K Star 统一 Claude Code、Cursor、Codex 的开源项目

这次看到的是这个项目：omnigent-ai/omnigent Omnigent GitHub 项目预览 | | Stars：6,447 ｜ Forks：849 ｜ License：Apache-2.0 ｜ 主要语言：Python | | |---|---|---|---| 先说说它的定位。Omnigent 自称为「meta-harness」，这个说法确实有点费解。通俗来讲，Claude Code、Codex、Cursor、OpenCode、Pi 等工具都是让模型读取文件、执行命令、调用工具的执行器。而 Omnigent 在它们之上再加一层，将所有执行器接入统一的会话、权限和协作界面。 所以它既不是一个新模型，也不是仅为某个模型定制的聊天外壳。它更像一个 Agent 工作台：底层对接不同的执行器，上层统一管理任务、历史记录、工具权限以及人机协作流程。 Omnigent 桌面端界面 它可以在终端、浏览器、手机和 macOS 客户端中运行。一次会话从终端开始，切换到浏览器后仍可继续查看，消息、子 Agent、终端输出和文件都会自动同步。 **它到底解决了什么问题？** 如今使用多个 AI 编程工具，真正的麻烦往往不是“能不能生成代码”，而是每套工具各有各的会话、模型配置和权限控制方式。你可能让 Claude Code 写功能，让 Codex 做审查，再让另一个 Agent 查资料。任务一多，谁做了什么、花了多少费用、哪些命令需要确认，很快散落在多个终端里。 Omnigent 多 Agent 会话界面 Omnigent 要统一的正是这一层。你可以在同一个会话里混用不同的 Agent，也可以让一个 Agent 去检查另一个 Agent 的结果。团队成员还能通过链接加入同一场会话，查看过程、发表评论或继续操作。 **核心看点是什么？** 第一个看点是组合能力。仓库里自带两个很直观的例子。Polly 像一个技术负责人：先拆解任务，再把工作交给多个编码 Agent，最后由不同厂商的 Agent 交叉审查。Debby 则会同时询问 Claude 和 GPT，把答案并排放出来，还能让它们继续辩论。 Omnigent 组合多个 Agent 第二个看点是控制能力。它的策略不止写在提示词里。服务端可以按整个系统、单个 Agent 或单次会话设置规则，比如限制开销、约束工具访问，或者让高风险操作停下来等人确认。 Omnigent 策略控制界面 第三个看点是沙箱。Linux 上可以用 bubblewrap，macOS 上用系统自带的 Seatbelt。文件和网络访问都可以收紧，凭据也能由“袋里”在请求发出时补上，不必直接暴露给 Agent。 Omnigent 沙箱示意图 **为什么值得关注？** 最值得关注的地方，不是“又多了一套 Agent 框架”，而是它把重点放在了 Agent 上线之后的管理问题上。当团队只运行一个 Agent 时，切换模型、共享会话、限制成本都不难。可一旦开始混用 Claude Code、Codex 和自定义 Agent，这些事就会变成公共难题。Omnigent 选择在众多 harness 之上处理这些问题，而不是要求大家重写已有的 Agent。 Omnigent 多人实时协作 这个仓库在 2026 年 6 月创建，7 月 3 日发布了 v0.4.0，目前已有 6.4k stars。增长迅速，说明“如何统一管理多个 Agent”确实是很多人面对的真实痛点。 **怎么上手？** 最省事的安装方式是一条命令： ``` curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh ``` 也可以用 uv 或 Homebrew： ``` uv tool install omnigent brew install omnigent-ai/tap/omnigent ``` 它需要 Python 3.12 以上版本。如果运行通过 npm 安装的编程 Agent，还需要 Node.js 22 LTS；终端包装器需要 tmux。 装好后直接运行 `omnigent`，它会帮你选择模型并启动第一个会话。本地 Web 界面默认在 `http://localhost:6767`。如果想明确选择工具，也可以运行 `omnigent claude`、`omnigent codex` 或 `omnigent cursor`。 自定义 Agent 用 YAML 描述。提示词、执行器、本地函数、MCP 服务和子 Agent 都能写进去，再用 `omnigent run path/to/agent.yaml` 启动。 **适合谁？以及需要注意什么** 它比较适合已经同时使用两种以上 AI 编程工具的开发者，也适合想把 Agent 会话共享给团队、统一加入审批和成本限制的人。如果只是在本机偶尔开一个 Codex 或 Claude Code，可能会觉得这一层偏重。Omnigent 包含了服务端、Runner、Web 界面、凭据和沙箱配置，学习成本明显高于单独运行一个 CLI。 Omnigent 策略信任模型 另外，项目目前明确标注为 alpha。Windows 原生模式也有缺口：Web 界面和 SDK harness 可用，但 tmux 终端包装器、完整的文件与网络沙箱并不提供。正式接入前，最好先把自己依赖的 harness、操作系统和权限链路跑通。