项目预览
项目数据
项目介绍
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
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
同类项目推荐
moai-cowork
开源
一句话启动 AI 同事,非开发者也能上手办公
비개발자를 위한 한국 실무 AI 코워커 패밀리 — Claude Cowork·ChatGPT Work에서 /proje···
memmy-agent
开源
给所有 AI 一个共享大脑,让它们都记住你
A personal AI agent & local memory hub for all AI agents, gives every AI one shared,···
OpenWebui-Tools
开源
为 Open WebUI 添加实用工具,让 AI 对话更强大
Custom tools to enhance your Open-Webui Experience!
TIA_Portal_Openness_MCP
开源
用 AI 客户端直接生成和编译西门子 PLC 与 HMI 工程
Drive Siemens TIA Portal V20/V21 (STEP 7, WinCC Unified) from any MCP client — crea···
Unity-MCP
开源
让 AI 直接操控 Unity,一行代码把 C# 方法变成 AI 工具
AI Skills, MCP Tools, and CLI for Unity Engine. Full AI develop and test loop. Use c···
awesome-gpt-store
开源
逛GPT商店,快速发现好用的定制GPT
This repo includes all customized GPTs on openai gpt store
agentcad
开源
让 AI 直接建模,一句话生成 CAD 模型
CAD CLI and MCP server for AI agents
pm-claude-skills
开源
一键安装千个专业技能,让 AI 秒变领域专家
1,310 professional Agent Skills for Claude, Claude Duet, ChatGPT, Gemini, Cursor & C···
mcp-gateway-registry
开源
把散乱的 MCP 工具收进一个带权限的网关统一管
Enterprise-ready MCP Gateway & Registry that centralizes AI development tools with s···
