[开源推荐] Open Agent Builder: @firecrawl_dev 团队真的把「OpenAI Agent Builder」开源了！结合 Firecrawl 本身的网络抓取和数据提取解析能力，通过 n8n、Agent Builder 类的拖拽式界面，快速创建 AI 智能体管道！

项目目的
简化 AI 智能体工作流的构建过程，避免传统代码编写的高复杂性。通过集成 Firecrawl 的网络抓取能力，它支持从简单数据提取到多步骤自动化任务的管道设计，适用于网络抓取、内容生成、数据分析和带人工干预的 web 自动化等场景。该工具强调可靠的状态管理和「human-in-the-loop」支持，确保工作流在生产环境中稳定运行。

关键特性
· 视觉化构建：拖拽式界面，支持 8 种核心节点类型（如起始节点、智能体节点、工具调用节点），并提供预置模板库。
· 实时执行：工作流运行时提供流式更新，支持条件路由、循环和人工审批中断。
· 集成支持：原生集成 Firecrawl 用于抓取和搜索；兼容多种 LLM（如 Claude、GPT-5、 @GroqInc）；通过 MCP 协议扩展外部工具。
· 企业级功能：使用 LangGraph 引擎管理状态，@ClerkDev 处理认证，@convex_dev 数据库持久化数据；提供 API 接口以实现程序化调用。
· 可扩展性：支持自定义 MCP 工具注册和沙箱代码执行（via @e2b）。

架构概述
· 前端（Next.js + React + Tailwind，用于 UI 构建和实时显示）
· 后端（Next.js API 路由 + LangGraph 执行器，处理工作流编排和流式响应）
· 集成层（Firecrawl、LLM 和 MCP 服务器）

所有组件共享 Convex 数据库，用于存储工作流、执行历史和用户配置。前端通过后端 API 与集成层交互，确保数据实时同步和安全认证。

工作原理
构建和执行工作流的过程简化为以下步骤：
1. 设计阶段：在画布上拖拽节点并连接（如起始节点 → 智能体节点 → 工具节点 → 结束节点），配置输入（如 URL 或指令）。
2. 启动执行：通过 UI 点击“运行”或 API 调用，提供初始输入。
3. 处理阶段：LangGraph 在服务器端协调执行，支持条件分支（If/Else）、循环（While Loop）和工具调用（MCP Tools，如 Firecrawl 的 scrape/search）。实时通过 SSE 流传输更新。
4. 交互与输出：智能体节点使用 LLM 进行推理；人工审批节点暂停等待用户确认；结束节点返回最终结果，并持久化到数据库。

整个过程强调模块化和可中断性，确保复杂管道（如多页研究）高效运行。

示例与用例
· 简单网络抓取：起始 → Firecrawl 抓取 → 智能体总结 → 结束。输入 URL，输出 AI 生成的摘要。
· 多页研究：起始 → Firecrawl 搜索 → 循环抓取 → 智能体合成 → 结束。适用于自动化市场分析。
· 竞争情报：解析公司列表 → 循环研究与提取 → 人工审批 → 导出报告。结合条件路由和循环，生成结构化输出。
· 价格监控：循环抓取价格 → 比较 → 通知 → 结束。支持定时触发（未来功能）。

点击图片查看原图