Omnigent 实战：一个框架编排 Claude Code、Codex、Cursor 等所有 AI 编程 Agent

m0_58868237

184人浏览 · 2026-06-21 08:12:49

m0_58868237 · 2026-06-21 08:12:49 发布

如果你同时用 Claude Code、Codex 和 Cursor 写代码，你可能已经体验过这种痛苦：同一个项目，换个工具就得重新熟悉 CLI 参数；想并行让两个 Agent 做不同任务，只能手动切 terminal；想把 session 从电脑切到手机上继续，根本没门。

2026 年 6 月才在 GitHub 上开源的 Omnigent（⭐ 4,200+），就是来解决这个问题的。它把自己定位成一个 AI Agent 的"元编排层"——你可以把它理解成 Kubernetes 之于容器，或者 Tmux 之于终端：它让你在一个统一的面板里管理所有 AI 编程 Agent。

本文会从安装部署开始，到手把手用 Omnigent 同时调度 Claude Code 和 Codex 完成一个代码审查任务，最后聊聊适合什么样的人用它。

Omnigent 是什么

简单说，Omnigent 是一个开源的 AI Agent 框架和元编排工具（meta-harness）。它不替代 Claude Code 或 Codex，而是在它们之上加了一层统一的操作界面。

核心能力包括：

多 Agent 编排：在同一个 Session 里同时运行 Claude Code、Codex、Cursor、Pi，让它们互相审查代码、分任务协作
跨设备接力：在 Mac 终端开始一个 Session，拿起手机在浏览器里继续，状态完全同步
任意模型：Anthropic API Key、OpenAI API Key、Claude 订阅、OpenRouter、Ollama、Databricks 全支持
多人协作：把 Session 链接分享给团队，对方能实时看到 Agent 在做什么，甚至可以接管操作
云沙箱运行：不需要本地算力，在 Modal、Daytona、Islo 等云沙箱中启动 Agent
策略治理：为 Agent 设置审批门槛、花费上限、工具白名单，防止它干出"惊喜操作"

这个项目采用 Apache 2.0 许可证，完全开源，对个人和企业都非常友好。

快速安装

安装 Omnigent 非常简单，一行命令即可：

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

这个安装脚本会自动处理依赖（包括 Python 3.12+ 和 uv 包管理器），安装完成后 omnigent 和 omni 两个命令都会加入 PATH，它们完全等价。

如果你偏好手动安装，也可以用以下方式之一：

使用 pip / uv：

uv tool install omnigent

或者：

pip install "omnigent"

使用 Homebrew（macOS）：

brew install omnigent-ai/tap/omnigent

从源码安装最新版：

uv tool install -q --python 3.12 git+https://github.com/omnigent-ai/omnigent.git

安装完成后，omni 命令就已经可用了。第一次运行时它会自动探测环境中已有的 API Key（ANTHROPIC_API_KEY、OPENAI_API_KEY，或者已登录的 claude / codex CLI），并帮助你配置默认模型。

启动你的第一个 Agent

在终端直接输入 omnigent（或 omni）就能启动一个交互式 Session：

omnigent

它会打开一个命令行界面，底部是输入框，上方显示 Agent 的实时输出。同时 Omnigent 会在本地启动一个 Web UI（http://localhost:6767），浏览器打开可以看到完全相同的 Session。

如果你只想启动特定 Agent 运行时：

omnigent claude          # 启动 Claude Code（需要已安装 claude CLI）
omnigent codex           # 启动 Codex（需要已安装 codex CLI）
omnigent run my_agent.yaml  # 启动自定义 Agent

这里有个关键设计：omnigent claude 启动的不是原生 Claude Code CLI，而是 Omnigent 包装的版本——它保留了 Claude Code 的所有能力，但加入了 Omnigent 的 Session 同步、策略治理和多人协作功能。

Omnigent 内置了两个示例 Agent，非常适合初体验：

Polly（🐙 章鱼姐） —— 多 Agent 编程编排器

omnigent run examples/polly/

Polly 自己不写一行代码。她是"技术总监"角色：收到需求后制定计划，把编码任务分派给子 Agent（可以是 Claude Code、Codex 或 Pi），每个子 Agent 在独立的 Git Worktree 中工作，然后让来自不同供应商的 Agent 互相审查代码，最后给你一个合并决策。

Debby（🟠🔵 双脑辩论师）

omnigent run examples/debby/

Debby 有两个"大脑"——一个 Claude 和一个 GPT。你问的任何问题都会同时发给两者，然后并列展示两套答案。输入 /debate 还能让两个模型互相批评几轮后收敛到共识方案。

配置模型与凭证

Omnigent 支持四种类型的凭证：

类型	说明
API Key	直接使用 Anthropic、OpenAI 等提供的 API Key
订阅	使用 Claude Pro/Max 或 ChatGPT Plus 订阅（通过官方 CLI）
网关	任意兼容 OpenAI/Anthropic 协议的代理地址（OpenRouter、LiteLLM、Ollama、Azure）
Databricks	Databricks 工作区模型（需要额外安装）

