Omnigent 多代理协作:一个会话调度多个代理

Omnigent 是一个约 1 万 star(2026-09 查询为 10,361)的开源 AI Agent 元框架(meta-harness),Apache-2.0 协议、Python 3.12+,在 Claude Code、Codex、Cursor、OpenCode、Hermes、Pi 及自写代理之上加一层公共编排层。多代理协作与跨设备接力是这层编排层最有体感的两块能力:同一个会话里混用多家 harness、让代理互评工作、按特长拆分任务,会话从终端开始、浏览器继续、手机接手,队友还能围观、共驾和 fork。

多 harness 同会话:Claude Code 和 Codex 同场干活

结论先给:Omnigent 允许在同一个会话里混用 Claude Code、Codex、Cursor、OpenCode、Hermes、Pi,以及用 YAML 定义的自定义代理——这是官方 README 明确写的支持范围。

两个玩法值得单独说。第一个是让一个代理评审另一个代理的工作:实现者和评审者可以是不同厂商的 harness,A 写完 B 挑毛病,避开了”自己查自己”的盲区。第二个是按特长拆分任务:不同 harness 在不同任务类型上表现有差异,把任务派给各自擅长的那个,比一个 harness 硬扛所有工种更合理。

工程上的额外收益是切换成本归零:不需要退出一个 CLI 再进另一个,不需要手动搬运上下文,会话状态由编排层统一维护。用惯了单家 harness 的人,第一次在同一条时间线里看到两个代理接力,感受会很明显。

生态侧还有一条扩展路径:官方文档有专门的 OpenClaw 集成指南(docs/openclaw.md),既可以导入 OpenClaw 的编码代理,也可以经 ACP 驱动 OpenClaw Gateway 的实时会话。

跨设备接力:终端开始,浏览器继续,手机接手

结论先给:会话跟着人走。官方 README 的描述是:终端开始的会话可以切到浏览器继续、在手机上接手,消息、子代理、终端、文件全程保持同步。

接入端共四种:终端、浏览器、手机、macOS 原生桌面应用。浏览器端就是本地 Web UI,地址是 http://localhost:6767,起会话后直接访问。

一个体感场景(示例):晚上在终端发起一次跨模块重构,跑到一半要出门;路上用手机打开会话看进度,发现子代理卡在一个测试上,补一句指令让它换个思路;到家打开浏览器,终端、文件、对话记录都在原地。所谓接力,是消息、子代理、终端、文件四样东西同时同步——缺一样,接手的人就补不全上下文。

团队协作三形态:围观、共驾、fork

结论先给:官方 README 给出三种团队协作形态——共享会话实时围观与对话、在自己机器上共驾(co-drive)、fork 会话分头继续。

形态README 描述适用场景
共享会话队友与你的代理对话并实时围观结对排查,新人看老手怎么调教代理
co-drive 共驾队友在自己机器上共驾你的会话两人轮班处理同一个长任务
fork 会话复制会话继续,分头试不同方案同一问题并行试两条路,哪条先通走哪条

三形态可以按信任级别理解:围观接近只读,共驾可写,fork 是复制出去各干各的。团队按关系远近和任务风险选形态,比把所有权限一次性放开要稳。

YAML 自定义代理:把固定角色固化下来

结论先给:除了现成的 harness,Omnigent 支持用 YAML 定义自定义代理,让固定角色成为会话里的一等成员。

官方 README 提到 custom agents defined in YAML,具体字段与格式以官方文档为准,这里不展开猜测。思路上的价值可以说清楚:当某个角色你会反复用到——比如每次都让同一个 harness 扮演专职评审——把它固化成 YAML 定义的代理后,派活就变成点名,不用每次重新交代背景和规则。

和 AgentDock 多设备方案的对比

结论先给:两者都解决”不在一台设备前也能用 Agent”,但路径不同:AgentDock 是网关型接入加 WebUI 的机器编排,Omnigent 是会话级编排加协作。

维度OmnigentAgentDock
编排对象会话与 harness机器与 MCP 工具节点
跨设备方式同一会话四端接力同步各机器跑节点,统一入口调度
协作能力围观、co-drive、fork 内建以统一入口与任务编排为主

(AgentDock 的多设备部署细节见(AgentDock 多设备编排)。)选型可以这样判断:核心诉求是”让多台机器被一个对话调度”,AgentDock 的节点模式更对口;核心诉求是”让多个代理、多个人、多台设备围绕同一个会话协作”,Omnigent 更对口。两个诉求都有的人,两者共存也不冲突。

一个典型的多代理协作流程(示例)

以下流程是作者根据官方 README 能力整理的使用示例,供参考(上手命令见(Omnigent 安装与快速上手)):

  1. 在终端用 omnigent claude 起一个会话,把重构任务派给 Claude Code;
  2. 同一会话里拉起 Codex 作为评审者,让一个代理评审另一个的工作;
  3. 把前端子任务派给擅长它的 harness,按特长拆分;
  4. 中途出门,手机接手看进度,补一句指令;
  5. 回到电脑,把会话 fork 一份给同事,两人分头试两种方案;
  6. 全程开着风险动作审批与花费封顶,治理细节见(Omnigent 的治理与沙箱)。

流程里每一步都对应上文一节的能力,串起来跑一遍,多代理协作的体感就有了。

常见问题

Q:multi agent 协作比单代理强在哪?

直接答:强在分工与互评。单代理一条道走到黑;多代理可以按特长拆任务、让一个代理评审另一个的工作,复杂任务的吞吐与质量都更高。

展开说:Omnigent 的差异是把多代理放进同一个会话,混用不同厂商的 harness,会话状态天然同步。自己写脚本拼多个 CLI 也能做到类似效果,但要自己维护上下文搬运与状态一致性。

Q:ai agent 多智能体系统会不会各说各话?

直接答:会话级编排就是为了解决这个问题。Omnigent 把多个代理放在同一个会话里,消息、子代理、终端、文件由编排层统一同步,代理之间共享同一份上下文。

展开说:各说各话的根源通常是各代理各持一份状态。共享会话把状态收敛到一处,只有 fork 会话时才真正分叉——而那是刻意的分头行动,属于设计内的行为。

Q:agent 会话共享给别人,安全吗?

直接答:Omnigent 有治理层兜底:policies 可在风险动作前暂停等审批、封顶花费、限制代理可触达的工具,作用域可以缩到单个会话。

展开说:合理的做法是给共享出去的会话单独收紧 policies,再按信任递进——先让队友围观,确认行为可信后再给共驾权限。更重的任务可以放进云沙箱里跑,进一步压缩风险面。