技能简介

aindy-runtime 是一款自托管 AI Agent 执行运行时（Self-hosted Execution Substrate）。它是 AI 系统运行的那一层「地基」——直接跑在你自己的数据库上，为 Agent 提供持久化执行、审批门控、记忆系统和分布式任务调度能力。与纯云端 AI 服务不同，aindy-runtime 强调数据主权和执行确定性：工作负载是持久的（Durable Work），审批不只是放行，而是生成签名的能力令牌（Capability Token），记忆是可寻址且可评分的。

核心能力

• Flow 引擎：基于 DAG 的执行流，支持 WAIT/RESUME 语义、优先级调度和死信队列恢复
• Agent 运行时：结构化目标 → 计划 → 审批 → 执行循环，内置能力令牌和触发器评估
• 记忆系统：可寻址记忆（/memory/{tenant}/{namespace}/{type}/{id}），按影响/使用/因果深度评分，输出记忆 ID 可追溯，与执行单元深度绑定
• 持久化执行单元：真实状态机（pending | executing | waiting | resumed | completed | failed），waiting 与 resumed 状态可区分，审计查询可区分全新运行与恢复运行
• 系统调用契约：单一入口 SyscallDispatcher，支持模式验证、幂等门控和租户隔离
• MCP 互操作：从 Agent 运行中调用外部 MCP 工具，同时可将运行时系统调用暴露给外部 MCP 客户端
• 效果补偿：追加型效果撤销分类账（append-only effect-reversal ledger），内置 sys.v1.agent.undo 和 sys.v1.agent.simulate（零副作用演练）
• 沙箱认证：Docker 扩展沙箱，带逃逸测试套件和 posture 报告
• 分布式运行：Redis 分布式任务队列、基于租赁的领导者选举、孤儿运行回收看门狗
• 平台 UI：内置运维控制台，支持流程、Agent、调度和可观测性查看
• 插件注册表：支持从外部 Python 包在启动时挂载路由器、流程、任务、系统调用、连接器和事件处理器

安装配置

Docker Compose 快速启动（推荐）

克隆仓库

git clone https://github.com/Masterplanner25/aindy-runtime.git cd aindy-runtime

配置

cp AINDY/.env.example AINDY/.env

编辑 AINDY/.env，至少设置：

SECRET_KEY（python3 -c "import secrets; print(secrets.token_hex(32))"）

OPENAI_API_KEY

启动

docker compose up -d

验证

curl http://localhost:8000/ready # → {"status": "ok", ...}

pip 安装（仅运行时内核）

pip install aindy-runtime

注意：导入名为 AINDY（大写），不是 aindy_runtime

python -c "import AINDY; print('OK')"

完整生产部署（Redis + 分布式 Worker）

docker compose --profile full up -d

带监控（Prometheus on :9090）

docker compose --profile full --profile monitoring up -d

使用步骤

第一步：注册账号

curl -s -X POST http://localhost:8000/auth/register -H "Content-Type: application/json" -d '{"email": "you@example.com", "password": "yourpassword", "username": "you"}'

返回 202（不返回 token，登录单独进行）

第二步：登录获取 JWT

curl -s -X POST http://localhost:8000/auth/login -H "Content-Type: application/json" -d '{"email": "you@example.com", "password": "yourpassword"}'

复制返回的 access_token

第三步：提升为管理员

对于 compose 部署，CLI 在容器内运行：

docker compose exec api aindy-runtime auth promote-admin you@example.com

第四步：创建 Platform API Key

curl -s -X POST http://localhost:8000/platform/keys -H "Authorization: Bearer " -H "Content-Type: application/json" -d '{"name": "my-app", "scopes": ["memory.read", "memory.write", "flow.execute", "event.emit"]}'

第五步：安装 SDK 并调用

pip install aindy-sdk

from aindy_sdk import AINDYClient

client = AINDYClient("http://localhost:8000", api_key="aindy_your_key")
registry = client.syscalls.list()
print(registry["total_count"], "syscalls available")

适用场景

• 企业内部 AI 系统：需要自主执行、高可控性的 AI 运行时，部署在私有云或本地数据中心
• 合规敏感行业：金融、医疗、法律等需要完整执行审计日志和不可篡改记录的行业
• 多租户 SaaS：需要为不同租户提供隔离的 Agent 执行环境
• 复杂工作流自动化：需要 DAG 流程、WAIT/RESUME 状态机、长时运行任务的自动化场景
• 边缘/离线 AI：在无互联网连接的环境中运行 AI Agent（通过 Ollama 等本地模型）
• AI 记忆系统：需要持久化、可评分、可追溯记忆的长期运行 AI 会话

适用人群

• 搭建企业级 AI Agent 平台的架构师和工程师
• 对 AI 执行数据主权有要求的企业
• 需要复杂工作流编排和长时间运行任务的后端开发者
• 研究 AI 执行确定性和可复现性的研究人员
• 需要 MCP 协议互操作能力的 AI 系统集成工程师

工作原理

aindy-runtime 的核心设计理念是「运行时拥有执行循环的原始机制，应用拥有业务公式」。

观察 → 评分 → 调整 → 执行 → 观察，这个闭环的每个阶段都在运行时层实现了通用机制：

aindy-runtime 自身包含约 56K 行第一方 Python 代码、143 个 Python 运行时模块、780+ 测试用例、58 个版本标签。过去 90 天交付了 400+ 次提交。

官方链接

• PyPI：https://pypi.org/project/aindy-runtime/
• GitHub：https://github.com/Masterplanner25/aindy-runtime
• SDK：https://github.com/Masterplanner25/aindy-sdk