InsForge 详解:专为 Coding Agent 构建的 Postgres 全栈后端
· 分类:开源项目 · 阅读约 8 分钟
InsForge 是什么
InsForge 是 2026 年 5 月初在 GitHub 上突然爆火的开源项目,目前已有 8000+ Stars。 它把自己定位为 "Postgres-based backend built for coding agents" —— 一个基于 Postgres 的一站式后端解决方案,集成了 auth、存储、文件托管、计算运行环境和 AI 网关。
和 Supabase 不同,InsForge 从一开始就面向 Coding Agent 场景 设计。 它假设你的"用户"不是浏览器里的真人,而是 Claude Code、Codex、Cursor 这类 AI 编程 Agent。 Agent 需要一个能快速创建项目、管理数据、调用 AI 模型、部署应用的后端, InsForge 就是为这个需求量身打造的。
架构全景:Postgres 为中心的设计
InsForge 的架构核心思路非常简洁:
- 数据层:PostgreSQL 16+,所有模块共享一个数据库实例
- API 层:RESTful + WebSocket,全部面向 Agent 的 JSON API
- Auth 层:内置 JWT + API Key 认证,无需外部身份服务
- AI 网关:统一接口对接 OpenAI / Anthropic / Google / 本地模型
- Compute 层:沙箱化代码执行环境,Agent 可以动态运行代码
- Storage 层:基于 Postgres 大对象 + 本地文件系统的文件管理
整个系统由 TypeScript 构建,单二进制部署,设计上支持 Docker Compose 一键启动。
为什么 Coding Agent 需要这种后端
传统的 BaaS(Backend as a Service)服务假设用户是人。 人有浏览器、有交互界面、有 session。 但 Coding Agent 的工作方式完全不同:
- Agent 不会点击按钮,它调用 API
- Agent 不需要 OAuth 登录页,它需要 API Key
- Agent 不需要表格 UI,它需要 SQL 直接操作或 REST 端点
- Agent 需要能动态创建项目、部署代码、调用 AI
InsForge 的 API 设计直接瞄准这些需求。 一个 Agent 可以在几秒内创建一个带有完整后端的新项目, 包括数据库表、认证机制、存储空间和 AI 模型对接。
Agent 创建项目 → InsForge 分配数据库 → Agent 设计 Schema → Agent 部署 API → Agent 调用 AI 模型 → 项目上线
整个过程完全通过 API 自动化,无需人工干预。
快速部署指南
方式一:Docker Compose(推荐)
git clone https://github.com/InsForge/InsForge.git
cd InsForge
cp .env.example .env
# 编辑 .env 填入你的配置
docker compose up -d
启动后访问 http://localhost:3000 可以看到 Dashboard,但更重要的是 Agent 可以直接通过 localhost:3000/api 调用所有功能。
方式二:Node.js 直接运行
npm install -g @insforge/core
insforge init my-project
cd my-project
insforge start
首次配置
启动后需要设置管理员 API Key:
curl -X POST http://localhost:3000/api/admin/setup \
-H "Content-Type: application/json" \
-d '{"admin_key": "your-secure-key"}'
之后 Agent 就可以使用这个 Key 调用所有 API。
核心功能拆解
1. 动态项目创建
Agent 可以通过单次 API 调用创建一个全新的项目,自动获得独立的数据库 Schema、存储空间和 API 端点:
POST /api/projects
{
"name": "my-agent-app",
"template": "default"
}
→ Response:
{
"id": "proj_abc123",
"db_url": "postgres://...",
"api_key": "sk_proj_abc...",
"storage_endpoint": "/storage/proj_abc123"
}
2. AI 网关(统一模型接口)
内置 AI 网关支持主流模型,Agent 无需关心底层 API 差异:
POST /api/ai/chat
{
"model": "claude-sonnet-4",
"messages": [...]
}
// 也可以使用 OpenAI 兼容格式
POST /api/ai/chat
{
"model": "gpt-5.5",
"messages": [...]
}
支持:Claude 4、GPT-5.5、Gemini 3.1、DeepSeek V4、本地 Ollama 模型
3. 沙箱代码执行
Agent 可以在隔离沙箱中执行代码,用于测试、数据处理或动态计算:
POST /api/compute/run
{
"language": "python",
"code": "print('hello from agent')",
"timeout": 30
}
支持 Python、JavaScript/TypeScript、Go、Rust 运行时。
4. 文件存储
基于 Postgres 大对象(Large Objects)和本地文件系统:
POST /api/storage/upload
Authorization: Bearer sk_...
// multipart/form-data with file
GET /api/storage/download/:file_id
5. API Key 管理与审计
每个项目可以生成多个细粒度 API Key,支持读写分离和审计日志:
POST /api/keys
{
"permissions": ["storage:read", "ai:chat", "compute:run"],
"expires_in": "7d"
}
与 Supabase / Supanoco 的对比
很多人会问 InsForge 和 Supabase 有什么不同。关键差异在这里:
- 目标用户不同:Supabase 面向人类开发者;InsForge 面向 AI Agent
- 认证方式:Supabase 用 OAuth + 登录页;InsForge 用 API Key 优先
- AI 集成:Supabase 通过 pgvector 做向量搜索;InsForge 内置完整的 AI 网关
- 动态能力:InsForge 允许 Agent 创建/销毁项目;Supabase 不提供这种动态项目管理
- 部署:两者都支持自托管,但 InsForge 更轻量
适用场景与最佳实践
✅ 适合的场景
- AI Agent 开发:构建需要后端支持的 Coding Agent
- 自动化项目创建:Agent 批量创建和管理微服务项目
- 原型开发:快速搭建带后端和 AI 能力的小型应用
- 教学与实验:学习 Postgres + AI 全栈开发
❌ 不太适合的场景
- 面向终端用户的 B2C 产品(应选 Supabase 等成熟方案)
- 需要高可用和 SLA 的生产环境(InsForge 尚未经过大规模验证)
- 需要复杂权限模型的多人协作应用
最佳实践
- 使用 Docker 部署并在前面加 Nginx 反向代理
- 为每个 Agent 生成独立的 API Key,方便审计和限流
- 开启审计日志,记录 Agent 的所有操作
- 计算沙箱设置严格的资源限制(内存/CPU/超时)
- 用环境变量管理敏感配置,不要硬编码到 Agent 的 prompt 里
总结
InsForge 是 2026 年一个值得关注的新兴开源项目。 它精准地切中了 AI Coding Agent 时代的后端需求空白, 用 Postgres 承载了一切,让 Agent 能像人类开发者一样快速搭建后端基础设施。
虽然还很年轻,但它代表了一种趋势: 未来的后端服务不仅要服务人类,也要服务 AI Agent。 如果你在构建 Agent 应用,InsForge 值得一试。 即使暂时不用,它的设计思路也值得参考。
← 返回博客列表