Open Managed Agents (OpenMA)

这个 Agent 能做什么，适合哪些场景？

Open Managed Agents（OpenMA）是一个可开源自托管的托管式 Agent 平台，定位为 Claude Managed Agents 和 OpenAI Agents API 的替代实现。它本身是“元 harness”：不重写 agent loop，而是管理会话生命周期、执行资源编排与故障恢复。你可以让 harness 跑在沙箱之外（内置 Pi 或自实现 host-side harness 接口），也可以把 Claude Code、Codex 等成熟 harness 通过 ACP 适配器放进沙箱内复用其工具与上下文管理。平台把会话历史、工作区检查点与输出持久化，沙箱挂掉也能用 durable events 重建上下文。模型层通过 Model Cards 接入 Anthropic、OpenAI、DeepSeek、OpenRouter 等；数据库、队列、对象存储均可替换适配器。部署上支持原生 Node.js、Docker Compose、Fly.io、Vercel（Beta）和 Cloudflare，同时提供托管版控制台。

OpenMA 接收你创建的 agent 定义（名称、model、system prompt），生成 environment（网络与依赖配置）和 session，然后按事件流执行：通过 client.beta.sessions.events.send 发送 user.message 等事件，服务端把事件落库为 durable 记录并交给选定的 harness 执行，产生的进度与输出以流式事件返回。工具侧内置 shell 执行、文件读写编辑、glob 与文本搜索、网页搜索与抓取、浏览器自动化（导航、点击、输入、截图），并可加载 MCP 服务与 Skills；会话还能挂载仓库、文件和持久记忆。执行完成后工作区被检查点化，输出被收集，会话可在之后继续。对外暴露三套接口：Claude Managed Agents 风格的 /v1/*（支持官方 Anthropic SDK）、OpenAI Agents API 风格的 /openai/v1/*（支持 [email protected]），以及 OpenMA 扩展 /v1/oma/*（Model Cards 与产品特性）。多副本场景下，Node 部署通过 durable execution outbox、可续租约与 fencing 让不同副本并行认领不同 session，同一 session 内保持有序；沙箱内 harness 走独立的 Environment Work 认领通道。

1. 需要长期运行编码任务的团队：让 Claude Code 或 Codex 跑在 E2B、Daytona、Cloudflare Sandbox 等隔离沙箱里，由 OpenMA 负责工作区持久化与输出回收。
2. 想摆脱单一供应商锁定的平台团队：模型、harness、沙箱、数据库、队列、对象存储六层都可替换，按需接入 Anthropic、OpenAI、DeepSeek 或 OpenRouter。
3. 已有 OpenAI SDK 或 Anthropic SDK 代码、希望自托管的开发者：把 baseURL 指向自己的服务器，沿用 /v1/* 或 /openai/v1/* 接口迁移。
4. 做 issue-to-PR 自动化的工作流团队：结合 GitHub issues/PR、Linear、Slack、Feishu 集成与 OpenMatter 的 Loop runtime，把工作事件转成 agent 回合并回写结果。
5. 对凭据与数据边界敏感的运维/安全团队：用 Model Cards 加密保存 provider key，并通过 Vault-backed gateway 限制私有服务的访问范围。
6. 需要在本地或自有云上验证 Agent 能力的个人开发者：用 Docker Compose + SQLite 单机快速起一套，接上自己的 API key 试跑。

如何安装或部署这个 Agent？

推荐路径是让编码 agent 读部署 skill：

npx skills add openma-ai/open-managed-agents --skill deploy-openma

安装后向 agent 说“Deploy OpenMA on this machine”，它会检查环境、准备配置、部署并验证 Console 与一次 agent 任务。

手动 Docker 部署（需 Docker with Compose）：

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
cp .env.example .env

编辑 .env，至少准备：

# 生成密钥
openssl rand -hex 32      # BETTER_AUTH_SECRET
openssl rand -base64 32   # PLATFORM_ROOT_SECRET

同时在 .env 中设置隔离的 SANDBOX_PROVIDER 及其配置、PUBLIC_BASE_URL，并保持认证开启；部署不会回退到在未隔离的宿主进程里执行 agent 命令。

docker compose up -d --build
curl --fail http://localhost:8787/health

启动后访问 http://localhost:8787 创建账号，并在 Console 里配置 Model Card 和 environment。Compose 会挂载 ./data，重启或升级时请保留该目录。

