Octomind
面向终端与自动化流程的多模型、MCP 原生编码代理运行时。
- Star 数
- ★ 147
- 最近更新
- 1 天前
- License
- Apache-2.0
- 主语言
- Rust
- FA 评分
- 70/100 · 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
- 有免费版，另有付费云服务
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 开发者在本地仓库中启动
developer:general，让代理阅读代码、运行测试并编辑文件。 - 不适合
- 只想使用图形化桌面界面的用户
- 不希望代理执行命令或读写项目文件的团队
- 要求所有工具依赖都包含在单一二进制中的环境
- 源码审查
- 70/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
Octomind 是一个以 CLI 为核心的开源 AI 代理客户端和运行时，由单个 Rust 二进制文件提供交互式终端、标准输入管道、常驻进程、WebSocket 服务和 ACP 子代理入口。模型通过 MCP 工具读取和修改文件、运行 shell、搜索代码，并可把任务委派给子代理。角色、模型、工具权限、工作流、预算和防护规则均由 TOML 配置，不要求编写框架代码。它可连接 Octomind Cloud，也支持通过自带密钥使用 OpenRouter、OpenAI、Anthropic、DeepSeek、Ollama 等提供商。会话支持持久化、自适应上下文压缩、结构化 JSONL 输出和按请求或会话统计成本。其部署边界主要是本地终端或自行运行的进程；外部模型和 MCP 工具仍可能需要网络、凭据及各自的依赖。
用户通过 octomind run 启动角色或 tap 中的专用代理，运行时加载对应的模型配置、系统提示、MCP 服务器和工具权限。代理可调用 octofs 提供的 view、text_editor、batch_edit、extract_lines、shell 和 workdir 来检查代码、执行命令并修改文件；它还可用 mcp 动态启停服务器、用 tap 委派专用代理、用 agent 注册动态代理，并通过 schedule 或 monitor 处理延时及事件驱动任务。输入既可来自交互式终端，也可经 stdin 进入 CI 或脚本；输出可为普通文本或 JSONL，并可用 JSON Schema 约束支持该功能的模型。.agents/guardrails.toml 中的 guards 会在调用前拦截匹配操作，hooks 会检查工具结果，validators 会在回合结束后把验证反馈送回代理。命名会话可以保存和恢复，长会话由自适应压缩缩减上下文，同时保留关键任务信息。
- 开发者在本地仓库中启动
developer:general，让代理阅读代码、运行测试并编辑文件。 - CI 维护者把任务经 stdin 传给 Octomind，并以普通文本或 JSONL 收集结果。
- 平台团队以 daemon 或 WebSocket 方式运行长期代理，供监控任务、IDE 或内部面板调用。
- 多代理系统通过
octomind acp将 Octomind 作为 ACP 子代理接入现有编排栈。 - 需要治理自主操作的团队用 guards、hooks 和 validators 阻止危险调用并自动回传检查失败。
- 希望控制模型费用的团队为不同角色或工作流步骤选择不同提供商，并设置请求级和会话级支出阈值。
如何安装或部署这个 Agent？
macOS、Linux 和 Windows 均受支持；Windows 需要在 Git Bash 或 MSYS2 中运行安装脚本。默认安装目录是 ~/.local/bin/。
curl -fsSL https://raw.githubusercontent.com/muvon/octomind/master/install.sh | bash随后可登录 Octomind Cloud，获得默认 octohub:auto 配置所需的模型访问能力：
octomind login也可以跳过 Cloud 登录，设置受支持提供商的密钥，并修改 config.toml 中的 [model]、[supervisor.model] 和 [compression.model]。例如：
export OPENROUTER_API_KEY="your_key"[model]
name = "openrouter:google/gemini-2.5-flash"
[supervisor.model]
name = "openrouter:google/gemini-2.5-flash"
[compression.model]
name = "openrouter:google/gemini-2.5-flash"也可通过 Cargo 安装，但要求 Rust 1.95+：
cargo install octomind验证安装并生成默认配置：
octomind --version
octomind config
octomind run如何使用这个 Agent？
首次运行可直接启动 tap 提供的通用开发代理；第一次使用某个专用代理时，可能安装工具并请求凭据：
octomind run developer:general在脚本或 CI 中，任务必须通过 stdin 输入，因为 octomind run 的位置参数是角色或 tap 标签，不是消息：
