Suna開源AI助理來襲！解放生產力，現在就上手，別錯過！

Suna：開源通用型 AI 助理，解放你的生產力！(新手入門指南)

嘿，大家好！身為一個熱愛科技的台灣開發者，今天要跟大家介紹一個讓我眼睛一亮的開源專案：Suna – Open Source Generalist AI Agent。簡單來說，Suna 就像一個可以幫你處理各種雜事的 AI 助理，而且完全開源！

網址： 目前 Suna 專案的主要資訊都在其 GitHub 頁面上，所以並沒有一個獨立的官方網站。但你可以透過這個連結前往 GitHub 了解更多：https://github.com/kortix-ai/suna

為什麼 Suna 吸引我？

在這個 AI 爆炸的時代，我們已經看過太多聊天機器人，但 Suna 的特別之處在於：

• 通用性： 不只是聊天，Suna 能夠執行各種任務，從網頁瀏覽、資料分析到檔案管理，甚至可以操作指令列！
• 開源： 這代表你可以完全掌握 Suna 的運作方式，自由修改、客製化，甚至貢獻程式碼。
• 易於使用： Suna 提供直覺的介面，透過自然語言對話，就能輕鬆指揮你的 AI 助理。

對於想要擁抱 AI、提升生產力，又不想被商業軟體綁架的朋友們，Suna 絕對是一個值得嘗試的選擇。

Suna 到底能做什麼？(使用情境)

Suna 的應用範圍非常廣泛，以下是一些官方提供的例子，讓大家更容易理解：

• 競品分析： 分析特定產業的市場，找出主要競爭者、優劣勢，並生成 PDF 報告。 (範例影片: https://www.suna.so/share/5ee791ac-e19c-4986-a61c-6d0659d0e5bc)
• 尋找投資人： 建立美國重要創投基金列表，包含網站連結和聯絡方式。 (範例影片: https://www.suna.so/share/804d20a3-cf1c-4adb-83bb-0e77cc6adeac)
• 獵才： 在 LinkedIn 上尋找符合特定條件（例如：地點、學歷、經驗）的潛在候選人。 (範例影片: https://www.suna.so/share/3ae581b0-2db8-4c63-b324-3b8d29762e74)
• 旅遊規劃： 根據你的喜好和時間，規劃詳細的旅遊行程，包含住宿、交通、活動等。 (範例影片: https://www.suna.so/share/725e64a0-f1e2-4bb6-8a1f-703c2833fd72)
• Excel 應用： 建立包含特定資訊的 Excel 表格，例如：彩券資訊。 (範例影片: https://www.suna.so/share/128f23a4-51cd-42a6-97a0-0b458b32010e)
• 活動講者搜尋： 找出特定領域（例如：AI 倫理）的講者，並整理他們的聯絡資訊和演講摘要。 (範例影片: https://www.suna.so/share/7a7592ea-ed44-4c69-bcb5-5f9bb88c188c)
• 論文摘要與比較： 研究並比較特定主題的科學論文，並生成重點摘要報告。 (範例影片: https://www.suna.so/share/c2081b3c-786e-4e7c-9bf4-46e9b23bb662)
• 潛在客戶開發： 在 LinkedIn 上尋找特定產業的潛在客戶，找出他們的網站和聯絡方式，並生成客製化的開發信。 (範例影片: https://www.suna.so/share/6b6296a6-8683-49e5-9ad0-a32952d12c44)
• SEO 分析： 針對你的網站生成 SEO 分析報告，找出關鍵字排名和遺漏的主題。 (範例影片: https://www.suna.so/share/43491cb0-cd6c-45f0-880c-66ddc8c4b842)
• 論壇內容爬取： 在論壇上尋找特定主題的討論，並整理出相關資訊。 (範例影片: https://www.suna.so/share/7d7a5d93-a20d-48b0-82cc-e9a876e9fd04)
• 新創公司研究： 在 Crunchbase、Dealroom 和 TechCrunch 上篩選特定條件的新創公司，並建立包含公司資料、創辦人和聯絡資訊的報告。 (範例影片: https://www.suna.so/share/8b2a897e-985a-4d5e-867b-15239274f764)

這些只是冰山一角，只要你有想像力，Suna 就能幫你處理更多複雜的任務。

Suna 的核心概念：架構簡介

Suna 的架構主要由以下四個部分組成：

• Backend API (後端 API)： 使用 Python/FastAPI 撰寫，負責處理 REST API 請求、執行緒管理，以及與 LLM (Large Language Model，大型語言模型) 的整合，目前主要支援 Anthropic，但也透過 LiteLLM 支援其他 LLM。
• Frontend (前端)： 使用 Next.js/React 建立，提供響應式的 UI，包含聊天介面、儀表板等。
• Agent Docker (代理 Docker)： 每個 Agent 都在獨立的 Docker 環境中執行，確保安全。這個環境包含了瀏覽器自動化、程式碼解釋器、檔案系統存取、工具整合等功能。
• Supabase Database (Supabase 資料庫)： 使用 Supabase 儲存所有資料，包含使用者驗證、對話歷史、檔案儲存、Agent 狀態、分析數據等。

