MCP Agent 横向对比
MCP 把 agent 的工具访问变成可审计、可替换的东西，这也是它几乎出现在每一套正经 agent 栈里的原因。以下是目录中已完成评审、且提供 MCP 服务、调用 MCP 服务、或两者兼有的 agent。
| # | Agent | FARS | 信任 | Star | 许可证 | 语言 | 最近提交 |
|---|---|---|---|---|---|---|---|
| 1 | AGF 本地编码会话查找器 | 96 | 27/25 | 158 | MIT | Rust | 2026-10-01 |
| 2 | Argot 仓库风格审查器 | 93 | 28/25 | 51 | MIT | Rust | 2026-09-02 |
| 3 | QuantDinger AI 量化交易系统 | 89 | 25/25 | 12.9k | Apache-2.0 | Python | 2026-10-19 |
| 4 | Mirafold | 89 | 25/25 | 18 | MIT | TypeScript | 2026-09-16 |
| 5 | CommitLore | 89 | 25/25 | 18 | MIT | TypeScript | 2026-10-18 |
| 6 | Piia Engram | 88 | 27/25 | 162 | AGPL-3.0 | Python | 2026-10-10 |
| 7 | myc 本地代理记忆与任务层 | 87 | 24/25 | 14 | MIT | TypeScript | 2026-10-18 |
| 8 | MetaHarness | 86 | 25/25 | 707 | MIT | TypeScript | 2026-10-09 |
| 9 | OrchestKit AI 开发工具箱 | 86 | 24/25 | 296 | MIT | TypeScript | 2026-10-19 |
| 10 | Coder Eval | 86 | 24/25 | 151 | Apache-2.0 | Python | 2026-10-16 |
| 11 | Remnic 智能体记忆 | 85 | 24/25 | 227 | MIT | TypeScript | 2026-10-15 |
| 12 | Nausicaa | 85 | 22/25 | 33 | MIT | TypeScript | 2026-10-03 |
排序依据是 FARS 总分，Star 只用来打平手——热度衡量的是关注度，不是这东西撑不撑得住。看排序之前有两点要知道：这些都是静态评审（只看源码、文档与仓库元数据，没有做运行复测），可靠性、有效性、可验证三项因此被压了上限，实际可得满分是 77 而不是 100；而且几分之差落在这套方法的噪声范围内。请把这张表当成值得进一步考察的短名单，而不是结论。每个分数都链到完整的维度拆解和背后的证据。 评分方法 →
1. AGF 本地编码会话查找器
统一搜索并恢复散落在本机的 AI 编码会话。
差异在哪
与逐个打开各 Agent 的原生会话选择器或手工翻查历史文件相比，AGF 将 16 种工具的本地会话汇总到同一个可搜索界面，并提供统一的 JSON 与 MCP 查询入口。不过它不会取代原生 Agent：恢复最终仍交给各自的命令行程序，部分会话的删除也必须回到提供方自己的选择器完成。
2. Argot 仓库风格审查器
从 Git 历史学习隐性规范，发现新代码与仓库惯例的偏离。
差异在哪
类型检查器主要回答代码能否通过类型约束，而 Argot 关注变更是否符合该仓库历史形成的代码语言、布局和依赖方向。与把代码交给第二个 LLM 评判不同，它使用本地统计、图结构、脚本和嵌入证据生成提示，不由生成式或观点形成模型决定结论；相应地，它也不是通用正确性验证器。
3. QuantDinger AI 量化交易系统
将 AI 市场研究转化为 Python 策略、回测、模拟盘、实盘执行与持续监控。
差异在哪
与黑盒信号服务相比，QuantDinger 不把策略逻辑和执行托管在不可见系统中：策略代码、风险设置、凭据及部署均由操作者控制。与单一 AI 提供商绑定的方案相比，它列出了 OpenRouter、OpenAI-compatible、Google、DeepSeek、Grok、MiniMax 和自定义端点；但使用者仍需自行配置相应服务。基础 Compose 不包含监控栈，而 observability overlay 可按需加入 Prometheus、Grafana 和 Alertmanager。
4. Mirafold
在浏览器中运行并集中监管本机编码智能体。
差异在哪
与直接在终端中使用 Claude Agent、Codex、OpenCode 或 Gemini CLI 相比，Mirafold 保留原生智能体及其本机权限模型，同时增加浏览器界面、结构化生成式 UI、多会话监管、文件与 Git 变更视图。它不是统一代理层，也不会用自有通用智能体替代这些 CLI。四种集成各自使用独立适配器，因此是否能启动实时会话仍取决于对应后端及其认证是否可用。
5. CommitLore
让编码代理只接收仍然有效的 Git 决策、约束与警告。
差异在哪
