一、概述

1. 案例介绍

开发者空间-华为云是华为云为全球开发者打造的专属云上成长空间，空间深度整合了昇腾AI、鸿蒙、鲲鹏等华为根技术。2025HDC大会上，华为开发者空间迎来全面升级，新增AI原生应用引擎、AI Notebook、云开发环境、FunctionGraph云函数、Astro低代码等核心能力，并在算力、模型、平台、应用层实现全方位优化，助力开发者高效完成从编码到调测的全流程，打造智能AI应用开发新体验。

Coze Studio是一站式 AI Agent 开发工具。提供各类最新大模型和工具、多种开发模式和框架，从开发到部署，为你提供最便捷的 AI Agent 开发环境。

• 提供 AI Agent 开发所需的全部核心技术：Prompt、RAG、Plugin、Workflow，使得开发者可以聚焦创造 AI 核心价值。
• 开箱即用，用最低的成本开发最专业的 AI Agent：Coze Studio 为开发者提供了健全的应用模板和编排框架，你可以基于它们快速构建各种 AI Agent ，将创意变为现实。

Coze Studio源自服务了上万家企业、数百万开发者的「扣子开发平台」，它的核心引擎完全开放。它是一个一站式的 AI Agent 可视化开发工具，让 AI Agent 的创建、调试和部署变得前所未有的简单。通过 Coze Studio 提供的可视化设计与编排工具，开发者可以通过零代码或低代码的方式，快速打造和调试智能体、应用和工作流，实现强大的 AI 应用开发和更多定制化业务逻辑，是构建低代码 AI 产品的理想选择。

Coze Studio 的后端采用 Golang 开发，前端使用 React + TypeScript，整体基于微服务架构并遵循领域驱动设计（DDD）原则构建。为开发者提供一个高性能、高扩展性、易于二次开发的底层框架，助力开发者应对复杂的业务需求。

本案例将基于开发者空间-华为云 - 云开发环境，通过Docker的部署Coze Studio，并配置华为云Maas 200万DeepSeek-V3-32K免费token推理额度，构建智能体应用，助力开发者快速体验Coze Studio。

2. 适用对象

• 企业
• 个人开发者
• 高校学生

3. 案例时间

本案例总时长预计90分钟。

4. 案例流程

说明：

1. 资源准备：登录华为开发者空间，进入开发平台，创建配置云开发环境，安装部署CLI工具包；
2. 创建隧道A，配置XShell远程连接云开发环境；
3. 登录ModelArts Studio(MaaS)控制台，领取DeepSeek-V3模型200万免费token，部署Coze Studio配置模型参数；
4. 安装部署Docer，创建隧道B，启动Coze Studio；
5. PC端访问Coze Studio，配置智能体应用。

5. 资源总览

本案例预计花费0元。

最新案例动态，请查阅《基于华为开发者空间云开发环境部署Coze Studio + Maas构建智能体应用》「链接」。小伙伴快来领取华为开发者空间，进入云开发环境服务器版实操吧！

二、基础环境与资源准备

1. 配置云开发环境

华为开发者空间-云开发环境平台为开发者提供专属云端开发主机，集成主流IDE工具，支持多端访问和API/SDK调用，打造开箱即用的开发环境。

参考案例《开发者空间 - 云开发环境使用指导》「链接」创建配置云开发环境。

本案例参数样例：

创建配置完成后，操作云开发环境开机，开机后状态如下：

2. 创建隧道

参考案例《开发者空间 - 云开发环境使用指导》「链接」安装CLI工具包，配置AK/SK签名认证。通过CLI工具创建云开发环境远程连接隧道1234，创建完成后的效果如下：

hdspace devenv listhdspace devenv start-tunnel --instance-id={InstanceId}  --local-port=1234

3. 配置Xshell远程连接云开发环境

参考案例《开发者空间 - 云开发环境使用指导》「链接」配置Xshell登录云开发环境，配置完成并登录后的效果如下：

4. 领取DeepSeek-V3模型200万免费token

参考案例《基于DeepSeek和Dify构建心理咨询师应用》「链接」领取DeepSeek-V3模型200万免费token。

获取关键数据API地址、model参数：

获取关键参数API Key：

三、安装Coze Studio

1. 安装Docker

1.1 系统准备

1. 更新系统
2. 在xshell中通过yum命令更新系统程序，具体指令如下：

sudo yum update -y

系统更新完成（时间约持续1-3分钟）日志提示如下：

1. 安装依赖

sudo yum install -y device-mapper-persistent-data lvm2

1.2 切换国内源

sudo yum-config-manager --add-repo https://repo.huaweicloud.com/docker-ce/linux/centos/docker-ce.reposudo sed -i 's/$releasever/8/g' /etc/yum.repos.d/docker-ce.repo  # 替换版本变量

