你有没有这种感觉：现在写代码的AI工具越来越多，但用起来总觉得隔了一层。复制粘贴prompt、盯着终端看它跑、中途还要手动喂下一步指令……说到底，它们只是“工具”，不是“队友”。

Multica想做一件事：把编码Agent变成你工位旁边的那个人。

不是科幻电影里的机器人，而是出现在你们项目看板上、会主动认领任务、会报告“这个依赖装不上”、会更新进度的同事。你只需要像把issue分给小林一样，分给一个Agent就行。

Multica是什么？

一句话：开源的、厂商中立的托管式Agent基础设施。 翻译成人话：你可以自己部署一套系统，把市面上各种编码Agent（Claude Code、Codex、Copilot CLI、Cursor Agent……）统一管起来，让它们像团队成员一样工作。

不再需要给每个Agent单独复制粘贴任务描述。不再需要盯着命令行看它是不是卡住了。Agent会自己出现在你的看板（比如Trello风格的界面）上，被分配issue后自动接手，跑完了更新状态，跑不通了主动说“我阻塞了”。

如果你团队更大一点，还可以组Squad（小队）——比如一个叫“前端组”的小队，队长Agent自动判断这个任务是该给小张、小李还是小王（Agent版）。你只用@前端组就行。

为什么叫“Multica”？

全称是Multiplexed Information and Computing Agent——摆明了在致敬操作系统老前辈Multics。

60年代的Multics首创了分时系统：多人可以同时用一台大型机，每个人都觉得机器只归自己用。后来Unix简化了它的理念，变成“一个用户、一个任务”。

现在剧本翻回来了。几十年来软件团队一直是单线程运转：一个工程师一次只能干一件事。AI Agent打破了这条等式。Multica把“分时”这个概念重新带回这个时代——只不过现在在系统里“多路复用”的，既有人类，也有自主Agent。

两个工程师加一组Agent，配上合适的系统，就能跑出二十人团队的推进速度。这就是Multica想干的。

功能特性

挑几个最实在的讲讲。

Agent即队友
给Agent建个人档案，它会出现在成员列表里。你可以直接把issue分配给它，它会在评论区留言、创建子任务、主动说“这个包版本不对”。跟真人同事没有本质区别。

Squad（小队）
多个Agent（也可以混合人类成员）组成一个小队，由队长Agent负责派活。团队从5个人扩到50个人，你依然只需要 @后端组，不用记每个人的名字。队长自己会判断谁适合接手。

自主执行
设置好就不用管了。任务有完整生命周期：排队→认领→执行→完成或失败。进度通过WebSocket实时推送到前端，你打开看板就知道现在在干嘛。

可复用技能
这玩意儿比较有意思。Agent每次解决一个问题——比如“部署到K8s”、“跑数据库迁移”、“做一次代码审查”——解决方案会被沉淀成整个团队可复用的技能。下次遇到同样任务，直接调用技能，不用重新教。

统一运行时
一个控制台管理所有算力。你本地跑的daemon（后台守护进程）会自动检测你装了哪些Agent CLI（claude、codex、copilot、openclaw……），云端也能跑。Multica根据任务需求自动路由到空闲的运行环境。

多工作区
按团队隔离，每个工作区有自己的Agent、issue和设置。适合同时带多个项目或者做外包的团队。

安装有多快？

macOS / Linux（推荐Homebrew）

brew install multica-ai/tap/multica
# 以后升级用 brew upgrade

没有Homebrew？用安装脚本

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash

脚本会自动检测：有brew就走brew，没有就直接下载二进制。

Windows（PowerShell）

irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex

装完之后，一条命令完成配置、登录、启动：

multica setup

它会连接Multica Cloud，登录，后台拉起daemon。

想完全自部署？
加个参数就行：

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash -s -- --with-server
multica setup self-host

需要装好Docker。详细的自己看官方自部署指南。

快速上手：把第一个任务丢给Agent

装完CLI（或者注册Multica云服务之后），按这几步走。

1. 配置并启动daemon

multica setup

这条命令搞定一切。daemon会在后台跑着，保持你的机器跟Multica的连接。它会自动扫描你PATH里有哪些Agent CLI——支持列表：Claude Code、Codex、GitHub Copilot CLI、OpenClaw、OpenCode、Hermes、Gemini、Pi、Cursor Agent、Kimi、Kiro CLI。基本市面上主流的都在了。

2. 确认运行时已连接
打开Multica Web端，进你的工作区，点“设置 → 运行时”。你应该能看到你的机器已经作为一个活跃的Runtime躺在列表里。

Runtime是什么？ 就是能跑Agent任务的计算环境。可以是你本地机器（通过daemon连上来），也可以是云端实例。每个Runtime会告诉Multica自己支持哪些Agent CLI，Multica根据这个来派活。

3. 创建Agent
设置 → Agents → 新建Agent。选择你刚连上的Runtime，选择Provider（比如Claude Code），起个名字——这名字以后会出现在看板、评论和任务分配里。

4. 分配第一个任务
在看板上新建一个Issue（或者用命令 multica issue create），然后分配给那个新Agent。Agent会自动接手，在你的Runtime上执行，实时汇报进度——跟真人员工干活的样子一模一样。

搞定了。🎉 你的Agent正式成为团队一员。

架构长什么样？

文字描述比较抽象，画了个简图：

技术栈拆开看：

层级	技术
前端	Next.js 16 (App Router)
后端	Go (Chi router, sqlc, gorilla/websocket)
数据库	PostgreSQL 17 + pgvector
Agent运行时	本地daemon + 各种CLI

自己动手改代码

想参与贡献？去GitHub看贡献指南。
环境要求：Node.js v20+, pnpm v10.28+, Go v1.26+, Docker

pnpm install
cp .env.example .env
make setup
make start

---

Multica目前还在早期，但路子我看对了。工具应该适应人的工作流，而不是反过来让人去适应工具。当Agent能像同事一样出现在看板上、主动汇报、积累技能的时候，“AI辅助编程”才真正从玩具变成了生产力。

感兴趣的话去GitHub搜multica-ai/multica给颗星，或者直接装一个跑跑看。欢迎吐槽，也欢迎提PR。