前置条件
- 1已注册腾讯云账号
- 2一台腾讯云轻量应用服务器（2C4G 起步，推荐 4C8G）
- 3已准备一个大模型的 API Key（DeepSeek / 通义千问 / 智谱等均可）
- 4熟悉基础 Linux 命令与 Python 环境管理
读完想动手？新用户首单 8 折上云
服务器 + 大模型 API + 对象存储，新用户首购享 20% 补贴
OpenManus 腾讯云部署完整指南
OpenManus 是国产团队开源的通用 AI 智能体框架。它的工作方式和聊天机器人完全不同：
- 聊天机器人：你问一句，它答一句
- OpenManus：你给一个目标，它自己规划步骤 → 调用工具 → 看结果 → 再规划，循环到任务完成
比如你说「搜索最近一周 AI Agent 的新闻，整理成要点」，它会自己决定先搜什么、怎么筛、怎么组织，最后把结果落成文件。
为什么它需要一台云服务器：Agent 任务通常要跑几分钟甚至几十分钟，本地电脑一休眠就断了。放到云服务器上常驻，才是它真正能干活的状态。
第一步：机型选型
OpenManus 本身是 Python 程序，不吃显存，硬件要求不高：
| 场景 | 推荐配置 | 说明 |
|---|---|---|
| 个人试用 | 2C4G | 够跑，装依赖时稍慢 |
| 常规使用 | 4C8G | 推荐，浏览器工具也跑得动 |
| 多人 / 多任务并发 | 8C16G | 每个 Agent 任务会开独立进程 |
| 完全本地化（自建模型） | 8C16G 以上 | 同时跑 Ollama 的话内存要翻倍 |
警告
⚠️ 真正吃资源的是浏览器工具。如果你要用网页操作能力，Playwright 会开真实的 Chromium，内存占用明显上升。4GB 机器建议关掉浏览器工具，或至少 4C8G。
前往 腾讯云轻量应用服务器 选购页，选 Ubuntu 22.04 LTS 镜像，系统盘 40GB 起。
第二步：环境准备
2.1 安装 Python 3.12
OpenManus 要求 Python 3.12+，Ubuntu 22.04 默认可能是 3.10，先确认：
1python3 --version版本不够就用 uv 管理（官方推荐，装依赖飞快）：
1# 安装 uv
2curl -LsSf https://astral.sh/uv/install.sh | sh
3source $HOME/.local/bin/env
4
5# 验证
6uv --version2.2 安装基础工具
1sudo apt-get update
2sudo apt-get install -y git curl build-essential第三步：部署 OpenManus
3.1 克隆仓库
1cd /opt
2sudo git clone https://github.com/FoundationAgents/OpenManus.git
3sudo chown -R $USER:$USER /opt/OpenManus
4cd /opt/OpenManus3.2 创建虚拟环境并安装依赖
方式一：uv（推荐）
1uv venv --python 3.12
2source .venv/bin/activate
3uv pip install -r requirements.txt方式二：conda
1conda create -n openmanus python=3.12
2conda activate openmanus
3pip install -r requirements.txt警告
⚠️ 两种方式选一个，不要混用。混用会出现依赖装进了错误环境的诡异问题。
安装过程可能需要几分钟。如果某个包装不上，通常是缺系统库，看报错信息补装 apt-get install 对应的 dev 包。
3.3 安装浏览器依赖（可选但常用）
如果你要用网页操作能力：
1playwright install如果报缺系统依赖：
1playwright install --with-deps警告
⚠️ 这步会下载 Chromium（几百 MB），磁盘不够或网络差时会失败。不需要浏览器功能可以先跳过，后面在配置里关掉相关工具。
第四步：配置模型（最关键的一步）
4.1 生成配置文件
1cp config/config.example.toml config/config.toml4.2 接国产模型（三选一）
DeepSeek
1[llm]
2model = "deepseek-chat"
3base_url = "https://api.deepseek.com"
4api_key = "sk-你的DeepSeek密钥"
5max_tokens = 4096
6temperature = 0.0阿里云通义千问（DashScope 兼容模式）
1[llm]
2model = "qwen-plus"
3base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
4api_key = "sk-你的DashScope密钥"
5max_tokens = 4096
6temperature = 0.0本地 Ollama（配合 GLM 腾讯云部署教程 或 Qwen3 腾讯云部署教程）