运行 omnigent setup 可以交互式配置：

omnigent setup

它会引导你添加凭证、设置默认模型。每个 Agent 可以有自己的默认模型——Claude Code 用 Anthropic、Codex 用 OpenAI，它们互不冲突。

在 Session 中也可以用 /model 命令随时切换模型，非常灵活。

网关配置示例

如果你使用 OpenRouter 或本地 Ollama，配置如下：

OpenRouter：

# 用于 Claude Code
# 基础 URL: https://openrouter.ai/api
# API Key: sk-or-xxx

# 用于 Codex / OpenAI Agent
# 基础 URL: https://openrouter.ai/api/v1

本地 Ollama：

# 基础 URL: http://localhost:11434/v1
# API Key: 随便填（Ollama 忽略 Key）

注意：Claude Code 使用 Anthropic 兼容端点（/api），Codex 使用 OpenAI 兼容端点（/api/v1），两者 URL 格式不同。

实战：用 Omnigent 搭建多 Agent 代码审查流水线

纸上得来终觉浅，我们来做一个真实场景：使用 Polly 编排器，让 Claude Code 写代码，Codex 审查代码，自动完成一个 Python 工具的开发-审查闭环。

准备工作

首先确保已安装必要的 CLI 工具：

# 检查 claude CLI 是否可用
claude --version

# 检查 codex CLI 是否可用
codex --version

如果某工具未安装，可以参考官方文档安装。Omnigent 只需要其中一个能用就能启动 Session。

启动 Polly 编排器

# 从 Omnigent 仓库中复制 Polly 示例到工作目录
git clone https://github.com/omnigent-ai/omnigent.git /tmp/omnigent-demo
cd /tmp/omnigent-demo

# 启动 Polly
omnigent run examples/polly/

Polly 启动后，会显示一个交互式对话界面。你可以直接提出需求，比如：

请帮我写一个 Python 脚本，它能批量将 CSV 文件转换为 Excel 文件，并支持自定义列宽。使用 Claude Code 实现，然后用 Codex 做代码审查。

Polly 会执行以下步骤：

任务规划：Polly 将需求拆解为任务清单
分发到子 Agent：将"编写代码"的任务发送给 Claude Code
代码审查：Claude Code 完成后，将代码发送给 Codex 审查
结果整合：汇总两方结果，给你最终的代码和审查意见

监控多 Agent 协作

在 Polly 工作时，你可以打开浏览器访问 http://localhost:6767，实时查看每个 Agent 的终端输出。你能看到：

Claude Code 正在创建 csv_to_xlsx.py 文件
它使用了 pandas 和 openpyxl 库
Codex 正在逐行审查代码，标注可能的问题
Codex 建议增加错误处理和类型注解

最终输出会包含完整代码和审查报告，所有内容都在同一个 Session 中，方便回溯。

跨设备继续 Session

假设你正在 Mac 上使用 Polly，需要出门。在手机上打开浏览器，访问 Omnigent 的 Web UI 地址（如果部署了服务器则可用公网地址），就能看到完全相同的界面。输入的消息会同步到后台运行的 Agent，就像从未离开过电脑。

高级特性

策略治理

Omnigent 的一个亮点是内置了 Agent 治理能力。你可以为 Agent 设置策略——类似于 Kubernetes 的 PodSecurityPolicy：

# policy.yaml
policies:
  - name: safe-tools
    type: tool-whitelist
    allow: ["read_file", "write_file", "execute_command"]
    deny: ["network_request"]
    
  - name: spend-cap
    type: cost-limit
    max_per_session: 0.50  # 每个 Session 最多花费 0.50 美元
    
  - name: require-approval
    type: approval-gate
    triggers:
      - pattern: "rm -rf"
      - pattern: "DROP TABLE"

这些策略可以应用于整个服务器、单个 Agent 或某一次对话。当 Agent 触发了策略条件，Omnigent 会暂停并等待人工审批。

云沙箱运行

如果不想占用本地资源，可以把 Agent 放在云沙箱里运行：

omnigent run examples/polly/ --sandbox modal

目前支持 Modal、Daytona 和 Islo 三种托管沙箱。Session 的交互界面仍然在本地，但 Agent 的代码执行环境在云端，做到了"本地操控，云端执行"。

编写自定义 Agent

Omnigent 允许你用 YAML 定义自己的 Agent：

# my-agent.yaml
name: "mypy-guardian"
description: "专门做 Python 类型检查的 Agent"
model: "claude-sonnet-4-20260506"
system_prompt: |
  你是一个严格的 Python 类型检查专家。
  用户给你 Python 代码时，你要用 mypy 的规则逐条检查，
  输出类型错误的精确位置和修复建议。
tools:
  - read_file
  - write_file
  - execute_command
harness: claude