通用记忆或 RAG 主要检索语义上相关的旧文本；CommitLore 询问的是哪些决策现在仍适用于特定仓库路径。它以 Git 为权威来源，显式管理 active、superseded、expired 生命周期，并对交付内容划分 directive、claim 和 blocked，而不是把所有相关文本直接当作当前指导。相应地，它的范围更窄，不适合作为会话归档、通用用户记忆或向量数据库的替代品。
6. Piia Engram
让多个 AI 编程工具共享一套由用户掌控、可审阅和覆盖的本地工作身份与长期知识。
差异在哪
与 Claude Memory 相比，Piia Engram 把资料存放在用户控制的本地文件中，并面向多个 MCP 工具，而不是限定在 Claude 生态。与 CLAUDE.md 或 .cursorrules 相比，它保存跨仓库的个人偏好、经验与决策；仓库规则文件仍更适合项目专属构建步骤和规范。与 Mem0、Zep、Letta 这类 Agent 记忆系统相比，它强调“用户是谁”及其长期工作标准，而不是单次 Agent 工作流发生了什么。与官方 @modelcontextprotocol/server-memory 的通用实体关系图相比，它提供开发者身份、质量标准、经验、决策和审阅治理等专用结构。
7. myc 本地代理记忆与任务层
为编码代理提供本地任务、持久记忆与代码索引。
差异在哪
与 beads 相比，myc 不只是导入器：它提供自己的任务图、记忆、检索和代理接线层。仓库提供 myc import-beads --dry-run 与正式导入流程，并支持后续同步、字段冲突报告、评论、依赖和记忆迁移。其就绪队列还实现了从父任务继承阻塞关系，以修正早期版本与 beads 队列结果不一致的问题。不过，该迁移路径依赖可用的 bd export --include-memories 数据，局部与双向修改可能需要人工处理冲突。
8. MetaHarness
把代码仓库生成可发布、可治理的专属 AI Agent 工具链。
差异在哪
与传统 Agent 框架相比，MetaHarness 的定位不是让开发者在一个固定框架里构建 Agent，而是让每个仓库生成并发布自己的 Agent harness。其架构还明确借鉴 Prime Agent 的持续改进设计，但 Prime Agent 宿主没有 MCP，生成内容采用 .prime/agent/skills/ 下的 Python 技能，并在无法落实 deny-list 时提供 SANDBOX-REQUIRED.md。与单一昂贵模型方案相比，项目主张通过 @metaharness/router 和便宜模型到前沿模型的级联，根据质量门槛减少昂贵调用；README 同时明确披露相关评测的估算和样本限制。
9. OrchestKit AI 开发工具箱
用技能、专业代理与自动化钩子规范并加速 AI 辅助开发。
差异在哪
仓库将 Anthropic 官方市场中的 Superpowers 定位为互补方案：Superpowers 侧重代理如何组织任务过程，而 OrchestKit 侧重生产级开发模式与生命周期钩子。两者并非互斥，但若主要需求是自动质量门禁、技术栈知识和专业角色路由，OrchestKit 提供的范围更直接。
10. Coder Eval
面向编码 Agent 的“Playwright”：用声明式 YAML 任务在沙箱里跑真实 Agent，给出可加权评分并接入 CI 门禁。
差异在哪
官方文档明确对比了若干替代方案：相对 SWE-bench、SkillsBench 这类固定榜单，它们跑一份标准数据集，而 Coder Eval 评的是你自己的任务，用 0.0–1.0 连续加权判据（也可通过 Bring Your Own Dataset 包一层固定数据集）；相对 Harbor 这类大规模/RL harness，Harbor 面向规模化与 RL rollout，Coder Eval 面向可加权的 skill-aware 套件并在 CI 中门禁；相对 OpenAI Evals 这类模型输出评测工具，后者给模型文本打分，Coder Eval 在沙箱里跑完整 Agent 并对它产出的文件和命令打分；相对手写脚本，它自带可复现沙箱、加权判据、成本/token 遥测、A/B 实验与 CI 通过的失败门禁。
11. Remnic 智能体记忆
让多个 AI 工具共享可审计、可纠正的本地长期记忆。
差异在哪
Remnic 将自己定位为同时具备本地优先存储、MIT 免费许可和多宿主支持的方案。来源中的对比表把 mem0、Letta（MemGPT）和 Zep（Graphiti）列为云端或可自托管、以 SDK/API 访问且采用向量或数据库存储的替代品；Supermemory 被列为付费云服务，MemPalace 为免费的单宿主本地方案，ChatGPT memory 则是单一工具内的云端不透明存储。Remnic 的区别是用 Markdown+YAML 保存权威记忆，并为多种原生插件及任意 MCP 客户端提供同一存储；这些比较是项目自身给出的定位，而不是独立测评结论。
12. Nausicaa
用动态多 Lane 拓扑组织可恢复的多智能体开发任务。
差异在哪
Nausicaa 使用 pi-ai 处理提供方传输，并参考 Pi coding-agent、Prime Agent 和 DeepSeek Harness 的部分边界设计；其 README 将 Teto、Lane 动态拓扑以及由 Host 掌管的持久化定义为自身运行时合同。来源没有提供与这些项目的功能矩阵、性能测试或迁移指南，因此无法据此判断整体优劣。