1.3 安装docker

sudo yum install -y docker-ce docker-ce-cli containerd.io

安装完成（时间约持续1-3分钟）后，日志提示如下：

1.4 启动docker

sudo systemctl start dockerdocker --version

开发者也可以根据自己的需求，设置docker开机自启动。

sudo systemctl enable docker

1.5 配置镜像加速器

通过vim命令编辑/etc/docker/daemon.json配置文件：

sudo vim /etc/docker/daemon.json

镜像加速器配置参数：

{  "registry-mirrors": [    "https://docker.mirrors.ustc.edu.cn",    "https://hub-mirror.c.163.com",    "https://mirror.baidubce.com",    "https://docker.1ms.run",    "https://hub-mirror.c.163.com",    "https://docker.1panel.live"  ]}

编辑完成后，通过ESC + :wq!保存并退出编辑状态。通过如下命令重启docker。

sudo systemctl daemon-reloadsudo systemctl restart docker

2. 安装Coze Studio

2.1 获取源码

coze官方指定从github获取源码，具体指令如下：

git clone https://github.com/coze-dev/coze-studio.git

通过官方获取时，会经常因为网速等原因，显示下载较慢或失败。本案例中已经将源码上传到华为云OBS中，开发者可以使用wget命令获取源码：

wget https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0048/coze-studio-main.zip

通过unzip命令解压coze-studio-main.zip，随后通过cd命令进入被解压的coze-studio-main文件夹内。

unzip coze-studio-main.zipcd coze-studio-main

解压完成后，查看效果如下：

2.2 开通8081端口，修改Coze Studio对外访问端口号

1. 开通8081端口

华为开发者空间 - 云开发环境默认开放的端口号是8080-8089。本案例中在创建云开发环境时，已经设置开通了Remote Port：8081，此处我们开通远程port为8081隧道1233，用于映射Coze Studio对外访问的端口。在windows PowerShell窗口中通过如下命令创建隧道1233：

hdspace devenv start-tunnel --instance-id={InstanceId} --remote-port=8081  --local-port=1233

1. 修改Coze Studio对外访问端口号

在Coze Studio的默认配置中，对外访问端口号为8888，因此，此处我们需要对其进行修改，将Coze Studio的对外访问端口号设置为8081。

在Xshell窗口中，进入coze-studio-main目录，通过vim命令将docker-compose.yml文件中的services - coze-server - ports参数修改为8081：8888。

vim docker/docker-compose.yml

编辑完成后，通过ESC + :wq!保存并退出编辑状态。

注：8081：8888中8081为云主机本地对外暴露的访问端口号，8888为Docker对外暴露的coze-server的访问端口号。修改时请注意正确配置。

2.3 配置模型

在本案例前面步骤“ 领取DeepSeek-V3模型200万免费token”中，我们已经领取了DeepSeek V3模型并获取到三个关键数据API地址、model参数和API Key。

API地址：https://maas-cn-southwest-2.modelarts-maas.com/v1/infers/271c9332-4aa6-4ff5-95b3-0cf8bd94c394/v1/chat/completionsmodel参数：DeepSeek-V3API Key：kuhpf9ImRrAxxC2BeLadv7_LAo_KMAcCY_zgx_*********KBKBI7dbUa1JGgzB00QY9X2v00Iu8qdNnZeojrs8w

在Coze Studio源码backend/conf/model/template/目录中，Coze官方提供了大量模型配置模板。在本案例中使用DeepSeek模板。

将model_template_deepseek.yaml模板复制到backend/conf/model/目录下，并重命名为modelarts_deepseek_v3.yaml

cp backend/conf/model/template/model_template_deepseek.yaml backend/conf/model/modelarts_deepseek_v3.yaml

通过vim命令编辑backend/conf/model/modelarts_deepseek_v3.yaml文件

vim backend/conf/model/modelarts_deepseek_v3.yaml

设置 id、name、meta.conn_config.base_url、meta.conn_config.api_key、meta.conn_config.model 字段，并保存文件。

• id：Coze Studio中的模型 ID，由开发者自行定义，必须是非 0 的整数，且全局唯一。模型上线后请勿修改模型 id 。本案例中设置为2005，开发者可根据自己的情况自行设定。
• name：模型平台展示名称，本案例中为方便区分，将其修改为ModelArts-DeepSeek-V3，开发者可根据自己的情况自行设定。
• meta.conn_config.base_url：模型服务基础URL，在本案例中对应API地址：https://maas-cn-southwest-2.modelarts-maas.com/v1/infers/271c9332-4aa6-4ff5-95b3-0cf8bd94c394/v1。注意，配置到v1即可，url后段的/chat/completions需删除。
• meta.conn_config.api_key：模型服务的 API Key，在本案例中对应API Key：kuhpf9ImRrAxxC2BeLadv7_LAo_KMAcCY_zgx_*********KBKBI7dbUa1JGgzB00QY9X2v00Iu8qdNnZeojrs8w。实际操作中，请根据自己申请的实际参数修改替换。
• meta.conn_config.model：模型服务的 model ID，在本案例中对应model参数：DeepSeek-V3。

