2,456· 292 forks· Python· Apache-2.0开发工具

Omnigent - AI Agent 统一调度框架

omnigent-ai/omnigent

为 Claude Code、Codex、Cursor 等 AI 编程助手提供统一管理层,支持多 Agent 协作、跨设备同步、策略治理与云沙箱运行

成熟度维护活跃,最近提交0天前,124个open issues,处于Alpha阶段

项目体检

技术 · Python 3.12+ 主框架,依赖 Starlette/Uvicorn 提供 Web 服务,集成 OpenAI SDK 与 MCP 协议

许可 · Apache-2.0,允许商用且需保留版权声明

活跃 · 今日仍有提交,36位贡献者参与,5天内从零到2456星快速增长

解决什么

当开发者同时使用 Claude Code、GitHub Codex、Cursor 等多个 AI 编程助手时,面临三大痛点:每个工具独立运行无法协作、切换设备需重新配置上下文、缺乏统一的权限与成本管控。Omnigent 提供一个"元框架"(meta-harness)层,将不同 AI Agent 纳入统一会话,支持跨终端/浏览器/手机实时同步,并通过策略引擎(基于 CEL 表达式)实现操作审批、费用上限、工具白名单等企业级治理。

为何火

项目由 Databricks 与 Neon 团队联合推出,5天内获 2456 星,核心吸引力在于:1) 跨设备协作实现"终端启动→浏览器接管→手机查看"的无缝切换;2) 多 Agent 编排允许让 Claude 审查 Codex 的代码,或按任务拆分给不同模型;3) 云沙箱集成支持 Modal/Daytona 等服务,无需本地环境即可运行 Agent;4) Databricks 背景带来的企业级可信度。

核心功能

  • 统一会话管理:通过本地 Web 服务(默认 6767 端口)维护持久会话,消息、子 Agent、终端、文件状态实时同步
  • 多 Agent 协作:在同一会话中混用 Claude Code/Codex/Pi 及自定义 YAML Agent,支持主从审查或任务分工
  • 策略治理:YAML 定义的 Policy 可拦截高风险操作(如文件删除)、限制 API 调用次数或单次会话成本
  • 云沙箱运行:集成 Modal/Daytona/Islo,Agent 可在远程容器中执行,避免污染本地环境
  • 跨设备同步:桌面 CLI、浏览器 UI、移动端 Web 共享同一会话状态,支持团队成员实时协作或 fork 分支

安装

一键安装(推荐):

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

手动安装(需 Python 3.12+):

uv tool install omnigent  # 或 pip install omnigent

依赖项:

  • uv(必需,安装脚本会自动配置)
  • tmux(Linux/macOS 必需,用于 Agent 终端隔离)
  • bubblewrap(Linux 必需,提供 OS 级沙箱)
  • Node.js 22+(可选,运行 Claude/Codex 原生 CLI 时需要)

启动首个 Agent:

omnigent              # 交互式选择模型
omnigent claude       # 直接启动 Claude Code
omnigent run examples/polly/  # 运行示例 Agent

适合谁

  • 多工具用户:同时订阅 Claude Pro 和 GitHub Copilot,需要在一个界面统一管理
  • 企业团队:需要审计 AI 操作记录、限制敏感文件访问或控制 API 成本
  • 远程协作场景:希望在手机上查看 Agent 进度,或让同事实时接管会话
  • 中文开发者注意:需梯子访问 Anthropic/OpenAI API,但本地运行框架本身无需外网;Databricks 模型网关可能需企业账号

社区评价

暂无足量社区公开讨论,以下为基于项目本身的中立评估:

项目在 HN 获得曝光但评论稀少,GitHub 上 5 天内快速涨至 2456 星显示强烈关注。Alpha 状态(124 个 open issues)表明功能尚在快速迭代,Databricks 官方背书提供可信度,但生产环境使用需评估稳定性。技术栈成熟(Starlette/Uvicorn/OpenAI SDK),架构设计体现企业级思维(策略引擎、多租户会话),但文档对非英语用户友好度有限。

选型对比

vs 商业工具(如 Cursor Team):

  • Omnigent 开源免费,支持自建模型网关,但需自行维护服务端
  • Cursor 提供开箱即用的 UI 与团队协作,但锁定其模型与订阅体系

vs 同类开源(如 LangChain Agents):

  • Omnigent 专注编程 Agent 的跨工具编排,内置终端沙箱与策略引擎
  • LangChain 更通用但需自行实现设备同步、权限管控等企业功能

取舍:选 Omnigent 若需统一管理现有 AI 编程工具且重视数据主权;选商业方案若优先考虑易用性与官方支持。

已知坑

  1. Alpha 稳定性:124 个未关闭 issue,生产环境需谨慎,建议先在开发环境试用
  2. Linux 依赖:bubblewrap 在某些精简发行版需手动编译,缺失会导致 Agent 终端启动失败
  3. 网络要求:Claude/OpenAI API 需梯子,Databricks 网关需企业账号,纯内网环境需自建模型服务
  4. Node.js 版本:要求 22 LTS+,旧版本会导致 Codex/Pi harness 安装失败
  5. 移动端体验:手机浏览器访问 Web UI 功能完整,但终端操作在小屏幕上不便,更适合监控而非编辑
  6. 文档缺口:自定义 Agent 的 YAML 规范文档不全,需参考 examples 目录摸索

安装方式:pip/uv