DeepChat - 强大的开源AI智能体平台

DeepChat是一个功能丰富的开源AI智能体平台，统一了模型、工具和智能体：多LLM聊天、MCP工具调用以及ACP智能体集成。

📑 目录

• 📑 目录
• 🚀 项目介绍
• 💡 为什么选择DeepChat
• 🔥 主要特性
• 🧩 ACP集成（智能体客户端协议）
• 🤖 支持的模型提供商
  • 兼容任何符合OpenAI/Gemini/Anthropic API格式的模型提供商
• 🔍 使用场景
• 📦 快速入门
  • 下载与安装
  • 配置模型
  • 开始对话
• 💻 开发指南
  • 安装依赖
  • 开始开发
  • 构建
• 👥 社区与贡献
• ⭐ 星标历史
• 👨‍💻 贡献者
• 📃 许可证

🚀 项目介绍

DeepChat是一个强大的开源AI智能体平台，将模型、工具和智能体运行时整合到一个桌面应用中。无论您使用的是OpenAI、Gemini、Anthropic等云端API，还是本地部署的Ollama模型，DeepChat都能为您提供流畅的用户体验。

除了聊天功能外，DeepChat还支持智能体工作流：通过MCP（模型上下文协议）实现丰富的工具调用，并提供独特的ACP（智能体客户端协议）集成，使您能够以专用的工作区界面将兼容ACP的智能体作为一等公民“模型”运行。

💡 为什么选择DeepChat

与其他AI工具相比，DeepChat具有以下独特优势：

• 统一的多模型管理：一个应用即可支持几乎所有主流LLM，无需在多个应用之间切换
• 无缝的本地模型集成：内置Ollama支持，让您无需命令行操作即可管理和使用本地模型
• 智能体协议生态：内置MCP支持工具调用（代码执行、网页访问等），而内置ACP支持则可将外部智能体以原生工作区用户体验接入DeepChat
• 强大的搜索增强：支持多种搜索引擎，使AI响应更加准确及时，并提供可快速定制的非标准网页搜索范式
• 注重隐私：本地数据存储和网络代理支持降低了信息泄露的风险
• 商业友好：采用Apache License 2.0开源许可，既适合商业用途也适用于个人使用

🔥 主要特性

• 🌐 支持多家云端大模型服务商：DeepSeek、OpenAI、Kimi、Grok、Gemini、Anthropic 等
• 🏠 支持本地模型部署：
  • 集成 Ollama，提供全面的管理功能
  • 无需命令行操作，即可控制和管理 Ollama 模型的下载、部署与运行
• 🚀 丰富且易用的聊天功能
  • 基于行业领先的 CodeMirror 实现完整的 Markdown 渲染及代码块展示
  • 多窗口 + 多标签架构，支持全方位的多会话并行操作，使用大模型如同使用浏览器般流畅，非阻塞式体验带来卓越效率
  • 支持 Artifacts 渲染，实现多样化的结果呈现；集成 MCP 后显著降低 Token 消耗
  • 消息支持重试生成多种变体；对话可自由分叉，确保始终有合适的思路可供选择
  • 支持图像、Mermaid 流程图等多模态内容渲染；兼容 GPT-4o、Gemini、Grok 的文本转图像能力
  • 支持在内容中高亮显示外部信息源，如搜索结果
• 🔍 强大的搜索扩展能力
  • 内置通过 MCP 模式与 BoSearch、Brave Search 等领先搜索 API 的集成，使模型能够智能决策何时进行搜索
  • 支持 Google、Bing、百度、搜狗公众号等主流搜索引擎，通过模拟用户浏览网页的方式，让大模型像人类一样读取搜索引擎结果
  • 支持任意搜索引擎的读取；只需配置一个搜索助手模型，即可连接各类搜索来源——无论是内网资源、无 API 引擎，还是垂直领域搜索引擎——作为模型的信息输入源
• 🔧 出色的 MCP（模型上下文协议）支持
  • 完整支持 MCP 协议中的 Resources/Prompts/Tools 三大核心能力
  • 支持语义工作流，通过理解任务的含义和上下文，实现更复杂、更智能的自动化
  • 极其友好的配置界面
  • 美观清晰的工具调用展示
  • 详细的工具调用调试窗口，自动格式化工具参数和返回数据
  • 内置 Node.js 运行环境；npx/node 类似的服务无需额外配置，开箱即用
  • 支持 StreamableHTTP/SSE/Stdio 协议传输
  • 支持 inMemory 服务，内置代码执行、网页信息获取、文件操作等实用工具，无需二次安装即可满足大多数常见场景
  • 通过内置的 MCP 服务，将视觉模型能力转化为任何模型均可使用的通用函数
• 🤝 ACP（Agent Client Protocol）代理集成
  • 将 ACP 兼容的代理（内置或自定义指令）作为可选“模型”运行
  • 提供 ACP 工作区 UI，用于展示代理提供的结构化计划、工具调用及终端输出
• 💻 多平台支持：Windows、macOS、Linux
• 🎨 美观友好的界面，以用户为中心的设计，精心打造的明暗双色主题
• 🔗 丰富的 DeepLink 支持：可通过链接发起对话，实现与其他应用的无缝集成。同时支持一键安装 MCP 服务，简单快捷
• 🚑 安全优先的设计：聊天数据和配置数据预留了加密接口及代码混淆能力
• 🛡️ 隐私保护：支持屏幕投射隐藏、网络代理等隐私保护措施，降低信息泄露风险
• 💰 企业友好
  • 开源友好，基于 Apache License 2.0 协议，企业无忧使用
  • 企业集成仅需少量配置代码修改，即可启用预留的加密混淆安全功能
  • 代码结构清晰，模型提供商与 MCP 服务高度解耦，可低成本自由定制
  • 架构合理，数据交互与 UI 行为分离，充分利用 Electron 能力，摒弃简单的 Web 封装，性能优异

