← 返回目录

Onyx

社区

非标准 Server

开源 AI 平台，提供高级聊天功能，兼容所有 LLM。

这不是典型的可直接连接的 MCP Server，使用前请先阅读源仓库说明。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 222 / 230
Stars: ★ 32.4k 非常热门
传输方式: stdio（本地进程）
运行环境: Docker · Python
凭据: 可选 API Key
许可证: 其他 / 未声明
最近提交: 1 天前

27FMRS · D

Onyx 是一个强大的开源 AI 平台，适合需要完整 AI 功能的企业和开发者，但部署和运维复杂度较高。

最强项 · 维护活跃度 13/20 最弱项 · 可靠性 1/20

可靠性

1/20

安全与权限

5/20

维护活跃度

13/20

文档质量

6/20

安装易用性

2/20

查看各项评分依据

可靠性 1/20: 核心问题：该仓库是一个完整的 AI 应用平台（RAG、聊天 UI、50+ 连接器、索引后台任务），而不是一个 MCP 服务器。审查目标（仓库根目录）没有提供任何 MCP 服务器清单（SERVER MANIFEST 未缓存），也没有任何工具声明，因此无法完成 MCP 初始化与工具列表握手。README 仅把 MCP 描述为 Onyx 代理向外部应用发起交互的能力，即 Onyx 是 MCP 客户端而非服务器。所供资料中也没有 CI 或测试证据来支撑可复现性。静态校准上限为 12，但实际证据远低于该上限；由于存在“被审查对象是 MCP 服务器”与“仓库实为独立应用”的矛盾，分数接近为零。
安全与权限 5/20: 所提供的材料中未发现恶意代码、凭证窃取、隐蔽外传等红线证据，因此不触发 0-4 的红线区间。但是，凭证处理、最小权限和数据边界完全无法核实，因为未提供源码；按证据规则，缺失证据必须扣分而非假设最坏情况。可见的风险点包括：README 提供 curl | bash 一行远程脚本安装（执行未经审查的远程脚本、通常需要高权限）；平台功能面广（web search、代码执行、自定义代码、大量索引连接器），数据边界大。正面信号（沙箱代码执行、SSO/OIDC/SAML、RBAC、审计查询）仅存在于 README 声明中，无法验证，故保守给出中等偏低分数。
维护活跃度 13/20: 仓库未归档（archived=False），流行度极高（31k+ stars），README 引用 v3.0.0 发布资源和 2026 年 2 月的榜单声明，并提供 Discord、CONTRIBUTING.md 和文档入口，表明项目活跃且有社区治理。扣分项：GitHub 许可证元数据为 NOASSERTION，而 README 声称 CE 版为 MIT、另有 EE 版，许可证治理存在模糊；未提供安全策略或安全响应渠道；392 个未关闭 issue 暗示一定积压；所供材料不含提交历史、发布节奏或依赖更新证据，无法验证维护频率。
文档质量 6/20: README 在应用层面质量不错：功能列表、Lite/Standard 两种部署模式、云厂商与 Helm/Terraform 部署指引、企业功能、许可证与社区入口都有分层说明。但作为 MCP 服务器，文档完全缺失：没有工具参数、认证流程、限额/成本、故障排除或主流客户端连接示例；外部文档网站（docs.onyx.app）不在提供的源码中，不能作为可核查证据。README 中“best in class”“top of leaderboard”等自我断言也无法在源文件中验证。因此仅凭应用文档给予中等偏低分数。
安装易用性 2/20: 从应用角度看，README 宣称一条命令安装（curl 安装脚本），Lite 模式内存需求低于 1GB，简化了部署；但这不是 MCP 服务器安装路径。作为 MCP 服务器，从准备运行环境到在主流客户端建立连接的步骤完全缺失：根目录没有 MCP 服务器入口、没有清单、没有客户端配置示例。标准模式要求 Docker、Redis、MinIO、后台任务与模型推理容器，属于复杂栈；所有部署声明均无法从所提供的源码得到执行证据验证。静态校准规定 setup 上限为 15，而此处连基本路径都不存在，故给极低分。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件执行命令或代码访问网络连接数据库

适合谁

需要自托管 AI 平台的团队
需要 RAG 和高级搜索的企业
需要定制 AI 代理的开发者

不适合谁

不需要复杂部署的小型项目
仅需简单聊天界面的用户

所需权限

能够访问网络以进行搜索和连接器同步
能够执行代码（沙盒环境）
能够存储和处理用户数据

风险与副作用

自托管需要一定的运维知识
可能涉及数据隐私和安全问题
依赖外部 LLM 提供商时可能有成本

安装接入

准备工作

运行环境：Docker · Python

使用单命令部署：curl -fsSL https://onyx.app/install_onyx.sh | bash。详细部署指南见文档。

验证是否装好

该仓库是一个完整的 AI 平台而非单个 MCP 服务器，验证方式是按 README 的安装脚本部署后访问 Onyx Chat 界面，并检查 LLM 提供商配置能否正常对话。

常见排障

检查资源是否满足最低要求
查看日志以诊断部署问题
确保网络连接正常

试试这样问

连接成功后，可以直接对 AI 助手这样说：

通过 Onyx 的连接器索引我们的内部知识库并回答问题

使用场景

企业知识库问答

深度研究

自定义 AI 代理

与外部应用集成

详细介绍

Onyx 是 LLM 的应用层，提供功能丰富的界面，任何人都可以轻松托管。它通过 RAG、网络搜索、代码执行、文件创建、深度研究等高级功能增强 LLM 的能力。支持 50 多种基于索引的连接器，可通过 MCP 与外部应用交互。支持 Docker、Kubernetes、Helm/Terraform 部署，提供标准版和精简版两种模式。