Coze开源本地部署教程：10分钟快速上手实战指南

Coze 正式开源，采用 Apache 2.0 协议。这意味着任何团队或个人都能免费下载、本地部署，甚至用于商业项目。

扣子（Coze）此次一口气开源了两个核心项目：Coze Loop 和 Coze Studio。

Coze Loop 是一个面向开发者的 AI Agent 开发与运维平台，覆盖从开发、调试、评测到监控的全生命周期。开源版开放了关键功能，包括 Prompt 调试（支持版本管理与可视化对比）、多维度自动化评测，以及全链路执行观测（Trace 追踪）。你可以接入 OpenAI、火山引擎方舟等模型，也方便进行定制化扩展。社区支持完善，协议采用 Apache 2.0。

Coze Studio 大家应该更熟悉一些。这是一站式 AI Agent 开发工具，支持零代码或低代码开发，提供模型服务管理、智能体/应用/工作流搭建、开发资源管理，以及 API 和 SDK。简单来说，就是平时大家使用的 Coze 开发环境。

GitHub 地址：

https://github.com/coze-dev/coze-studio

https://github.com/coze-dev/cozeloop

这次开源的协议极为宽松，Apache 2.0 允许所有人免费下载并用于商用场景。

安装门槛也低得令人意外——最低系统要求仅为 2 Core、4 GB 内存。手边的普通电脑基本都能跑起来。

当然，开源版与线上商业版存在差异。开源版主要包含以下功能：

• 模型服务：管理模型列表，可接入 OpenAI、火山引擎方舟等在线或本地模型服务
• 搭建智能体：编排、发布、管理智能体，支持配置工作流、知识库等资源
• 搭建应用：创建、发布应用，通过工作流搭建业务逻辑
• 搭建工作流：创建、修改、发布、删除工作流
• 开发资源：支持创建并管理插件、知识库、数据库、提示词等资源
• API 与 SDK：提供会话创建、对话发起等 OpenAPI，通过 Chat SDK 将智能体或应用集成到自有系统

下面就是完整的本地部署教程。

1. 环境要求

安装前，确认机器满足最低系统需求：2 Core、4 GB 内存。此外，需提前安装 Docker 和 Docker Compose，并确保 Docker 服务已启动。

若电脑上未安装 Docker，搜索 Docker 安装教程，按步骤操作即可，难度不大。

2. 获取源码

# 克隆代码
git clone https://github.com/coze-dev/coze-studio.git

3. 配置模型

先从模板目录复制一份 doubao-seed-1.6 模型的模板文件，粘贴到配置文件目录。直接使用指令操作：

cd coze-studio
# 复制模型配置模板
cp backend/conf/model/template/model_template_ark_doubao-seed-1.6.yaml backend/conf/model/ark_doubao-seed-1.6.yaml

具体来说，进入 backend/conf/model/template 文件夹，你会看到各种模型的配置文件。例如你想用 Claude、Gemini，就把对应的模型文件复制到 backend/conf/model 路径下。

完成上述步骤后，进入配置文件目录修改模板文件：

1. 进入目录 backend/conf/model，打开复制后的文件 ark_doubao-seed-1.6.yaml。
2. 设置 id、meta.conn_config.api_key、meta.conn_config.model 字段，然后保存文件。

几个字段的含义：

• meta.conn_config.model：模型服务的 model ID，本例中对应火山引擎方舟 doubao-seed-1.6 模型接入点的 Endpoint ID。
• id：Coze Studio 中的模型 ID，由开发者自行定义。注意：必须是非 0 整数，且全局唯一。模型上线后不可再修改。
• meta.conn_config.api_key：模型服务的 API Key。例如豆包模型使用火山引擎服务，登录火山引擎控制台获取 API 访问密钥即可。

获取 Endpoint ID 的流程：进入火山引擎在线推理模块，创建推理接入点。成功创建后，那串字符即为所需的 Endpoint ID。

4. 部署启动服务

首次部署并启动 Coze Studio，需要拉取镜像并构建本地镜像。在项目根目录执行以下指令：

cd docker
cp .env.example .env
docker compose --profile '*' up -d

拉取镜像耗时较长，耐心等待即可。若看到提示 "Container coze-server Started"，说明 Coze Studio 服务已成功启动。

接着，用浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。首次登录时，随意输入邮箱和密码注册，就能进入首页。

进入后随意创建一个智能体，测试大模型能否正常调用。如果可以，恭喜——你已经成功在本地部署好 Coze Studio 了。

话说回来，虽然 Coze Studio 已开源，但对比官方商业版，确实少了些功能：商城、插件、模板基本都没有。想要什么插件或模板，都得自己动手编写。因此对于普通个人用户，本地部署的实际收益有限，直接用线上版更省事。

Coze 这次开源，更多是利好企业端。企业可以利用 Coze 进行二次开发，或将其融入自身成熟的业务体系。从行业视角看，这无疑会加速 AI Agent 构建平台的迭代进程。

那么，你部署成功了吗？

来源：互联网