AgentsMesh

一台机器跑上百个AI编程代理,统一调度隔离管控

开源 🏷️定价信息待确认 ✅ 目前可打开 智能体 🍴 复刻 248 🐛 待处理 23 👀 关注 123
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2362
维护状态 维护中
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

AgentsMesh 项目界面预览图
图片来源:项目官网

项目数据

分类智能体
开发团队AgentsMesh
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议NOASSERTION
主要语言Go
技术栈/模型agent-orchestration,agentsmesh,ai-agent,ai-agent-workforce-platform,ai-coding,aider,claude-code,codex-cli,gemini-cli,multi-agent,self-hosted
GitHub 星标★ 2362
上线时间2026-02-28 00:00:00
代码更新2026-09-23
仓库体积96.4 MB
本站数据更新2026-10-30
维护状态维护中
收录时间2026-08-09
浏览次数7

项目介绍

AgentsMesh 是一个 AI 智能体工作力平台,旨在让开发者在一台或多台自有机器上运行成百上千个 AI 编程智能体。它解决了大规模并行运行多个编码代理时的调度、隔离和控制难题。核心能力包括:从统一控制台管理所有代理,支持按需调度任务,通过沙箱或容器实现代理间隔离,并能实时监控和干预代理行为。平台兼容 Aider、Claude Code、Codex CLI、Gemini CLI 等多种主流 AI 编码工具,用户可灵活选择底层模型。项目采用 Go 语言开发,性能高效,部署简单,适合需要同时执行多个编码任务的团队或个人。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2362

使用教程

难度:入门 约 15 分钟 部署方式:云服务 8 步

环境要求

  • Go 1.24+(手动搭建后端时需要)
  • Node.js 20+
  • pnpm 包管理器
  • Docker(本地全栈和容器运行需要)
  • 一台可联网的 Linux/macOS/Windows 机器,Runner 提供 deb、rpm、Windows 等安装方式

安装与启动步骤

  1. 1注册控制台账号

    直接使用 agentsmesh.ai 托管服务:注册后连接你的 Git 提供商,并准备自有 AI API 密钥(BYOK),无需自建整套后端。

  2. 2安装 Runner

    在每一台要纳入集群的机器上执行。Runner 是轻量守护进程,代理在本地执行,代码始终留在你自己的基础设施上。

    curl -fsSL https://agentsmesh.ai/install.sh | sh
  3. 3启动 Runner

    前台启动 Runner 让它上线,之后即可从 Web / 桌面 / iOS 任意控制台创建 AgentPod 并下发任务。

    agentsmesh-runner run
  4. 4安装为系统服务

    可选步骤:把 Runner 注册成系统服务并启动,实现常驻在线,适合需要长期运行的机器。

    agentsmesh-runner service install
    agentsmesh-runner service start
  5. 5克隆项目仓库

    如果要在本地跑完整技术栈,先克隆 AgentsMesh 源码到本机。

    git clone https://github.com/AgentsMesh/AgentsMesh.git
  6. 6一键启动本地栈

    进入 deploy/dev 执行 dev.sh,会自动拉起 PostgreSQL、Redis、MinIO、后端、Relay、Traefik 以及带热更新前端。

    cd AgentsMesh/deploy/dev
    ./dev.sh
  7. 7查看后端日志

    手动模式下可用该命令持续输出后端容器日志,确认服务是否正常启动、有无报错。

    docker compose logs -f backend
  8. 8登录本地控制台

    浏览器打开 Web 控制台 http://localhost:3000,用测试账号登录;API 地址为 http://localhost:80/api。

关键配置

配置项必填说明示例
deploy/dev/.env否记录本地全栈各服务的实际端口,端口按 worktree 动态分配(打开文件查看实际端口值)
AI API Key(BYOK)是自带模型密钥,在控制台配置后代理才能调用底层大模型sk-xxxxxxxx

如何确认成功

浏览器能打开 Web 控制台 http://localhost:3000,并用 dev@agentsmesh.local / devpass123 登录成功,即表示本地全栈已启动。

常见问题

Q:本地全栈的端口到底是多少?

