AgentCrew 多智能体工作台
把编码、研究与自动化任务交给一组可协作的专长智能体。
- Star 数
- ★ 226
- 最近更新
- 1 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 61/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 开发团队先让 Architect 设计数据模型,再由 Coder 实现、Reviewer 检查安全问题。
- 不适合
- 只需要单轮对话、无需工具或多智能体协作的用户
- 官网
- agentcrew.dev ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-20最新版本 v0.24.1(2026-11-20)
- 源码审查
- 61/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
AgentCrew 是一款 Python 3.12+ 多智能体应用,可通过桌面 GUI、终端、HTTP API 和 CI 流程使用。用户可以在 agents.toml 中配置各自的智能体、工具与指令,并在同一对话中切换角色或用 @AgentName 委派子任务。智能体可读取和编辑文件、分析代码库、搜索网页、操作浏览器、执行命令,并通过 MCP 接入外部工具;可用能力取决于启用的工具与所配置的模型提供方。它支持 OpenAI、Anthropic、Gemini、GitHub Copilot、ChatGPT Codex、xAI、DeepInfra 等提供方,也支持 Ollama、llama.cpp 等自定义本地提供方。应用可在本机运行,也可启动 A2A HTTP 服务连接不同机器上的 AgentCrew 实例。
通过 agentcrew create-agent 创建智能体,或在 ~/.AgentCrew/agents.toml 中配置名称、描述、工具和 system_prompt。在 agentcrew chat 的桌面界面或 agentcrew chat --console 终端界面中,使用 /agent <name> 选择角色并提交任务;用 @<name> <task> 将子任务和上下文交给另一智能体。按配置启用 code_analysis 读取和分析文件、file_editing 修改文件、web_search 和 fetch_webpage 搜集网页内容、browser 操作网页,或 command_execution 运行命令。还可用 agentcrew job 执行一次性任务,用 agentcrew a2a-server 提供 HTTP+JSON-RPC 服务,或通过 ACP WebSocket 供自定义客户端控制。
- 开发团队先让 Architect 设计数据模型,再由 Coder 实现、Reviewer 检查安全问题。
- 维护代码库的工程师用
code_analysis检查文件与结构,并让file_editing智能体实施修改。 - 研究人员让 Researcher 搜索并提取多个网页来源,再汇总成报告。
- 需要网页流程自动化的运营或 QA 人员启用
browser,让智能体导航、填写表单和点击工作流。 - 团队在 CI/CD 或批处理中用
agentcrew job对指定文件执行代码审查等一次性任务。 - 分布式团队用 A2A 服务连接不同机器上的研究与编码智能体。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
curl -LsSf https://agentcrew.dev/install.sh | bashpip install agentcrew-ai
- 环境变量
OPENAI_API_KEY- 配置文件
~/.AgentCrew/agents.toml- 运行环境
- Python 3.12+
- 安装说明涉及
- Windows · macOS · Linux
如何安装或部署这个 Agent?
macOS 或 Linux 可运行安装脚本;Windows 可用 PowerShell 安装脚本,也可在任意平台通过 pip 安装。使用模型通常需要相应 API 密钥或订阅认证;本地提供方可在配置文件中设置。README 标注 Python 3.12+。
curl -LsSf https://agentcrew.dev/install.sh | bashpowershell -ExecutionPolicy ByPass -c "irm https://agentcrew.dev/install.ps1 | iex"pip install agentcrew-ai设置 OpenAI 密钥的示例:
export OPENAI_API_KEY="sk-proj-..."如何使用这个 Agent?
启动桌面 GUI,或使用终端模式;首次启动会引导创建智能体。也可以先通过命令创建智能体。
agentcrew chatagentcrew chat --consoleagentcrew create-agent在 ~/.AgentCrew/agents.toml 中定义智能体,例如:
[[agents]]
name = "CodeAssistant"
description = "Helps write and review code"
tools = ["code_analysis", "file_editing", "web_search", "memory"]
system_prompt = """You are an expert software engineer.
Focus on code quality, security, and maintainability.
Today is {current_date}."""在对话中选择智能体并委派任务:
/agent Architect
Design a clean API for a task manager.
@Coding Implement the task manager in Python using FastAPI.
