[Github] InsForge – 让 AI 编程代理自主开发全栈应用的后端平台

InsForge 是一个专为 AI 编程代理（AI coding agents）设计的后端开发平台。它的核心思路很简单：把后端开发中那些繁琐的基础设施（数据库、用户认证、文件存储、API 网关）打包成 AI 能理解的语义接口，让 AI 代理能够自主完成全栈应用的开发、部署和运维，而不需要人工介入底层配置。

项目状态（截至 2026-07-13）：仓库 InsForge/InsForge 当前约有 12,225 Stars、1,059 Forks，默认分支为 main，许可证为 Apache-2.0，最近一次推送日期为 2026-07-12，仓库未归档。Stars、Forks 和维护状态会持续变化，安装或二次开发前请查看 GitHub README、Releases、提交记录和 LICENSE 原文。

GitHub 仓库目前保持 7.3k Stars、581 Fork，有 70 位贡献者参与，基于 Apache-2.0 许可证开源。

相关链接

• GitHub 仓库：https://github.com/InsForge/InsForge
• 官方网站：https://insforge.dev
• 云端版本：https://insforge.dev（开箱即用，无需自托管）

InsForge 是什么

InsForge 本质上是一个后端语义层。传统开发中，AI 编程代理想要操作后端资源，需要依赖开发者预先配置好的 API 接口，或者自己写复杂的后端代码。InsForge 把这套流程反过来——平台把后端能力封装成结构化语义，AI 代理通过 MCP（Model Context Protocol）协议直接感知、配置和操作后端系统。

它的设计目标是：让 AI 代理能够自主理解后端有什么、怎么配、状态是什么，而不只是机械地执行人类写好的指令。

核心功能

• Authentication：内置用户管理系统，支持 GitHub OAuth、Google OAuth，提供完整的登录、会话、权限管理
• Database：基于 Postgres 的关系数据库，预配置了常用 Schema，支持 pgvector 向量检索
• Storage：S3 兼容文件存储，AI 可以直接上传和读取文件
• Model Gateway：统一的 LLM API 网关，支持 OpenAI 兼容接口，可接入多种大模型提供商
• Edge Functions：基于 Deno 的边缘函数，支持无服务器部署
• Site Deployment：网站构建和部署功能，支持前后端一体部署

AI 代理如何与 InsForge 协作

InsForge 为 AI 编程代理提供了三个维度的能力：

• 获取后端上下文（Fetch backend context）：AI 代理可以查询 InsForge 的文档和可用操作，了解当前后端有哪些能力
• 配置后端资源（Configure primitives）：AI 代理可以直接配置数据库 Schema、存储规则、认证策略等后端资源
• 检查后端状态（Inspect backend state）：数据库内容、存储文件、运行日志都通过结构化 Schema 暴露，AI 能实时感知后端状态

快速部署

云端版本（推荐，无需安装）

访问 https://insforge.dev，注册账号后直接使用，无需配置任何环境。

Docker 自托管

git clone https://github.com/InsForge/InsForge.git
cd InsForge
cp .env.example .env
docker compose -f docker-compose.prod.yml up

一键部署平台

支持在 Railway、Zeabur、Sealos 上直接一键部署，无需本地安装 Docker。

连接 AI 代理（MCP）

部署完成后，打开 http://localhost:7130，按照指引连接 AI 编程代理。验证连接的测试指令：

I'm using InsForge as my backend platform, call InsForge MCP's fetch-docs tool to learn about InsForge instructions.

运行多个独立项目

同一个主机上可以运行多个相互隔离的 InsForge 实例，通过不同端口和项目名区分：

cp .env.example .env.project1
cp .env.example .env.project2
# 修改 .env.project2 的端口：POSTGRES_PORT=5442, APP_PORT=7230, AUTH_PORT=7231
docker compose -f docker-compose.prod.yml --env-file .env.project1 -p project1 up -d
docker compose -f docker-compose.prod.yml --env-file .env.project2 -p project2 up -d

技术栈

• 后端：Node.js / Express
• 边缘函数：Deno
• 数据库：PostgreSQL + pgvector（向量检索）
• 存储：S3 兼容（MinIO / AWS S3）
• AI 协议：MCP（Model Context Protocol）
• 部署：Docker Compose / Railway / Zeabur / Sealos
• 许可证：Apache-2.0

适用人群

• AI 编程代理开发者：正在构建 AI 代码助手、AI 代理平台，需要配套后端能力
• AI 应用全栈工程师：需要快速为 AI 应用搭建用户系统、数据库、存储等基础设施
• Claude Code / Cursor 用户：想让 AI 编程代理拥有完整的后端开发和部署能力
• 独立开发者：不想花时间在后端配置上，直接用 AI 生成完整应用

测试体验

WarpNav 小编测试了云端版本，注册后直接用，整个流程比较顺畅，没有遇到什么坑。

接入了 Claude Code 试了试 MCP 连接，AI 代理能直接感知后端状态这个设计确实有意思，省去了人工配置的环节。不过目前生态还比较初期，可用的工具和文档还需要完善。

适合场景：AI编程代理需要配套后端的开发者、有一定动手能力的用户。不适合完全不想碰代码的人。