A:端口按 worktree 动态分配,不是固定值,请查看 deploy/dev/.env 里记录的实际端口,不要照搬文档示例。

Q:必须自己准备 AI API Key 吗?

A:是。AgentsMesh 采用 BYOK 模式,需要自带 AI 模型密钥,好处是用量没有上限、成本完全可控。

Q:Runner 和本地全栈有什么区别?

A:Runner 是跑在你自己机器上的轻量守护进程,负责在本地执行 AI 代理;本地全栈则是把控制台、后端等整套服务都在本机跑起来。

Q:支持哪些 AI 编码工具?

A:兼容 Aider、Claude Code、Codex CLI、Gemini CLI 等主流 AI 编码工具,底层模型可自由选择。

注意事项

  • 最快上手方式是直接使用 agentsmesh.ai 托管服务,只需安装 Runner,不必自建整套后端。
  • 端口是动态分配的,部署前先看 deploy/dev/.env,不要把 3000 或 80 写死在自有配置里。
  • dev@agentsmesh.local 与 admin@agentsmesh.local 等测试账号仅供本地开发环境使用。
  • Runner 还提供 deb、rpm、Windows 等更多安装方式,详见仓库 runner/ 目录下的 README。

核心亮点

  • 支持并行运行数百个AI编码代理,大幅提升任务吞吐量
  • 统一控制台集中调度、监控和干预,管理成本低
  • 兼容Aider、Claude Code、Codex CLI等主流工具,生态开放

不足之处

  • 项目较新,文档和社区生态尚待完善
  • 大规模代理运行对机器资源要求较高,配置门槛不低

适用场景

  • 大型代码库并行重构或批量修复
  • 多项目同时开发,需要多个AI代理协同
  • 自动化代码审查和测试生成流水线

替代项目

CrewAI、AutoGen、LangGraph

上一篇:SkillClaw

下一篇:openclaw-master-skills

同类项目推荐

papersgpt-for-zotero 开源

在 Zotero 里直接对话 AI,读文献效率翻倍

Professional AI research tool for Zotero: chat with PDFs, whole-library search, Lite···

★ 2701 2026-08-09
brain 开源

给 AI 编码代理装上长期记忆,跨会话不忘事

Git-backed long-term memory for AI coding agents

★ 85 2026-08-09
openai-agents-python 开源

用 OpenAI 官方框架,快速编排多智能体协作,搞定复杂任务。

A lightweight, powerful framework for multi-agent workflows

★ 30571 2026-08-09
skill-based-architecture 开源

一键提炼代码库经验,让AI代理更懂你的项目

A meta-skill that produces skills. Point it at any codebase and it distills the proj···

★ 619 2026-08-09
VCPToolBox 开源

给大模型装上永久记忆和工具手,变身全能智能体

VCP 部署在 AI 模型 API 与前端应用之间,是面向AGI OS开发和探索的工业级基建示范项目。通···

★ 2439 2026-08-09
brightdata-mcp 开源

让 AI 轻松获取实时网页数据,无需自己写爬虫

A powerful Model Context Protocol (MCP) server that provides an all-in-one solution ···

★ 2717 2026-08-09
OpenRoom 开源

用聊天控制整个桌面,AI 帮你操作所有应用

A browser-based desktop where AI Agent operates every app through natural language.

★ 1273 2026-08-09
comfy-mcp 开源

让 AI 智能体直接驱动本地 ComfyUI 出图

Local MCP server for ComfyUI — run your local ComfyUI from AI agents

★ 335 2026-10-24
gemini-kit 开源

装进 Gemini CLI,自动规划、测试、审查,编码快 10 倍

19 AI Agents + 44 Commands for Gemini CLI - Code 10x faster with auto planning, test···

★ 371 2026-08-09