想搭建一人公司？Multica 这个开源项目让 N 个 AI Agent 像同事一样协作

Multica 让 AI Agent 像同事一样协作

当前市场上有许多优秀的 AI Agent——近期表现出色的 Hermes、功能强大的 Claude Code、擅长代码生成的 Codex……

但问题来了：不同需求要切换不同 Agent，多个任务同时进行时，如何高效分配任务、追踪进度、统一管理？

甚至，如何用这些 Agent 搭建一个"一人公司"，让 AI 团队像真人团队一样协作？

如果你同时用过这些 Agent，一定经历过这种场景：

想让 Claude 修 bug、Codex 写新功能、Copilot 做代码审查。于是你在三个终端窗口之间来回切换，把上下文和提示词复制粘贴三遍，最后还不知道哪个 Agent 完成了、哪个还在跑。

这不是 Agent 的问题，是你缺了一个管理层。

Multica 就是为解决这个痛点而生——给 Agent 们建一个 Jira / Linear，把你的 Agent 变成真正的团队成员：

创建 issue → 分配给指定 Agent → Agent 自动领取、执行、反馈 → 状态自动更新 → 产出的解决方案沉淀为可复用 Skill。

听起来简单，但真正做到这一点的项目——在开源社区里，目前能想到且好用的也就 Multica。

1. 核心要点（TL;DR）

  • Multica 是一个开源的 AI Agent 多智能体编排平台，GitHub 上已有 27.9k Star。
  • 多 Agent 支持：支持 11 种编码 Agent（Claude Code、Codex、Copilot CLI、Hermes、Gemini 等），在同一个工作区里各司其职。
  • 核心理念：Agent 不是一次性提示词接收器，而是真正的团队成员——有头像、有状态、有技能、会主动报告阻塞。
  • 定位明确：与同赛道的 Paperclip 不同，Multica 定位团队协作而非个人模拟器。
  • 极简安装：只需 brew install 一行命令，5 分钟即可跑通第一个 Agent。

Multica 核心理念：Agent 即团队成员

2. Multica 是谁做的？名字有什么讲究？

Multica 的名字本身就是一个彩蛋：

Multiplexed Information and Computing Agent

其致敬的是 1960 年代的 Multics 操作系统——第一个引入"分时共享（time-sharing）"概念的系统，让多个用户共享一台机器，就像每人独享一样。

Unix 正是为了简化 Multics 的复杂度而诞生的。

Multica 团队认为，软件工程正在经历第二次分时革命：

  • 过去几十年：一个工程师 → 一个任务 → 一次上下文切换
  • 现在：两个工程师 + N 个 Agent → 同时处理 N 个任务 → 共享同一个项目上下文

“一个小团队不应该感觉很小。有了正确的系统，两个工程师加一支 Agent 舰队，可以像二十个人一样推进工作。”

3. 核心能力一览

  • Agent 即队友：每个 Agent 拥有头像、状态和历史记录，出现在看板上像真实的同事一样。分配任务后无需全程监控，Agent 会自主领取、执行并上报进度。

  • 自主执行：提供完整的任务生命周期管理——入队 → 领取 → 开始 → 完成/失败，并通过 WebSocket 实时流式推送。真正实现"设好即忘"（set and forget）。

  • 可复用 Skill：每次生成的解决方案都会转化为团队共享的 Skill，如部署、迁移、代码审查等。团队能力随时间产生复利增长，越用越聪明。

  • 统一运行时：一个面板管理所有计算环境，支持本地 daemon 和云运行时。无论使用 Claude 还是 Codex，都能在统一界面查看。

  • 多工作区隔离：提供团队级隔离，每个工作区拥有独立的 Agent、Issue 和 Skill，确保项目之间互不干扰。

4. 和 Paperclip 有什么不一样？

同赛道中有一个叫 Paperclip 的项目（定位为单人 AI 公司模拟器），两者的主要对比如下：

对比维度 Multica Paperclip
定位 团队 AI Agent 协作平台 单人 AI 公司模拟器
用户模型 多用户 + 角色 + 权限 单人看板操作员
交互方式 Issue + 心跳 + 评论协作 Issue + 聊天对话
部署方式 本地优先 + Cloud Cloud 优先
管理深度 轻量级（Issue / 项目 / 标签） 重度治理（组织架构 / 审批 / 预算）
扩展性 Skill 系统 Skill + 插件系统

一句话总结：Paperclip 是一个人开公司，Multica 是一个团队在招人。

5. 分钟上手实操

5.1. 安装

# macOS / Linux (推荐 Homebrew)
brew install multica-ai/tap/multica

# 没有 Homebrew？使用安装脚本
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash

5.2. 一键 Setup

# 连接 Cloud + 登录 + 启动 Daemon
multica setup

这一步会自动完成配置、浏览器 OAuth 登录、工作区发现及 Daemon 启动。

如果你注重隐私，希望进行私有化部署（运行在自己的服务器上）：

multica setup self-host --server-url http://<your-server-address>:8080 --app-url http://<your-server-address>:3000

当然，你也可以直接将私有化部署文档发给 Agent，让它帮你完成部署。将其打包成 Docker 容器使用，体验会更加顺滑。

5.3. 验证运行时

打开浏览器或下载 APP 进入工作区，访问 Settings（设置） → Runtimes（运行时），你应该能看到你的机器状态显示为 Active Runtime。

Multica 运行时状态管理界面

5.4. 创建第一个 Agent

进入 Settings → Agents，点击 New Agent：

  • 选择刚连上的 Runtime
  • 选择 Provider（如 Claude Code、Codex、Hermes）
  • 为其起个名字（这将是 Agent 在看板和评论中显示的名称）

在 Multica 中配置新 Agent

5.5. 分配第一个任务

通过看板界面或执行 multica issue create 创建一条 Issue，然后将其 assign 给你的新 Agent。

它会自动领任务、执行并上报进度，整个过程就像与同事协作一样。

Multica 任务看板与 Agent 执行反馈

6. 架构设计

┌──────────────┐     ┌──────────────┐     ┌──────────────────┐
│ Next.js 16   │ ──> │ Go Backend   │ ──> │ PostgreSQL 17    │
│ Frontend     │ <── │ (Chi + WS)   │ <── │ (pgvector)       │
└──────────────┘     └──────┬───────┘     └──────────────────┘
                            │
                     ┌──────┴───────┐
                     │ Agent Daemon │  运行在你的机器上
                     └──────────────┘
                   (Claude/Codex/Hermes/...)
  • 前端：Next.js 16（App Router）
  • 后端：Go（Chi 路由 + sqlc + WebSocket）
  • 数据库：PostgreSQL 17 + pgvector
  • Agent 运行时：本地 Daemon，执行你安装的各种 AI CLI

Go 与 TypeScript 的代码占比各约 46%，技术栈非常现代化且主流。

7. 写在最后

Multica 不仅仅是又一个"AI 工具清单"。

它是第一个将**“Agent 就是同事”**这一理念真正落到产品层面的开源项目。通过为 Agent 分配 Issue、监控进度、沉淀 Skill 和自动巡检，你可以像管理真人团队一样管理 AI 团队。

GitHub 上 27.9k 的 Star 已经充分证明了市场对其价值的认可。

我最近一直在使用 Multica，无论是进行 Coding 还是内容输出，流程都变得非常有条理，使用体验极其顺畅。

接下来，我将陆续与大家分享从入门安装到生产部署、从单 Agent 到多 Agent 协作、从 Cloud 到 Self-hosting 私有化部署的更多实战经验，敬请期待。