echo "Explain the auth module" | octomind run developer:general --format plain需要机器可读结果时使用 JSONL：
echo "List TODO items" | octomind run developer:general --format jsonl需要长期运行时可启动命名 daemon，再从另一终端发送消息；--daemon 会保持进程存活，但不会将其从当前终端分离：
echo "watch the build" | octomind run --name watcher --daemon --format jsonl
octomind send --name watcher "run the test suite"作为多代理系统中的 ACP 子代理运行：
octomind acp developer:general命名会话可稍后恢复：
octomind run --name my-feature
octomind run --resume my-feature这个 Agent 有哪些优点和局限？
- 同一会话引擎覆盖交互式 CLI、stdin 管道、daemon、WebSocket 和 ACP，便于在本地开发与自动化之间复用配置。
- 原生支持 stdio 与 Streamable HTTP MCP 服务器，并可在会话中按需启停能力或委派 tap 专用代理。
- 防护体系包含调用前 guards、结果后 hooks 和回合后 validators，可用确定性脚本治理无人值守任务。
- 支持多个模型提供商、按角色或工作流步骤选模、会话中切换模型，以及缓存感知的成本统计和支出阈值。
- 自适应压缩、命名会话恢复和外部 supervisor 计划机制面向持续数小时或跨天的任务。
- 核心程序虽为单一二进制，但 octofs、octobrain 和 tap 中的外部 MCP 工具可能需要额外安装依赖和凭据。
- 默认配置使用
octohub:auto；不使用 Octomind Cloud 时，用户必须同时修改主模型、supervisor 和 compression 的模型配置，并检查角色覆盖项。 - 支出阈值依据已记录成本进行继续检查，单次提供商调用仍可能让实际费用越过设定值，不能视为预付费硬上限。
- 结构化输出依赖模型支持；终端模式下，
--format若没有管道输入且未启用--daemon会报错。 - 遥测默认开启，尽管项目声明不会发送代码、提示、文件路径、工具参数或环境值，严格环境仍需主动设置
DO_NOT_TRACK=1、OCTOMIND_TELEMETRY=0或关闭配置项。
这个 Agent 与同类方案有什么区别？
仓库列出了 2026 年 7 月 30 日发布的 octobench 结果：在 25 个来自真实合并 PR、由保留测试判定的任务中，Octomind 搭配 glm-5.2 完成 24 个，Claude Code 搭配 claude-opus-5 完成 23 个，Codex 搭配 gpt-5.6-sol 完成 21 个，OpenCode 搭配 glm-5.2 完成 19 个。该结果衡量的是完整配置；Octomind 使用了分阶段 tap 和带 unfinished-handback pre-gate 的二进制覆盖，因此不能把差异归因于单一运行时功能或模型。README 也明确说明这些是当时发布的结果，而非当前检出的实时测量。
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 |
|---|---|---|---|---|---|---|
| Octomind 当前 | 70 · 存在缺口 | 命令行工具免费版 + 付费版 | ★ 147 | 1 天前 | Rust | OpenAI API · Claude API |
| Selectools | 65 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 11 | 2 个月前 | Python | OpenAI API · Claude API |
| DSPy-Go | 49 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 197 | 12 天前 | Go | OpenAI API · Claude API |
| Neuron AI — PHP 智能体框架 | 45 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 2.1k | 2 天前 | PHP | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示工具可按角色和能力暴露，支持沙箱、调用前 guard、调用后 hook、回合后 validator，以及请求和会话支出阈值；README 也明确说明文件写入、shell、网络模型、云登录、远程 tap 与自动安装等外部作用。扣分在于沙箱并非明确默认开启，产品刻意以脚本策略替代逐次批准，支出阈值默认关闭且可能超额后才停止；凭据可被交互式请求并持久化，但未提供存储位置、加密、日志脱敏或删除流程。依赖工作流每周执行更新、测试和 cargo audit，Cargo.toml 还说明规避已知 advisory，但 CI 复用 master 分支工作流、若干 Actions 仅固定主版本，供应链固定程度不足。会话保存提供一定恢复基础，但未展示文件修改的原子回滚或撤销机制。Apache-2.0、公司作者和联系方式提供了来源归属，不过发布者身份未经企业注册表验证，tap 与自动安装依赖的来源链也未完整展开。
