快速结论
AgentGPT 的历史贡献是把 AutoGPT 式“目标拆解、执行、反馈”搬进浏览器，显著降低了 2023 年体验自主 Agent 的门槛；但它的 GitHub 主仓库已在 2026 年 1 月 28 日归档并变为只读，最新正式 Release 仍停留在 2023 年。原在线域名当前也无法作为稳定商业服务验证。因此，今天应把 AgentGPT 定位为 GPL-3.0 的历史开源样本，而不是仍有 Free/Pro 套餐、团队协作和生产 SLA 的活跃产品。学习旧式任务循环或复现界面可以使用；新业务应选择持续维护的框架或平台。
核心功能
- 浏览器中命名 Agent、输入目标并观察任务生成与逐步执行。
- Next.js 前端、FastAPI 后端、MySQL 数据库和 Prisma/SQLModel 组成可自托管全栈样例。
- 可配置 OpenAI Key，Serper 与 Replicate Key 为可选依赖。
- 运行界面展示任务和输出，便于教学，但不等同于生产级 traces、评估集和告警。
- 官方
setup.sh/setup.bat曾用于初始化环境；归档后依赖兼容和安全修复需由使用者承担。
适合人群
适合研究 2023 年自主 Agent 交互、课程演示、开源史回顾和个人实验。也适合想阅读 Next.js + FastAPI Agent 应用结构的开发者。不适合要做新 SaaS、需要持续安全更新、现代模型适配、多人权限、审计、稳定部署或商业闭源分发的团队。GPL-3.0 的复制与衍生分发义务也必须在集成前评估。
使用场景
- 本地复现早期“目标到任务队列”Agent 模式。
- 分析开放式循环为何容易重复、漂移和耗费模型调用。
- 教学展示前后端、数据库与模型 API 如何串联。
- 迁移练习：保留需求，用 LangChain 或 Agno 重建并补齐测试与观测。
价格与版本
| 版本 | 当前费用 | 当前状态 |
|---|---|---|
| 开源仓库 | 免费，GPL-3.0 | 已归档，只读，无维护承诺 |
| 历史在线站点 | 不应引用旧 Free/Pro 价格 | 无法确认持续运营和计费页面 |
| 自托管 | 软件免费，模型与基础设施自付 | 依赖、漏洞和可用性由部署者负责 |
旧页面曾传播约 40 美元/月的 Pro 方案，但目前没有可验证的活跃官方计费依据，故不再将其写为现行价格。
国内访问与使用体验
GitHub、历史站点和默认海外模型 API 在中国大陆可能存在访问或调用不稳定，故保留 needsVPN: true；这只是可达性提示。即使代码能本地启动，也需要自行解决镜像、Node/Python 旧依赖、数据库、模型服务与安全更新。中文目标可输入，但项目没有现代中文质量评测或生产支持承诺，输出质量主要取决于所接模型与提示。
优点
- 界面直观，曾把自主 Agent 概念带给非技术用户。
- 完整前后端代码便于教学和架构考古。
- 目标、任务、执行结果的视觉反馈容易理解。
- GPL 源码仍可下载、研究和自行修复。
不足
- 仓库已归档，生产成熟度和未来兼容性都不应高估。
- 没有可依赖的现行 SaaS、SLA、定价或安全响应渠道。
- 观测主要是界面过程展示，缺少成熟的 trace 查询、离线评估、回归门禁和告警。
- 开放式任务循环容易重复或跑偏，高风险工具调用没有现代权限治理。
- GPL-3.0 对分发衍生软件有强 copyleft 影响；同时旧技术栈会形成维护债务。
替代品对比
| 工具 | 当前状态 | 更适合 |
|---|---|---|
| AutoGPT | Platform 持续更新，Classic 保留 | 可视化持续 Agent 与历史 AutoGPT 研究 |
| Agno | 活跃开源框架与运行时 | 自托管生产 API、权限和可观测性 |
| CrewAI | 活跃 Python 生态 | 角色式多 Agent 编排 |
| Dify | 活跃应用平台 | 知识库、聊天应用和团队运营 |
常见问题 FAQ
AgentGPT 还在维护吗？
没有。GitHub 显示仓库于 2026 年 1 月 28 日归档并只读。
在线版还能作为生产 SaaS 使用吗？
不建议。当前无法验证稳定服务、现行套餐或 SLA，应按历史站点处理。
AgentGPT 是 MIT 许可证吗？
不是，官方仓库许可证是 GPL-3.0。
可以自行部署吗？
代码仍可部署，但旧依赖、数据库、安全补丁和模型适配都由你负责。
它有生产级可观测性吗？
没有。界面显示步骤不等于结构化追踪、评估、告警和长期审计。
谁不应该使用 AgentGPT？
准备启动新商业产品、要求维护承诺或不能承担 GPL 与旧栈维护成本的团队不应采用。
总结
AgentGPT 值得被准确记录，而不是被包装成仍在售卖 Pro 套餐的现代平台。它是一份影响力很大的历史实现：适合学习，不适合新生产选型。实际项目可从 Dify、Agno 或 LangChain 中按低代码、运行时或框架需求重新选择。