更多关于如何使用这些功能的详细说明，请参阅 用户指南。

🧩 ACP 集成（Agent Client Protocol）

DeepChat 内置支持 Agent Client Protocol (ACP)，允许您将外部代理运行时集成到 DeepChat 中，并获得原生的 UI 体验。启用后，ACP 代理将以一级条目的形式出现在模型选择器中，您可以在 DeepChat 内直接使用编码代理和任务代理。

快速入门：

1. 打开 设置 → ACP 代理 并启用 ACP
2. 启用内置 ACP 代理，或添加自定义的 ACP 兼容指令
3. 在模型选择器中选择 ACP 代理，即可开始代理会话

如需探索兼容的代理和客户端生态，请访问：https://agentclientprotocol.com/overview/clients

🤖 支持的模型提供商

Deepseek	Moonshot	OpenAI	Gemini
Ollama	七牛	Grok	智谱
PPIO	MiniMax	Fireworks	AIHubMix
Doubao	DashScope	Groq	JieKou.AI
ZenMux	GitHub Models	LM Studio	Hunyuan
302.AI	Together	Poe	Vercel AI Gateway
OpenRouter	Azure OpenAI	TokenFlux	BurnCloud
OpenAI Responses	CherryIn	ModelScope	AWS Bedrock
SiliconFlow	Anthropic

兼容任何采用 OpenAI/Gemini/Anthropic API 格式的模型提供商

🔍 使用场景

DeepChat 适用于多种 AI 应用场景：

• 日常助手：回答问题、提供建议、辅助写作与创作
• 开发辅助：代码生成、调试、解决技术难题
• 学习工具：概念讲解、知识探索、学习指导
• 内容创作：文案撰写、创意灵感、内容优化
• 数据分析：数据解读、图表生成、报告撰写

📦 快速开始

下载与安装

您可以通过以下几种方式安装 DeepChat：

选项 1：GitHub Releases

从 GitHub Releases 页面下载适合您系统的最新版本：

• Windows：.exe 安装文件
• macOS：.dmg 安装文件
• Linux：.AppImage 或 .deb 安装文件

选项 2：官方网站

从 官方网站 下载。

选项 3：Homebrew（仅限 macOS）

对于 macOS 用户，可以使用 Homebrew 安装 DeepChat：

brew install --cask deepchat

配置模型

1. 启动 DeepChat 应用程序
2. 点击设置图标
3. 选择“模型提供商”选项卡
4. 添加您的 API 密钥或配置本地 Ollama

开始对话

1. 点击“+”按钮创建新对话
2. 选择您想要使用的模型
3. 开始与您的 AI 助手交流

有关入门和使用所有功能的完整指南，请参阅 用户指南。

💻 开发指南

请阅读 贡献指南。

Windows 和 Linux 由 GitHub Action 打包。 关于 Mac 的签名和打包，请参考 Mac 发布指南。

安装依赖

$ pnpm install
$ pnpm run installRuntime
# 如果出现错误：No module named 'distutils'
$ pip install setuptools