1[llm]
2model = "glm4:9b"
3base_url = "http://127.0.0.1:11434/v1"
4api_key = "ollama"
5max_tokens = 4096
6temperature = 0.04.3 视觉模型配置（可选）
只有用到网页截图理解时才需要。不做网页操作可以留空或删掉：
1[llm.vision]
2model = "qwen-vl-plus"
3base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
4api_key = "sk-你的密钥"
5max_tokens = 4096
6temperature = 0.04.4 两个必须注意的点
警告
⚠️ 模型必须支持 function call。Agent 的核心是调用工具，模型不支持工具调用的话，它会一本正经地"假装"调用了工具然后编答案。国产模型里 DeepSeek、Qwen 的较新版本都支持，老版本或某些小模型不支持，选之前先确认。
警告
⚠️ temperature 建议设 0.0。Agent 需要稳定、可复现的行为，温度调高会让它"即兴发挥"，工具调用参数容易出错。
4.5 验证配置
先用 curl 确认接口通：
1curl https://api.deepseek.com/chat/completions \
2 -H "Authorization: Bearer sk-你的密钥" \
3 -H "Content-Type: application/json" \
4 -d '{"model":"deepseek-chat","messages":[{"role":"user","content":"你好"}]}'接口通了再跑 OpenManus，能省掉一半排查时间。
第五步：跑第一个任务
1cd /opt/OpenManus
2source .venv/bin/activate
3python main.py启动后在终端输入任务，比如：
搜索最近一周关于 AI Agent 的新闻，整理成要点列表
你会看到它的"内心活动"实时刷出来：先输出思考，再输出要调用的工具和参数，然后是工具返回结果，一步步推进到完成。结果文件会落到工作目录里。
第一次跑可能比较慢（要加载依赖、初始化工具），耐心等。
第六步：扩展能力
6.1 接入 MCP 工具
MCP（模型上下文协议）是给 Agent 扩展能力的标准方式。用它接上浏览器操作、文件读写、数据库查询等工具：
1python run_mcp.pyMCP 服务器在配置里声明，具体写法参考仓库 config/ 目录下的示例。
6.2 多智能体协作
1python run_flow.py这是多 Agent 分工协作的流程入口，适合复杂任务拆分。
6.3 数据分析 Agent
在 config.toml 里启用：
1[runflow]
2use_data_analysis_agent = true启用后涉及数据分析的任务会交给专门的 Agent 处理。
6.4 接知识库
把 OpenManus 接到 RAGFlow 腾讯云部署教程 或 MaxKB 腾讯云部署教程 搭的内部知识库上，它就能先查你们自己的资料再干活——这才是企业内网最有价值的用法。
第七步：常驻运行与定时任务
7.1 用 systemd 常驻
创建服务文件：
1sudo tee /etc/systemd/system/openmanus.service <<'EOF'
2[Unit]
3Description=OpenManus Agent
4After=network.target
5
6[Service]
7Type=simple
8User=ubuntu
9WorkingDirectory=/opt/OpenManus
10Environment="PATH=/opt/OpenManus/.venv/bin:/usr/bin:/bin"
11ExecStart=/opt/OpenManus/.venv/bin/python main.py
12Restart=on-failure
13RestartSec=10
14
15[Install]
16WantedBy=multi-user.target
17EOF
18
19sudo systemctl daemon-reload
20sudo systemctl enable openmanus
21sudo systemctl start openmanus查看状态：
1sudo systemctl status openmanus
2sudo journalctl -u openmanus -f警告
⚠️ User 与 WorkingDirectory 要改成你实际的用户名和路径。权限不对是 systemd 启动失败最常见的原因。
7.2 定时任务（定期跑报告）
用 crontab 让它每天自动干活：
1crontab -e加一行（每天上午 9 点跑一次）：
10 9 * * * cd /opt/OpenManus && .venv/bin/python run_flow.py >> /var/log/openmanus-cron.log 2>&1警告
