AgentsMesh

一台机器跑上百个AI编程代理，统一调度隔离管控

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。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2355

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队AgentsMesh

所属国家

官网地址https://agentsmesh.ai

GitHubhttps://github.com/AgentsMesh/AgentsMesh

定价模式unknown

价格说明定价信息待确认

访问状态

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★ 2355

30天Star增速

HF 下载量

上线时间2026-02-28 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

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

项目介绍

AgentsMesh 是智能体领域的开源项目，由 AgentsMesh 开发，是 2026 年新上线的项目。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,355）位列前 30%，在智能体分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,305 增加到 2,355，净增 50。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：大型代码库并行重构或批量修复。同类可对比的替代方案包括 CrewAI、AutoGen、LangGraph。

上一篇：SkillClaw

下一篇：openclaw-master-skills