Coze开源本地部署10分钟轻松上手全攻略

Coze 现已正式开源，采用 Apache 2.0 许可协议。这意味着任何人都能免费下载、本地部署，甚至用于商业用途，无需额外授权。

此次扣子（Coze）一次性开源了两个核心项目：Coze Loop 与 Coze Studio。

Coze Loop 是面向开发者的 AI Agent 开发与运维平台。简单来说，它覆盖了从开发、调试、评测到监控的完整生命周期。开源版本直接开放了核心功能，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、全链路执行观测（Trace 追踪）。你可以接入 OpenAI、火山方舟等模型，也便于进行定制化扩展。社区支持完善，许可证采用 Apache 2.0。

Coze Studio 对许多用户而言应该更为熟悉。它是一站式的 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 与 SDK。简单来说，就是日常使用的 Coze 开发工具。

GitHub 地址：

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

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

本次开源协议非常宽松，采用 Apache 2.0，所有人都可免费下载并用于商业场景。

安装门槛同样低得令人意外——最低系统要求仅为 2 核、4 GB 内存。基本上，手边的普通电脑都能顺畅运行。

当然，开源版本与线上商业版存在差异。开源版本主要包含以下功能：

• 模型服务：管理模型列表，可接入 OpenAI、火山方舟等在线或离线模型服务
• 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：创建会话、发起对话等 OpenAPI，通过 Chat SDK 将智能体或应用集成到自有系统中

下面是详细的本地部署教程。

1. 环境要求

开始安装之前，请确保你的机器满足最低系统要求：2 核、4 GB 内存。此外，需要提前安装 Docker 与 Docker Compose，并启动 Docker 服务。

如果电脑尚未安装 Docker，搜索 Docker 安装教程并按照步骤操作即可，过程并不复杂。

2. 获取源码

# 克隆仓库
git clone https://github.com/coze-dev/coze-studio.git

3. 配置模型

首先从模板目录复制一份 doubao-seed-1.6 模型的配置模板，粘贴到配置文件目录。可以用以下指令直接操作：

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

如何理解？直接进入 backend/conf/model/template 文件夹，你会看到里面包含各种模型的配置模板。例如，若想使用 Claude 或 Gemini，将对应模型文件复制到 backend/conf/model 目录下即可。

完成复制后，在配置文件目录下修改模板文件：

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。

各字段含义：

• meta.conn_config.model：模型服务的 model ID，本例中为火山方舟 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 的整数，且全局唯一。模型上线后请勿再修改。
• meta.conn_config.api_key：模型服务的 API Key。例如豆包模型使用的是火山引擎的服务，登录火山引擎控制台，找到 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命令：

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

拉取镜像的时间会比较长，请耐心等待。如果看到提示 "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，任意输入邮箱和密码注册，就能进入首页。

登录后，随意创建一个智能体，测试大模型是否正常工作。如果可以，恭喜你——已成功在本地搭建好 Coze Studio。

不过话说回来，尽管 Coze Studio 已开源，但与官方商业版相比，确实缺少一些功能。商城、插件、模板基本都没有。需要什么插件或模板，都得自己动手编写。因此对于普通个人用户而言，本地部署的实际意义并不大，直接使用线上版本会更加便捷。

Coze 此次开源，更多是为了利好企业端。企业可以利用 Coze 进行二次开发，或者将其集成到自身成熟的业务体系中。从行业视角来看，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？