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

30 秒速览

运行形态
命令行工具桌面应用自托管服务
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
Python 3.12+Shell / 命令行网络访问本地文件系统MCP Server
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)

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。

  1. 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。
  2. 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。
  3. 研究人员让 Researcher 搜索并提取多个网页来源,再汇总成报告。
  4. 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。
  5. 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。
  6. 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 | bash
  • pip 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 | bash
powershell -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 chat
agentcrew chat --console
agentcrew 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?

优点
  • 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。
局限
  • 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?

FollowAgents 源码审查 · FARS-2.1
存在缺口
61/ 100 五分制 3.1 / 5
本评测基于 2026年11月11日 的源码;此后该项目发布了 2 个正式版本,尚未复审。分数与结论只代表评测时的版本。 最近版本 ↓
信任安全 12/29
可靠稳定 8/14
适用触发 14/18
规范维护 13/18
有效结果 9/13
证据核验 5/8
查看各维度的扣分理由
信任安全12 / 29 · 2.1/5

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。

可靠稳定8 / 14 · 2.9/5

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。

适用触发14 / 18 · 3.9/5

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。

规范维护13 / 18 · 3.6/5

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。

有效结果9 / 13 · 3.5/5

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。

证据核验5 / 8 · 3.1/5

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。

风险与缓解建议
  • 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。
证据充分度:低 评估于 2026年11月11日 审查版本 e83a03b79e20 评估后仓库已有新提交,评分可能未覆盖最新改动
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/agentcrew.svg?lang=zh)](https://followagents.com/zh/agents/agentcrew)
<a href="https://followagents.com/zh/agents/agentcrew"><img src="https://followagents.com/badge/agentcrew.svg?lang=zh" alt="FARS 评测"></a>

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。

  1. v0.24.1
    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 ↗
  2. v0.24.0
    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 ↗
  3. v0.23.2
    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?
不一定。文档列出 ChatGPT Plus/Pro、GitHub Copilot、OpenCode Go 等订阅认证选项,也支持配置 Ollama、llama.cpp 等本地提供方。具体费用和额度由相应提供方或订阅计划决定。
智能体能直接修改文件或运行命令吗?
可以,但需为智能体启用相应工具,例如 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?
可以。可在桌面或终端聊天界面选择一个智能体使用;多智能体交接是可用工作方式之一,并非每次任务都必须使用。
能连接不同机器上的 AgentCrew 吗?
可以。运行 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 的 GitHub 仓库填写的官网是 https://agentcrew.dev。这个链接由仓库作者设置;源码在 GitHub(saigontechnology/AgentCrew)。
AgentCrew 多智能体工作台 开源吗?
开源。源码在 GitHub(saigontechnology/AgentCrew),许可证是 Apache-2.0。
AgentCrew 多智能体工作台 安全吗?
FollowAgents 的 FARS 评审(2026年11月11日)给 AgentCrew 多智能体工作台 的“信任与安全”打了 12/29 分。评审检查的 8 项安全措施没有完全缺失的。评审之后仓库已有更新。
AgentCrew 多智能体工作台 还在维护吗?
在维护。GitHub 上最近一次提交是 2026-11-20,在最近 30 天内。最新版本是 v0.24.1(2026-11-20)。
AgentCrew 多智能体工作台 是谁开发的?
AgentCrew 多智能体工作台 由 GitHub 账号 saigontechnology 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念