• 对于 Windows：为了让非管理员用户能够创建符号链接和硬链接，请在设置中启用“开发者模式”，或者使用管理员账户。否则 pnpm 操作将会失败。

开始开发

$ pnpm run dev

构建

# 对于 Windows
$ pnpm run build:win

# 对于 macOS
$ pnpm run build:mac

# 对于 Linux
$ pnpm run build:linux

# 指定架构打包
$ pnpm run build:win:x64
$ pnpm run build:win:arm64
$ pnpm run build:mac:x64
$ pnpm run build:mac:arm64
$ pnpm run build:linux:x64
$ pnpm run build:linux:arm64

有关开发、项目结构和架构的更详细指南，请参阅 开发者指南。

👥 社区与贡献

DeepChat 是一个活跃的开源社区项目，我们欢迎各种形式的贡献：

• 🐛 报告问题
• 💡 提交功能建议
• 🔧 提交代码改进
• 📚 改进文档
• 🌍 协助翻译

请查看 贡献指南，了解更多参与项目的方式。

⭐ 星标历史

👨‍💻 贡献者

感谢您考虑为 DeepChat 做出贡献！贡献指南可在 贡献指南 中找到。

🙏🏻 感谢

本项目借助以下优秀库构建而成：

• Vue
• Electron
• Electron-Vite
• oxlint

📃 许可证

LICENSE

DeepChat 快速上手指南

DeepChat 是一款功能强大的开源 AI 智能体平台，支持多模型聊天、MCP 工具调用及 ACP 智能体集成。本指南将帮助您快速在本地部署并使用 DeepChat。

环境准备

系统要求

DeepChat 基于 Electron 开发，支持以下主流操作系统：

• Windows: Windows 10/11 (64-bit)
• macOS: macOS 10.15 (Catalina) 及以上版本
• Linux: Ubuntu 20.04+, Debian 10+, Fedora 32+ 等主流发行版

前置依赖

• 基础运行：直接下载安装包即可使用，无需额外配置运行时环境。
• 本地模型支持（可选）：若需使用本地大模型，建议预先安装 Ollama。DeepChat 内置了 Ollama 管理功能，但底层服务需独立运行。
• 开发构建（可选）：若需从源码编译，请确保已安装 Node.js (v18+) 和 npm/yarn。

安装步骤

方式一：下载预编译包（推荐）

访问 GitHub Releases 页面，根据您的操作系统下载对应的安装包：

• Windows: .exe 或 .msi
• macOS: .dmg 或 .zip
• Linux: .AppImage, .deb, 或 .rpm

下载完成后直接运行安装程序即可。

提示：国内用户若下载速度较慢，可尝试使用镜像加速工具或寻找国内镜像源（如有社区提供）。

方式二：源码构建（开发者适用）

如果您希望自定义功能或参与贡献，可以通过以下步骤从源码构建：

1. 克隆仓库

   git clone https://github.com/ThinkInAIXYZ/deepchat.git
   cd deepchat
   

2. 安装依赖

   npm install
   # 或者使用 yarn
   yarn install
   

3. 启动开发模式

   npm run dev
   

4. 构建生产版本

   npm run build
   

   构建完成后，安装包将生成在 dist 目录下。

基本使用

1. 配置模型

启动 DeepChat 后，首先需要配置可用的大模型：

• 点击左下角 设置 (Settings) 图标。
• 进入 模型提供商 (Model Providers) 选项卡。
• 云端模型：选择如 OpenAI、DeepSeek、Kimi 等服务商，填入您的 API Key。
• 本地模型：若已安装 Ollama，DeepChat 会自动检测并列出本地模型；您也可在此界面直接拉取新模型。

2. 开始对话

• 在主界面右上角的模型选择器中，选中刚才配置的模型。
• 在对话框输入指令，例如：

  请用 Python 写一个快速排序算法，并解释其时间复杂度。
  

• DeepChat 将实时渲染 Markdown 代码块，并支持代码高亮。

3. 使用高级功能

• 联网搜索：在设置中启用搜索插件（如 BoSearch 或模拟浏览器搜索），模型即可在回答时自动检索最新信息。
• MCP 工具调用：在设置中配置 MCP 服务（如文件系统、代码执行），模型可根据需求自动调用工具完成任务。
• ACP 智能体：进入 Settings → ACP Agents，启用内置智能体或添加自定义命令，即可像切换模型一样运行复杂的 Agent 工作流。

现在，您已经成功上手 DeepChat，可以开始探索其强大的多模型协作与智能体生态了。