Omnigent:给多种AI智能体加一层可替换的编排
团队同时使用Claude Code、Codex和Cursor时,谁在哪个会话里改了什么,怎样才能不靠截图和转述对齐?Omnigent想回答的正是这类问题:它把自身定位成开源的meta-harness(元harness,即套在各类智能体运行器之上的统一编排层),在多种AI智能体运行器之上加一层统一的会话、策略与协作界面。下面按场景、机制与限制说明它的设计取舍,资料仅来自项目README,未做代码或行为验证。
当Claude Code与Codex并行时,碎片化发生在哪
假设一个三人小组:A习惯Claude Code,B用Codex,C只带手机。混合使用后,常见麻烦不是模型不够强,而是进展散落在各自的终端与账号里,审批规则各管一段,想旁听的人得先装环境。README把Omnigent描述为覆盖Claude Code、Codex、Cursor、OpenCode、Hermes、Pi以及自写智能体的通用编排层。 它要解决的不是单次对话质量,而是这些运行器之间的调度与共享。问题随之而来:统一编排到底统一了哪些状态,哪些只是转接,哪些需要重新部署。后文按机制逐项拆开。
元harness不是新模型,而是运行器之上的调度层
meta-harness(元harness)是本项目最需要解释的词。按README语境,harness指承载智能体的运行器,例如Claude Code、Codex这类CLI或SDK;元harness自身不提供模型能力,而是套在这些运行器外面的调度层,负责会话、策略与接入方式。README强调可以在不重写的前提下替换或组合harness。 也就是说,同一份智能体定义有机会换到另一个运行器上执行,而不必把提示词和工具重写一遍。同一个会话里可以混合Claude Code、Codex、Cursor、OpenCode、Hermes、Pi和YAML定义的自定义智能体。 因此它的基本单位不是单个聊天窗口,而是可容纳多个执行者、可被分享的会话。替换是否对所有harness都无损,README没有给出逐项保证。
会话如何在终端、浏览器与手机之间接力
跨设备接力的机制在README里写得比较直接。README称会话会跟随用户:从终端开始,在浏览器继续,在手机上接着用。 实现上,本地服务提供一个Web UI,终端会话与浏览器视图指向同一个会话,消息、子智能体、终端和文件保持同步,而不是各自复制一份。协作也建立在这套会话模型上:分享会话后,队友可以实时观看智能体工作并与之对话。 更进一步,队友可以用attach接入正在运行的会话,此时其消息在你的机器上执行;也可以fork出一份副本,在自己的机器上从分叉点继续。观看、共驾与分叉是三种不同权限的动作,混为一谈容易造成误判。
从一条安装命令到手机接入的启动路径
启动路径从安装开始。README称一条命令即可安装Omnigent及其所需组件。 脚本会检查uv、git、Node等依赖,并按需安装可选集成,也可以选择手动用uv或Homebrew安装。首次运行omnigent时,它会和用户一起选模型并在终端启动一个会话。 首次运行还会读取环境中已有的Anthropic或OpenAI密钥,或已登录的claude/codex CLI,作为默认凭据候选。它同时在本地6767端口启动Web UI,让同一会话出现在浏览器或同一网络的手机上。 若要离开局域网,需要把服务部署到有稳定地址的主机,再把本机注册为host;README列出了docker compose、Render、Railway等多种部署目标。
一份YAML如何声明harness、工具与子智能体
智能体定义是这一层的关键设计。在Omnigent里,一个智能体就是一份简短的YAML文件:提示词和工具。 executor字段指定harness,tools字段可声明三类工具:本地Python函数,其schema由函数签名生成;MCP服务器,可以是本地命令或远程URL;以及可被委派的子智能体。同一份文件还能声明sub-agents与reviewers,让主管把任务分出去。治理同样落在配置里:策略对每个动作做允许、阻止或暂停询问的判断,可以在Web UI里开关,也可以直接用对话让智能体添加。策略按服务器级、单智能体级和单会话级三层叠加,更严格的会话规则先被检查。 策略能否覆盖所有工具调用路径,README没有给出完整保证。
多厂商并行评审与跨设备接力适合哪些团队
三个随仓库提供的示例能说明适用面。Polly是一个自己不写代码的多智能体编码编排者。 它把任务分给并行git worktree里的编码子智能体,再把每份diff交给与作者不同厂商的reviewer,最后由人合并。Debby需要同时具备Claude和OpenAI的凭据。 它把同一个问题发给Claude和GPT两个头,并排展示答案,`/debate`会让两者互相批评几轮。Deep Research则是单智能体加一个MCP搜索服务器的组合,规划子查询、读取网页并交叉核验结论。此外,云沙箱集成让会话不必依赖常开的笔记本,适合远程或团队共享场景。这些示例属于作者提供的用法说明,不代表已在你的环境中验证。
alpha状态与Windows降级模式构成哪些现实约束
限制首先来自项目阶段。README把状态标为alpha,接口与行为可能继续变动。平台差异也很实际。README说明Omnigent在Windows上以原生但降级模式运行。 在Windows上,Job Object后端只包含进程树并执行资源限制,不隔离文件系统或网络。 因而依赖文件系统或网络隔离的策略在Windows上得不到同等保障。Linux上原生终端wrapper强制使用bwrap沙箱,缺少该二进制会导致终端启动失败;macOS使用系统seatbelt。README说明项目默认收集匿名使用数据(遥测)。 在受监管环境中,这需要事先确认是否符合组织要求。以上均为文档陈述,未独立实测。
采用前需要核对工具链、平台与治理三项
是否采用,取决于几项可核对的前提。手动安装需要Python 3.12或更高版本。 原生终端wrapper还依赖tmux,Web UI构建需要Node.js 22 LTS及pnpm,这些在README的工具链清单里都有列出。若团队要多人账户与邀请制注册,需要部署常驻服务器并开启认证;本地服务器只在本网络可达。还要判断治理需求:是否需要在执行前审批shell与文件写入,是否需要按会话限制花费与工具调用数,以及这些策略由谁维护、如何审计。最后是数据边界:默认遥测、云沙箱与第三方模型网关都会引入额外数据流向,需按组织合规逐项确认。
Omnigent的取舍很清楚:用一层元harness换取跨工具、跨设备的统一会话与治理,代价是更复杂的工具链、平台差异和alpha阶段的变动。本文仅依据README资料整理,未独立实测。
参考来源
本文仅据固定版本 README 整理,未独立实测;仅作技术介绍,不构成安全审计或投资建议。
采集时间:2026-10-29T10:11:44.487Z;11110 Star 快照。相对 2026-10-28T07:19:58.730Z,实际间隔 26.86 小时净变化 16 Star;不是自然日新增。
omnigent-ai/omnigent README · 737ebface1dc769b0cbe481e698731f575ba0a52
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。