@Reviewer Review the code for security issues.需要远程连接时,可启动 A2A 服务:
agentcrew a2a-server --host 0.0.0.0 --port 41241这个 Agent 有哪些优点和局限?
- 同一对话支持切换智能体和
@AgentName子任务交接,适合分阶段协作。 - 提供桌面 GUI、终端、一次性 job 和 A2A HTTP 服务等多种运行方式。
- 可为智能体分别启用代码分析、文件编辑、网页搜索、浏览器和 MCP 工具。
- 文档列出多个云端模型提供方,并支持 Ollama、llama.cpp 等本地自定义提供方。
- 除本地模型外,使用模型通常需要配置 API 密钥或相应订阅;费用受提供方计费规则影响。
- Python 运行环境要求为 3.12 或更高版本。
- 多智能体工作流需要配置角色、指令和工具,设置比单一对话助手更繁琐。
- 文件修改、命令执行和浏览器操作依赖为对应智能体启用工具;其行为范围取决于配置。
这个 Agent 与同类方案有什么区别?
README 将 AgentCrew 定位为适合需要多种视角、工具访问和任务交接的复杂任务;如果只需不带工具或多智能体编排的单一对话,则单一助手更合适。它也提供 Ollama、llama.cpp 和 LM Studio 等自定义提供方选项,适合希望配置本地模型的用户。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AgentCrew 多智能体工作台 当前 | 61 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 226 | 1 天前 | Python | OpenAI API · Claude API |
| Alas 智能编程工作区 | 79 · 表现良好 | 桌面应用免费 + 模型费 | ★ 25 | 今天 | Swift | Codex · Claude Code |
| MassGen 多智能体协作系统 | 50 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.2k | 5 个月前 | Python | Codex · Claude Code · OpenAI API · Claude API |
| Polter 多终端智能体监督器 | 47 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 23 | 9 天前 | Zig | Claude Code |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README 列出可按 agent 启用的工具,且更新流程在 macOS/Linux 上询问确认,支持一定程度的权限控制和用户确认;但 file editing、shell execution、浏览器、剪贴板、MCP 以及可公开绑定的 A2A 服务带来较广泛的本机或网络影响,证据未展示细粒度权限约束或完整授权机制,因此 least_privilege、external_effects 仅 1。README 说明多种模型提供方、Cursor 托管推理以及 xAI 本地登出不撤销远端会话,数据流说明尚可;但 API key 可存于配置文件,样本未显示加密、脱敏或密钥保护措施,故 sensitive_data_handling 为 1。依赖被精确锁定且配置 CodeQL,但未提供依赖漏洞处置证据,dependency_security 为 1。更新前可查看发布说明并确认,但没有恢复或回滚流程,rollback 为 1。仓库名、作者字段和许可证可见,但发布者未验证,且样本未明确维护责任人或可信发布路径,source_attribution 为 1。
README、pyproject.toml 与 main.py 在 Python 3.12+、包名及多种使用方式上基本一致;main.py 还包含超时更新检查和版本比较,因此 self_consistency 为 2。依赖有固定版本,减少了版本漂移,但项目依赖数量多且连接多个外部服务,样本没有可用性或降级策略说明,dependency_availability 为 1。代码在启动、更新检查、插件初始化和关闭路径中提供错误输出或日志;但部分异常被静默转换为 None 或继续运行,故 failure_messages 为 2。
README 明确区分开发者场景,提供 GUI、终端、批处理、HTTP API、CI、研究、编码和自动化案例,并指出何时单一助手更合适,audience_and_scenarios 为 3。工具用途和建议启用场景有说明,且支持自定义 provider、agent 与 MCP;但能力边界、安全限制和各工具的具体权限范围不完整,capability_boundaries 为 2。命令、配置示例和 agent handoff 语法清晰,trigger_precision 为 2。文档覆盖 macOS/Linux、Windows、pip、容器、离线本地模型及远程终端等环境,不过样本没有充分说明各模式的环境限制,environment_fit 为 2。
README 的分层结构、目录式后续链接及配置、指南、插件文档入口清楚,information_architecture 为 3。安装命令覆盖多平台并说明 Python 版本和 API key 选项,但 curl 管道执行和 PowerShell 下载执行步骤缺少校验说明,install_notes 为 2。AgentCrew、agentcrew-ai 和配置键等命名整体可辨认,但大小写与产品名混用,naming_stability 为 2。README 提供丰富命令、配置片段、工作流及选择 provider 的指引,examples_and_faq 为 3。xAI 订阅与登出限制、费用不确定性和 Cursor 托管推理等限制有披露,但其他工具风险及失败边界不完整,known_limitations 为 2。LICENSE 与项目元数据均明确 Apache-2.0,license 为 3。pyproject.toml 有版本号,main.py 有更新检查,但样本未包含变更日志或清晰的版本发布说明流程,versioning_changelog 为 1。作者字段提供姓名与邮箱,但没有明确维护团队、支持承诺或维护责任,maintenance_responsibility 为 1。