README、Cargo 清单、CI 和测试夹具总体描绘出一致的多入口 MCP Agent：CI 覆盖 Linux、macOS、Windows、stable/beta/nightly 和 musl 构建；MCP 夹具覆盖超时与协议错误，ACP 冒烟脚本检查初始化、会话、取消和工具调用。扣分在于未提供产品实现源码或实际运行结果，README 示例仍显示 v0.50.1 而清单为 v0.55.2，外部模型、Cloud、tap、Hugging Face 模型、ONNX 库和共享 master CI 工作流均形成可用性依赖。脚本包含明确的缺失二进制、超时和异常信息，并展示 MCP 初始化失败可优雅跳过，但对真实用户路径中的认证、网络、配额和部分失败消息缺少直接源码证据。
资料完整覆盖交互终端、stdin/CI、daemon、WebSocket、ACP、SSH、tmux、不同专业角色、BYOK 与多供应商模型等场景，因此受众和环境适配证据充分。能力可由角色、skills、capabilities 和 MCP server 分层加载，README 对语义触发、确定性规则、近似并列时 abstain、停用与压缩的关系描述具体，触发精度可获满分。扣分主要在能力边界：角色可在运行时启用服务器、安装依赖、注册 Agent 和委派任务，实际权限由外部 tap 和配置决定；所给文件没有证明所有动态扩展均受统一的最小权限上限约束。
README 有目录、快速开始、模式对照表、配置片段、命令示例、架构与文档入口，信息架构和示例质量高；完整 Apache-2.0 文本与 Cargo 元数据一致。安装同时提供 curl 管道、cargo install 和源码构建，并注明 Rust 版本及首次运行可能安装工具和索取凭据，但 curl-to-shell 的校验、签名和固定版本方法未展示。命令与概念命名总体明确，且主动解释 run 参数、默认角色和 daemon 不脱离终端等易混点；不过 README 横幅版本落后于 Cargo 版本，且供应商可用性随 octolib 版本变化。限制事项散布在各节而非集中维护。清单有语义版本，资料却未包含 CHANGELOG、发布兼容政策或迁移指南。作者实体、联系邮箱、仓库与贡献入口清楚，但没有给出具体维护者、响应承诺或安全报告渠道，且发布者身份仍属未知。
plain、JSONL、schema 约束、交互界面和 ACP/WebSocket 输出面向人工与自动化消费，输出可用性证据充分。角色、动态能力、guardrails、压缩、成本跟踪与多入口运行时组合相较普通聊天客户端具有明确增量价值；但大部分效果来自 README 陈述，产品源码未提供。基准给出任务数、成本、时间、日期及“不是当前 checkout 的测量”这一重要限定，但基准仓库和产物不在所给材料中，不能据此确认当前版本效果。成本阈值、缓存计费和按步骤选模支持成本控制，但阈值默认关闭且为事后续行检查，可能超过设定金额；订阅、模型、自动安装和维护成本也没有完整量化。
README 将多数功能指向具体文档章节、命令、配置键和外部基准修订，并明确区分模型工具调用与 shell 命令、当前 checkout 与历史基准、阈值与预付费上限，事实与推断分离较好。Cargo 清单、CI、依赖更新流程、MCP 夹具和 ACP 冒烟脚本对版本、平台、协议、超时和审计等部分主张形成交叉佐证。扣分在于关键实现源码、链接文档、Cargo.lock、基准产物和实际 CI 输出均未提供，许多安全、压缩、成本及性能主张只能追溯到 README；营销性结论如“no surprise tools”和自主治理效果也未由所给源码直接证明。
- 该 Agent 可读写文件、运行 shell、连接远程模型和 MCP 服务、自动安装 tap 依赖并委派子 Agent；在可信仓库之外使用前，应显式启用沙箱并审查角色、tap、能力和 guardrail 配置。
- 逐次用户确认不是主要安全机制，支出阈值默认关闭且可能在一次供应商调用后才触发；无人值守运行前应配置拒绝规则、预算和外部网络范围。
- 登录和 specialist 设置可能请求并持久化凭据，但所给材料未说明凭据的加密、权限、脱敏或清除方式；不要在未审计的共享主机或日志环境中输入高权限密钥。
- 一键安装使用远程 curl-to-shell，CI 还引用可变的 master 工作流；生产采用前应固定修订、验证下载物并审计 tap 及其自动安装依赖。
- 公开基准明确不是当前修订的测量，且其产物未包含在证据中；不要把 24/25、成本或耗时数字视为本 revision 的独立验证结果。
常见问题
必须订阅 Octomind Cloud 吗？
octomind login 提供包含模型访问的 Cloud 路径，但也可跳过登录，使用 OpenRouter、OpenAI、Anthropic、DeepSeek、Ollama 等受支持提供商，并修改三个默认模型配置表。代理可以访问哪些本地资源？
.agents/tools/ 自动注册为 MCP 工具。如何限制危险操作？
.agents/guardrails.toml 中配置调用前 guards、工具结果 hooks 和回合后 validators。规则能匹配能力名称、参数正则、调用历史、角色及结果内容。