MassGen

在终端中一键调度多模型协作，产出高质量结果

MassGen 是一个开源的终端多智能体扩展系统，旨在解决单一大模型在复杂任务中能力受限、协作困难的问题。它通过编排多个前沿模型和智能体，让它们自主协作、推理并生成高质量结果。核心能力包括：基于终端的命令行交互，支持多智能体并行调度，具备任务分解与结果聚合机制，可灵活接入不同 LLM 提供商。项目采用 Python 实现，强调自动化与可扩展性，适合需要高吞吐、多视角分析或复杂工作流的场景。当前处于快速迭代阶段，社区活跃，提供 Discord 支持。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1132

维护状态低维护

是否开源是

定价模式 free

项目数据

分类智能体

开发团队massgen

所属国家

官网地址https://docs.massgen.ai

GitHubhttps://github.com/massgen/MassGen

定价模式free

价格说明开源项目，可自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型agent,agentic-ai,autonomous-agents,cli,collaborative-ai,conversational-ai,genai,generative-ai,llm,llm-orchestration,model-context-protocol,multi-agent,python,terminal-ui,test-time-scaling,tool-calling

GitHub 星标★ 1132

30天Star增速

HF 下载量

上线时间2025-07-18 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

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3

使用教程

难度：进阶约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 3.11 或更高版本
可选的 uv（README 推荐，用于虚拟环境与快速运行）
至少一个 LLM 提供商的 API Key（OpenAI / Claude / Gemini / Grok 等）
--setup 自动安装依赖、skills 与 Docker 镜像时需要本机可用 Docker
运行 Playwright 自动化示例前需先执行 npm install @playwright/mcp@latest

安装与启动步骤

1安装 MassGen

用 pip 直接安装官方发布包，README 标注需 Python 3.11+。若使用 uv 管理环境，请先激活 venv 或在命令前加 uv run。
```
pip install massgen
```
2运行自动初始化

--setup 会自动安装依赖、skills、Docker 镜像并引导设置 API Key，是最快的上手方式。只想装 skills 可用 --setup-skills。
```
uv run massgen --setup
```
3创建 .env 密钥文件

在运行 MassGen 的工作目录下创建 .env 文件并填入各提供商的 API Key。README 未给出具体变量名，请以官方安装文档为准。
4单模型快速验证

不写配置文件也能跑：用 --model 指定模型名做快速测试，适合先确认密钥与网络是否打通。
```
uv run python -m massgen.cli --model gpt-5-nano "Summarize the latest AI developments"
```
5多智能体示例配置

用仓库内置示例配置一次性拉起三个智能体协作回答问题，这是体验多智能体并行与投票聚合的推荐方式。
```
uv run massgen --config @examples/basic/multi/three_agents_default "Your question"
```
6开发模式源码安装

想改代码或跑最新版时，克隆仓库后用 uv 建虚拟环境并以可编辑模式安装，之后同样可执行 --setup。
```
git clone https://github.com/Leezekun/MassGen.git
cd MassGen
uv venv
source .venv/bin/activate
uv pip install -e .
```

关键配置

配置项	必填	说明	示例
`agent.id`	是	单智能体的唯一标识名	`""`
`agent.backend.type`	是	后端类型，决定调用哪家模型服务	`openai`
`agent.backend.model`	是	具体模型名称	`gpt-5-nano`
`agent.backend.api_key`	否	后端密钥，默认从环境变量读取	`sk-xxxxxxxx`
`agent.system_message`	否	单智能体的系统提示词	`You are a helpful assistant.`
`agents[].backend.cwd`	否	为需要文件操作的后端指定隔离工作目录	`workspace`

如何确认成功

终端出现多智能体协作的实时流式显示并输出最终答案；加 --debug 后可查看 agent_outputs/log_{time}/massgen_debug.log 确认调度过程。

常见问题

Q：pip 安装后提示找不到 massgen 命令怎么办？

A：若用 uv 装的，先 source .venv/bin/activate 激活虚拟环境，或在所有命令前加 uv run，例如 uv run massgen --config ...。

Q：--config 和 --model 可以一起用吗？

A：不可以，README 明确说明两者互斥，--model 用于无需配置文件的快速启动，--config 则读取 YAML 配置。

Q：如何接入本地开源模型？

A：把 backend.type 设为 lmstudio，并使用示例配置运行：massgen --config @examples/providers/local/lmstudio "Explain machine learning concepts"。

Q：不传问题会怎样？

A：命令最后的问题参数是可选的，省略后 MassGen 会进入交互式聊天模式，支持多轮对话。

Q：如何只创建任务计划而不执行？

A：加上 --plan 只生成结构化计划，用 --plan-depth 控制粒度（dynamic/shallow/medium/deep），之后可用 --execute-plan 执行已有的计划。

注意事项

README 的 .env 示例内容被截断，具体环境变量名请查阅官方安装指南 https://docs.massgen.ai/en/latest/quickstart/installation.html
Windows 激活虚拟环境命令为 .venvScriptsctivate，与 Linux/macOS 不同
--setup 会同时安装 Docker 镜像，请确保本机 Docker 可用且网络通畅
Playwright MCP 示例属于额外工具链，需先单独执行 npm install @playwright/mcp@latest

核心亮点

多智能体自主协作，自动分解任务并聚合结果，提升复杂任务完成度
纯终端 CLI 设计，轻量易用，无需额外 GUI 依赖
支持接入多种前沿模型，灵活编排不同 LLM 组合

不足之处

文档/社区待观察
项目尚处早期，稳定性和生产级特性有待验证

适用场景

需要多模型交叉验证的复杂推理任务
在终端中快速生成高质量内容（如报告、代码）
研究多智能体协作模式的实验环境

替代项目

AutoGen、CrewAI、LangGraph

项目介绍

MassGen 是智能体领域的开源项目，由 massgen 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,132）位列前 30%，在智能体分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。可自行部署，完全免费。

它主要面向的使用场景是：需要多模型交叉验证的复杂推理任务。同类可对比的替代方案包括 AutoGen、CrewAI、LangGraph。

上一篇：visual-ui-debug-agent-mcp

下一篇：Vrooli