产品提供多 agent 协作、多模型、MCP、多种交互模式及可复用配置,且示例展示从研究到编码的工作流,支持其日常开发用途;不过样本未展示输出质量或用户结果证据,因此 output_usability 为 2、marginal_value 为 2。多 provider、离线模型和按场景选工具有助于覆盖不同成本与需求,但需要配置密钥并承担多依赖和外部服务成本,成本收益说明不够完整,cost_benefit 为 2。
README 中的命令和功能声明可与 pyproject.toml 的入口、依赖及部分 main.py 实现相互对照;但样本仅包含部分源码和测试,且不少产品能力只有文档描述,claim_traceability 为 2。测试文件展示了具体 A2A 行为的回归测试,代码也展示更新确认、超时及错误处理,但这些材料未覆盖 README 的全部广泛声明,cross_source_corroboration 为 2。文档区分明确功能描述与提示性示例,代码中也有具体错误路径;但部分成本、能力和质量表述未由样本中的可核验证据支持,fact_inference_separation 为 2。
- 启用 shell execution、文件编辑、浏览器或 MCP 前,应逐个检查 agent 的工具配置;README 展示的 A2A 示例使用 0.0.0.0,部署时需自行确认网络访问控制。
- API key 可保存在本地 JSON 配置中;样本未说明加密或权限加固。使用订阅登录时,也应留意远端服务的授权、计费和本地登出不撤销远端会话等限制。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
发布说明摘录
AgentCrew v0.24.1 This release adds file-backed system prompts for local agents and improves first-startup handling for SQLite memory storage. ✨ Added - Local agents can now load prompt sections from UTF-8 files using system_prompt_ref. Multiple files are wrapped with their configured paths and combined in order. - Prompt files are reread on startup and configuration reload. If any referenced file loads, its content takes precedence over the inline system_prompt; otherwise, the inline prompt remains the fallback. …在 GitHub 查看 ↗ -
发布说明摘录
AgentCrew 0.24.0 This release makes SQLite the default memory backend, adds a safer migration path for existing Chroma data, and improves memory capture, retrieval, and application lifecycle management. Highlights - SQLite and FTS5 are now the default memory backend. Existing Chroma memory can be migrated through an interactive startup prompt or with the new agentcrew-migrate-memory command. The Chroma source is preserved during migration. …在 GitHub 查看 ↗ -
发布说明摘录
AgentCrew 0.23.2 This release adds a new LLM provider and model options, improves context management, and expands Cursor’s integration with MCP tools. Highlights - Added the Refuseless provider, including API-key configuration, reasoning-level support, and built-in GLM models. - Expanded model catalogs with GPT-6.1 Terra for OpenAI Codex, updated GitHub Copilot models, and new DeepSeek, Step, Hy4, and Muse models across supported providers. …在 GitHub 查看 ↗
常见问题
使用 AgentCrew 一定要付费 API 密钥吗?
智能体能直接修改文件或运行命令吗?
file_editing 或 command_execution。README 说明命令执行工具带有速率限制和审计日志。能否只运行一个智能体?
能连接不同机器上的 AgentCrew 吗?
agentcrew a2a-server 提供 HTTP+JSON-RPC 服务,并在配置中添加 remote_agents 连接其他实例。AgentCrew 多智能体工作台 官网是什么?
AgentCrew 多智能体工作台 开源吗?
AgentCrew 多智能体工作台 安全吗?
AgentCrew 多智能体工作台 还在维护吗?
AgentCrew 多智能体工作台 是谁开发的?
谢谢反馈,我们会据此改进页面。