完整的配置文件如下：

id: 2005name: ModelArts-DeepSeek-V3icon_uri: default_icon/deepseek_v2.pngicon_url: ""description:    zh: deepseek 模型简介    en: deepseek model descriptiondefault_parameters:   - name: temperature     label:       zh: 生成随机性       en: Temperature     desc:       zh: '- **temperature**: 调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与“Top p”同时调整。'       en: '**Temperature**:\n\n- When you increase this value, the model outputs more diverse and innovative content; when you decrease it, the model outputs less diverse content that strictly follows the given instructions.\n- It is recommended not to adjust this value with \"Top p\" at the same time.'     type: float     min: "0"     max: "1"     default_val:       balance: "0.8"       creative: "1"       default_val: "1.0"       precise: "0.3"     precision: 1     options: []     style:       widget: slider       label:           zh: 生成随机性           en: Generation diversity        - name: max_tokens          label:            zh: 最大回复长度            en: Response max length          desc:            zh: 控制模型输出的Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字。            en: You can specify the maximum length of the tokens output through this value. Typically, 100 tokens are approximately equal to 150 Chinese characters.          type: int          min: "1"          max: "4096"          default_val:            default_val: "4096"          options: []          style:            widget: slider            label:          zh: 输入及输出设置          en: Input and output settings             - name: response_format               label:                 zh: 输出格式                 en: Response format               desc:                 zh: '- **文本**: 使用普通文本格式回复\n- **JSON**: 将引导模型使用JSON格式输出'                 en: '**Response Format**:\n\n- **Text**: Replies in plain text format\n- **Markdown**: Uses Markdown format for replies\n- **JSON**: Uses JSON format for replies'               type: int               min: ""               max: ""               default_val:                 default_val: "0"               options:       - label: Text         value: "0"       - label: JSON Object         value: "1"         style:           widget: radio_buttons           label:           zh: 输入及输出设置           en: Input and output settings         meta:         name: DeepSeek-V3         protocol: deepseek         capability:           function_call: false           input_modal:           - text             input_tokens: 128000               json_mode: false               max_tokens: 128000               output_modal:           - text             output_tokens: 16384               prefix_caching: false               reasoning: false               prefill_response: false             conn_config:               base_url: "https://maas-cn-southwest-2.modelarts-maas.com/v1/infers/271c9332-4aa6-4ff5-95b3-0cf8bd94c394/v1"               api_key: "kuhpf9ImRrAxxC2BeLadv7_LAo_KMAcCY_zgx_*********KBKBI7dbUa1JGgzB00QY9X2v00Iu8qdNnZeojrs8w"               timeout: 0s               model: "DeepSeek-V3"               temperature: 0.7               frequency_penalty: 0               presence_penalty: 0               max_tokens: 4096               top_p: 1               top_k: 0               stop: []               openai: null               claude: null               ark: null               deepseek:               response_format_type: text               qwen: null               gemini: null               custom: {}             status: 0

编辑完成后，通过ESC + :wq!保存并退出编辑状态。

2.4 部署并启动服务

在Xshell窗口中进入coze-studio-main目录，进行如下操作：

cd dockercp .env.example .envsudo docker compose --profile "*" up -d

首次部署并启动 Coze Studio 需要拉取镜像、构建本地镜像，可能耗时较久，请耐心等待。

部署过程中，你会看到以下日志信息。如果看到提示 "Container coze-server Started"，表示 Coze Studio 服务已成功启动。

注：服务启动之后coze-minio-setup、coze-mysql-setup-init-sql、coze-mysql-setup-schema 这几个容器处于退出状态（exit 0），是正常现象。

启动服务后，在本地PC端通过浏览器访问 http://127.0.0.1：1233/ 即可打开 Coze Studio。

四、配置智能体应用

1. 登录 Coze Studio

进入 Coze Studio登录页面，首次登录输入用户名（默认邮箱格式）、密码，点击注册，进入Personal Space页面。

注：后续登录输入首次登陆时设置的账号、密码，点登录即可进入Personal Space页面。

2. 创建智能体

在Personal Space页面，点击右上角创建按钮，在弹出的对话界面选择创建智能体。

配置智能体名称，本案例中使用“华为开发者空间 - 案例中心”作为智能体名称。配置完成点击确认，进入智能体配置页面。

注：开发者也可以根据自己的需求编写智能体功能介绍、上传图标等。

3. 智能体发布

在智能体配置页面，在编排一栏下拉选项中，选择我们之前在配置模型时创建的ModeArts-DeepSeek-V3。

在右侧预览与调试中输入一段话：我想了解一下南京这座城市，请帮我介绍一下，智能体分析并回答。点击右上角的发布。

注：开发还可以根据自己的需求创建工作流、知识库以及对话体验中的开场白、背景图片等参数，使智能体更美观，更具备趣味性。

点击完成，华为开发者空间 - 案例中心智能体保存至Personal Space页面。

至此，基于华为开发者空间 - 云开发环境，部署Coze Studio + MAAS构建智能体应用案例结束。