/删除/列表） app = FastAPI(title="Agent Skill 管理平台") skill_router = APIRouter(prefix="/admin/skills") registered_skills ={}@skill_router.post("/register")defregister_skill(skill_dir:str):"""注册 SKILL.md 格式的 Skill""" skill = load_skill_from_dir(skill_dir) registered_skills[skill.name]= skill # 添加到 LangServe 路由 add_routes(app, skill, path=f"/skills/{skill.name}")return{"code":0,"msg":f"Skill {skill.name} 注册成功"}@skill_router.get("/list")deflist_skills():"""获取所有已注册的 Skill"""return{"code":0,"data":[{"name": k,"description": v.description}for k, v in registered_skills.items()]} app.include_router(skill_router)# 3. 启动服务（集成自定义管理 API）if __name__ =="__main__":import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000)

3. 前端二次开发

LangServe Dashboard 的前端源码在 langchain/langserve/dashboard，基于 React + TypeScript 开发：

• 克隆源码后，可修改 src/components/SkillList.tsx 扩展 Skill 配置项；
• 可添加「导入 SKILL.md」「批量注册 Skill」等功能；
• 编译后替换原 Dashboard 静态资源即可。

二、次选：AgentScope（阿里云开源，多 Agent 管理，Go/Python 双栈）

核心定位

阿里云开源的 Agent 开发框架，自带「Agent 管理控制台」，支持 Skill 标准化注册/配置，纯代码开发、无低代码，适合多 Agent 协作场景。

关键特性

1. Skill 管理能力：
   • 内置 Skill 抽象类，可直接映射 SKILL.md 标准（name/description/parameters）；
   • 支持 Skill 版本管理、权限控制、沙箱运行；
2. 管理配置端：
   • 自带 Web 控制台（Go 开发），支持 Skill 列表、调用监控、参数配置；
   • 控制台 API 开放，可二次开发自定义配置项；
3. 二次开发友好：
   • 支持 Python/Go 双语言开发，模块化设计；
   • 提供 Skill 加载器、执行器的扩展接口；
   • 支持自定义 MCP 协议适配。

快速部署

# 安装 pip install agentscope # 启动管理控制台 agentscope dashboard start --port 9000# 注册 Skill（代码/控制台均可） python -m agentscope skill register ./calculator-skill 

访问 http://localhost:9000 即可进入管理后台，支持 Skill 配置、Agent 编排、调用日志查看。

三、备选：OpenAGI（清华开源，全栈可扩展，Skill 市场）

核心定位

清华大学开源的 Agent 框架，自带「Skill 管理平台」，纯代码开发，支持 SKILL.md/MCP 标准，适合复杂场景的二次开发。

关键特性

1. Skill 管理能力：
   • 原生支持 Skill 标准化注册（匹配 SKILL.md 元数据）；
   • 支持 Skill 市场、版本迭代、依赖管理；
2. 管理配置端：
   • 自带 Web 管理后台（FastAPI + Vue），可二次开发；
   • 支持 Skill 在线编辑、参数配置、调用测试；
3. 二次开发友好：
   • 纯 Python 代码编写，无低代码封装；
   • 提供 Skill 加载器、执行器的扩展接口；
   • 支持自定义 Agent 调度规则、Skill 路由策略。

部署步骤

# 克隆源码git clone https://github.com/agiresearch/OpenAGI.git cd OpenAGI # 安装依赖 pip install -r requirements.txt # 启动服务（含管理后台） python run.py --web --port 7000

访问 http://localhost:7000 进入管理后台，可直接导入 SKILL.md 格式的 Skill，支持在线配置参数、测试调用。

四、核心选型对比（适配需求）

总结

核心关键点回顾

1. 首选 LangGraph + LangServe：Python 栈、生态最成熟、管理后台可完全二次开发，完美适配 SKILL.md + scripts 标准，无需低代码；
2. 管理端扩展思路：
   • 后端：基于 FastAPI 扩展 Skill 注册/配置 API，对接数据库存储 Skill 元数据；
   • 前端：基于 React/Vue 开发自定义配置页面，调用扩展 API 实现 Skill 在线配置、导入导出；
3. Skill 适配核心：所有框架都可通过「解析 SKILL.md YAML 头 → 构建标准 Tool/Skill 对象 → 注册到框架」的方式，无缝加载标准化 Skill。