簡單來說，你可以把 Suna 想像成一個大腦 (Backend API)，透過前端與你互動，利用 Docker 創造出獨立的工作空間 (Agent Docker)，並將所有資訊儲存在資料庫中 (Supabase Database)。

如何開始使用 Suna？(本地部署指南)

想要體驗 Suna 的強大功能，你可以選擇在本地環境自行部署。以下是詳細的步驟，即使是新手也能輕鬆上手：

1. 環境需求：

• Supabase 專案： 用於資料庫和使用者驗證。
• Redis 資料庫： 用於快取和 Session 管理。
• Daytona sandbox： 用於安全地執行 Agent。
• Python 3.11： 用於後端 API。
• LLM API 金鑰： 目前主要支援 Anthropic。
• Tavily API 金鑰： 用於強化搜尋功能（可選）。
• Firecrawl API 金鑰： 用於網頁爬取功能（可選）。

2. 前置準備：

• Supabase：
  • 建立一個新的 Supabase 專案。
  • 儲存專案的 API URL、anon key 和 service role key。
  • 安裝 Supabase CLI。
• Redis：
  • 可以使用 Upstash Redis (推薦用於雲端部署) 或在本機安裝。
  • Mac: brew install redis
  • Linux: 依照你的發行版指示安裝。
  • Windows: 使用 WSL2 或 Docker。
  • 儲存你的 Redis 連線資訊。
• Daytona：
  • 在 Daytona 上建立帳號。
  • 在帳號設定中產生 API 金鑰。
  • 前往 Images。
  • 點擊 “Add Image”。
  • 輸入 adamcohenhillel/kortix-suna:0.0.20 作為 image name。
  • 設定 /usr/bin/supervisord -n -c /etc/supervisor/conf.d/supervisord.conf 作為 Entrypoint。
• LLM API 金鑰：
  • 取得 Anthropic 的 API 金鑰。
  • 雖然透過 LiteLLM 可以支援其他 LLM，但建議使用 Anthropic，因為提示詞需要針對其他 LLM 進行調整，才能正確輸出工具呼叫所需的 XML 格式。
• 搜尋 API 金鑰 (可選)：
  • 取得 Tavily API 金鑰 以強化搜尋功能。
  • 取得 Firecrawl API 金鑰 以啟用網頁爬取功能。
• RapidAPI API 金鑰 (可選):
  • 要啟用像 LinkedIn 等 API 服務，你需要一個 RapidAPI 金鑰。
  • 每個服務都需要在你的 RapidAPI 帳號中個別啟用：
    1. 在對應的檔案中找到服務的 base_url (例如，backend/agent/tools/data_providers/LinkedinProvider.py 中的 "https://linkedin-data-scraper.p.rapidapi.com" )
    2. 在 RapidAPI marketplace 上訪問該 API。
    3. 訂閱該服務 (許多服務提供有限請求的免費層級)。
    4. 一旦訂閱，該服務將透過 API Services 工具提供給你的代理。

3. 安裝步驟：

1. Clone 專案：

   git clone https://github.com/kortix-ai/suna.git
   cd suna
   

2. 設定後端環境：

   cd backend
   cp .env.example .env  # 複製範例檔案，如果有的話，或使用以下範本
   

   編輯 .env 檔案，填入你的憑證：

   NEXT_PUBLIC_URL="http://localhost:3000"
   
   # Supabase 憑證
   SUPABASE_URL=你的_supabase_url
   SUPABASE_ANON_KEY=你的_supabase_anon_key
   SUPABASE_SERVICE_ROLE_KEY=你的_supabase_service_role_key
   
   # Redis 憑證
   REDIS_HOST=你的_redis_host
   REDIS_PORT=6379
   REDIS_PASSWORD=你的_redis_password
   REDIS_SSL=True  # 如果你的 Redis 沒有 SSL，請設為 False
   
   # Daytona 憑證
   DAYTONA_API_KEY=你的_daytona_api_key
   DAYTONA_SERVER_URL="https://app.daytona.io/api"
   DAYTONA_TARGET="us"
   