Cloudflare 部署需要 .node-version 指定的 Node 版本、仓库锁定的 pnpm、用于构建容器的 Docker，以及 jq、openssl：

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
pnpm install --frozen-lockfile
npx wrangler login
pnpm setup:cloudflare

该脚本会在你的 Cloudflare 账号里创建资源、写 Wrangler 配置、设置密钥并部署 Workers，可能产生费用；运行时它默认会提示输入 Anthropic API key（也可通过环境变量提供）。

如何使用这个 Agent？

先在 Console 里创建 API key、Model Card 和 environment，然后按 SDK 接入。

使用官方 Anthropic SDK（仓库锁定 @anthropic-ai/[email protected]）：

npm install @anthropic-ai/[email protected]

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.OPENMA_API_KEY,
  baseURL: process.env.OPENMA_BASE_URL ?? "https://app.openma.ai",
});

const agent = await client.beta.agents.create({
  name: "researcher",
  model: process.env.OPENMA_MODEL_ID!,
  system: "Help me investigate a task and explain your findings.",
});

const session = await client.beta.sessions.create({
  agent: { type: "agent", id: agent.id, version: agent.version },
  environment_id: process.env.OPENMA_ENVIRONMENT_ID!,
});

await client.beta.sessions.events.send(session.id, {
  events: [{
    type: "user.message",
    content: [{ type: "text", text: "Help me plan a code review." }],
  }],
});

使用 OpenAI SDK（测试基线 [email protected]）：

npm install [email protected]

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENMA_API_KEY,
  baseURL: `${process.env.OPENMA_BASE_URL ?? "https://app.openma.ai"}/openai/v1`,
});

const events = await client.beta.agents.sessions.create({
  agent: {
    model: process.env.OPENMA_MODEL_ID!,
    instructions: "Help me investigate a task and explain your findings.",
  },
  environment: { type: "none" },
  input: "Help me plan a code review.",
  stream: true,
});

for await (const event of events) console.log(event);

自托管时把 OPENMA_BASE_URL 设成自己的服务地址（不带结尾斜杠，例如 http://localhost:8787）；OPENMA_MODEL_ID 填 Model Card 的 model_id，不是数据库记录 ID。上述 OpenAI 示例声明 environment: { type: "none" }，即不使用沙箱。

本地开发：

pnpm install --frozen-lockfile
pnpm typecheck
pnpm test

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

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. @openma/[email protected] 2026-10-09
   发布说明摘录

   Patch Changes - 57906b3: Pi harness skill mounting strategies (skill_mount: progressive default, budgeted, tool, inline) replace default full SKILL.md system-prompt inlining for default/Pi harnesses. Deferred skills in budgeted mode are discoverable via tool_search; tool mode adds a skill loader tool.

   在 GitHub 查看 ↗
2. @openma/[email protected] 2026-10-09
   发布说明摘录

   Patch Changes - 57906b3: Pi harness skill mounting strategies (skill_mount: progressive default, budgeted, tool, inline) replace default full SKILL.md system-prompt inlining for default/Pi harnesses. Deferred skills in budgeted mode are discoverable via tool_search; tool mode adds a skill loader tool.

   在 GitHub 查看 ↗
3. @openma/[email protected] 2026-10-09
   发布说明摘录

   Patch Changes - 38f58cb: Pi agent-core is the default harness; legacy ai-sdk remains available but deprecated (one-time session.warning per session). Agents accept compaction via _oma.context_management (Anthropic Messages shape) or _oma.model_settings (OpenAI Agents SDK shape); conflicting dual definitions are rejected at save time. MCP tool results preserve content blocks on the wire. Agent max_tokens above the catalog window is accepted with a warning; pi-ai clamps output per request. …

   在 GitHub 查看 ↗

常见问题