⚠️ cron 里环境变量很少，务必写绝对路径，否则会报"找不到 python"或"找不到模块"。
第八步：安全与成本控制
8.1 别给 Agent 生产环境的密钥
OpenManus 会执行代码、访问网络。给它一个受限的 API Key（额度上限、权限最小化），不要把生产数据库密码或主账号密钥写进配置。
8.2 隔离运行环境
生产用途建议在独立容器里跑，避免 Agent 误操作宿主机文件。仓库自带 Dockerfile，可以直接构建：
1docker compose up -d（需要先按 4.1 准备好 config/config.toml，并把 API Key 写进 .env）
8.3 控制 token 开销
Agent 会多轮调用模型，token 消耗比单轮对话高一个量级。建议：
- 给 API Key 设消费上限告警
max_tokens按实际需求设，别贪大- 长任务拆成小任务，失败重跑的成本更低
18 条故障排查
| # | 现象 | 原因 | 解决 |
|---|---|---|---|
| 1 | uv: command not found | 没加载环境变量 | source $HOME/.local/bin/env 或重开终端 |
| 2 | Python 版本报错 | 低于 3.12 | 用 uv venv --python 3.12 创建环境 |
| 3 | 装依赖卡住 | 网络慢 | 换 pip 国内源；或用 uv 加速 |
| 4 | playwright install 失败 | 缺系统依赖 | 加 --with-deps；或跳过浏览器功能 |
| 5 | 启动报配置文件不存在 | 没复制模板 | cp config/config.example.toml config/config.toml |
| 6 | 模型返回 401 | API Key 错误或过期 | 先 curl 验证 Key 有效 |
| 7 | 模型不调用工具 | 模型不支持 function call | 换支持工具调用的模型版本 |
| 8 | Agent 行为飘忽不定 | temperature 太高 | 设为 0.0 |
| 9 | 任务卡死不推进 | 工具超时或死循环 | 看日志定位；给任务加明确终止条件 |
| 10 | 浏览器启动失败 | Chromium 依赖缺失 | 重装 playwright；或用无头模式 |
| 11 | 报模块找不到 | 虚拟环境没激活 | source .venv/bin/activate |
| 12 | 依赖装进了系统 Python | 没用虚拟环境 | 删掉重来，全程在 venv 里操作 |
| 13 | systemd 启动失败 | User 或路径不对 | 检查 journalctl -u openmanus 的具体报错 |
| 14 | cron 任务不执行 | 用了相对路径 | cron 里全写绝对路径 |
| 15 | 内存占用飙升 | 浏览器实例没释放 | 限制并发；任务结束主动关闭浏览器 |
| 16 | MCP 工具加载失败 | 服务器配置错误 | 检查 MCP 服务器地址与协议格式 |
| 17 | 中文输出乱码 | 终端编码问题 | 确认系统 locale 为 UTF-8 |
| 18 | token 消耗超预期 | Agent 多轮调用 | 设消费告警；拆分任务；调小 max_tokens |
落地建议
- 先确认模型支持 function call —— 这是 Agent 能不能干活的分水岭，不支持的话一切都白搭。
- temperature 设 0.0 —— 要稳定复现，不要创造力。
- 给 Agent 最小权限 —— 独立密钥、独立目录、独立容器，别让它碰到生产数据。
- 常驻才有价值 —— 配好 systemd 或 cron，让它 24 小时待命，这才是云服务器该干的事。
- 接上内部知识库 —— 通用 Agent 谁都能用，接了你们自己的资料才是别人复制不了的东西。
常见问题
QOpenManus 和 Manus 是什么关系？
OpenManus 是社区开源的通用智能体框架，目标是复刻商业产品 Manus 的核心体验——给一句话任务，自动规划步骤、调用工具、交付结果。两者没有官方隶属关系。OpenManus 的价值在于**代码与配置完全可控**，模型可以换成国产的，数据不出境。
Q必须用 OpenAI 的 API 吗？
不用，这是它对国内用户最友好的地方。config.toml 里把 `base_url` 指向 DeepSeek（`https://api.deepseek.com`）、阿里云 DashScope 或你本地跑的 Ollama 都行。本文会给出三家国产厂商的具体配置示例。注意所选模型必须支持**函数调用（function call / tool call）**，否则 Agent 无法调用工具。
Q部署完能 24 小时运行吗？
能，而且这恰恰是它最需要一台云服务器的原因——Agent 任务往往要跑几分钟到几十分钟，本地电脑关机就断了。本文会给出 systemd 常驻与定时任务的配置方法，让它在服务器上长期待命。你可以把它接到 RAGFlow 腾讯云部署教程 搭的知识库上，让它查内部资料再干活。