   # Anthropic API 金鑰
   ANTHROPIC_API_KEY=
   
   # OpenAI API 金鑰 (如果需要)
   OPENAI_API_KEY=你的_openai_api_key
   
   # 可選但推薦
   TAVILY_API_KEY=你的_tavily_api_key  # 強化搜尋功能
   FIRECRAWL_API_KEY=你的_firecrawl_api_key  # 網頁爬取功能
   RAPID_API_KEY=你的_rapid_api_key
   

3. 設定 Supabase 資料庫：

   # 登入 Supabase CLI
   supabase login
   
   # 連結到你的專案 (在 Supabase 儀表板中找到你的專案參考)
   supabase link --project-ref 你的_專案參考_id
   
   # 推送資料庫遷移
   supabase db push
   

   然後，再次前往 Supabase 網站 -> 選擇你的專案 -> Project Settings -> Data API -> 在 “Exposed Schema” 中加入 “basejump” (如果還沒有的話)。

4. 設定前端環境：

   cd ../frontend
   cp .env.example .env.local  # 複製範例檔案，如果有的話，或使用以下範本
   

   編輯 .env.local 檔案：

   NEXT_PUBLIC_SUPABASE_URL=你的_supabase_url
   NEXT_PUBLIC_SUPABASE_ANON_KEY=你的_supabase_anon_key
   NEXT_PUBLIC_BACKEND_URL="http://localhost:8000/api"  # 本地開發使用
   NEXT_PUBLIC_URL="http://localhost:3000"
   

   注意： 如果你使用 Docker Compose，請使用容器名稱而不是 localhost：

   NEXT_PUBLIC_BACKEND_URL="http://backend:8000/api"  # 使用 Docker Compose 時
   

5. 安裝依賴套件：

   # 安裝前端依賴套件
   cd frontend
   npm install
   
   # 安裝後端依賴套件
   cd ../backend
   pip install -r requirements.txt
   

6. 啟動應用程式：

   在一個終端機中，啟動前端：

   cd frontend
   npm run dev
   

   在另一個終端機中，啟動後端：

   cd backend
   python api.py
   

7. Docker Compose 替代方案:

   在使用 Docker Compose 之前，請確保您的環境檔案已正確配置：

   • 在 backend/.env 中，設置所有必需的環境變數，如上所述
   • 對於 Redis 配置，使用 REDIS_HOST=redis 而不是 localhost
   • Docker Compose 設置將自動設置以下 Redis 環境變數：
     REDIS_HOST=redis
REDIS_PORT=6379
REDIS_PASSWORD=
REDIS_SSL=False
   • 在 frontend/.env.local 中，確保設置 NEXT_PUBLIC_BACKEND_URL="http://backend:8000/api" 以使用容器名稱

   然後運行：

   export GITHUB_REPOSITORY="你的-github-使用者名稱/repo-名稱"
   docker compose -f docker-compose.ghcr.yaml up
   

   如果您在本地構建映像而不是使用預構建的映像：

   docker compose up
   

   Docker Compose 設置包括一個 Redis 服務，後端將自動使用它。

8. 存取 Suna：

   • 在你的瀏覽器中開啟 `http://localhost:3000`。
   • 使用 Supabase 驗證註冊一個帳號。
   • 開始使用你自行部署的 Suna 實例！

個人實作心得與錯誤排除指南：

• 環境變數設定： 這是最容易出錯的地方！請務必仔細檢查每個環境變數是否都填寫正確，特別是 API 金鑰和 Supabase 憑證。
• Supabase 資料庫遷移： 如果你在 supabase db push 的時候遇到問題，可以嘗試先執行 supabase db reset 清除資料庫，然後再重新執行 supabase db push。
• Docker Compose： 如果你選擇使用 Docker Compose，請確保你的 Docker 環境已經正確安裝和設定。另外，記得要將 NEXT_PUBLIC_BACKEND_URL 設定為 `http://backend:8000/api`，才能讓前端正確連線到後端。
• LLM API 選擇： 雖然 Suna 聲稱支援多個 LLM，但根據官方文件，目前最佳的選擇還是 Anthropic。如果你想要嘗試其他 LLM，可能需要調整提示詞才能獲得最佳效果。

總結

Suna 是一個功能強大、潛力無窮的開源 AI 助理。雖然部署過程可能需要一些技術背景，但只要按照步驟操作，相信你也能成功搭建自己的 Suna 實例。

無論你是開發者、研究人員，還是單純想要提升生產力，Suna 都能成為你的得力助手。快來試試看吧！

最後，別忘了 Suna 是一個開源專案，如果你在使用過程中發現任何問題或有任何建議，歡迎前往 GitHub 提交 issue 或貢獻程式碼。一起讓 Suna 變得更好！

參考閱讀

https://github.com/kortix-ai/suna