open-multi-agent/README_zh.md

Open Multi-Agent

只描述目标，不画任务图。
运行在你自己环境中的多智能体编排。

官网 · 文档 · 示例 · npm

English · 中文

open-multi-agent 是面向 TypeScript 后端的多智能体编排框架，可直接嵌入任意 Node.js 应用。它运行的是动态工作流（dynamic workflows）：Coordinator 在运行时将一个目标分解为任务 DAG，由确定性调度器分派给团队执行，整个运行过程始终是可审查、可审批、可回放的数据。上方动图就是内置的离线 Run Viewer 在回放一次真实运行。

快速开始

要求 Node.js 20 或更高版本。生产环境请使用仍处于维护期的 Node.js LTS 版本。

初始化 PR 审查 Agent、安全分析 Agent 或教学用 DAG：

npm create oma-app@latest my-oma

在交互式终端中，这一条命令会完成 starter 与 runtime 选择、依赖安装，并运行确定性的本地 Demo。Demo 不需要 API Key，也不会发起模型请求：预置模型响应负责模拟生成边界，OMA 的调度、结果聚合与离线 Dashboard 均真实运行。

也可以把 OMA 直接加入现有后端：

npm install @open-multi-agent/core

import { OpenMultiAgent } from '@open-multi-agent/core'

const oma = new OpenMultiAgent({ defaultProvider: 'openai', defaultModel: 'gpt-5.4' })

const team = oma.createTeam('research-team', {
  name: 'research-team',
  agents: [
    { name: 'researcher', systemPrompt: 'Find the relevant facts.' },
    { name: 'analyst', systemPrompt: 'Compare evidence and identify tradeoffs.' },
  ],
  sharedMemory: true,
})

const result = await oma.runTeam(team, 'Compare three approaches and recommend one.')

console.log(result.agentResults.get('coordinator')?.output)

完整示例：DAG 回读、token 统计与环境变量覆盖

import { OpenMultiAgent } from '@open-multi-agent/core'

const model = process.env.OMA_MODEL ?? 'gpt-5.4'

const oma = new OpenMultiAgent({ defaultProvider: 'openai', defaultModel: model })

const team = oma.createTeam('research-team', {
  name: 'research-team',
  agents: [
    { name: 'researcher', systemPrompt: 'Find the relevant facts.' },
    { name: 'analyst', systemPrompt: 'Compare evidence and identify tradeoffs.' },
  ],
  sharedMemory: true,
})

const result = await oma.runTeam(team, 'Compare three approaches and recommend one.')

// 以上代码没有声明任何任务图，任务 DAG 由 Coordinator 在运行时生成，
// 运行结束后整个过程都是可以读回的数据。
for (const task of result.tasks ?? []) {
  console.log(`[${task.status}] ${task.title} → ${task.assignee ?? 'unassigned'}`, task.dependsOn)
}

console.log(result.agentResults.get('coordinator')?.output)
console.log(result.totalTokenUsage)

运行这段示例需要设置 OPENAI_API_KEY。其他云端模型、本地服务、OpenAI 兼容端点与 AI SDK provider 的配置见 Provider 文档。

runTeam() 从目标自动规划，runAgent() 运行单个 Agent，runTasks() 执行显式流水线。三种模式、Provider 与凭证配置、生产检查清单见核心包使用指南。示例索引收录 50+ 个可运行示例，覆盖基础、cookbook 流程、模式、Provider 与集成。

为什么选择 OMA

万物皆接口，每次运行皆可回溯。

OMA 将动态编排与生产所需的控制、证据和恢复能力结合起来，帮助多智能体系统从原型走向生产环境。

• 动态编排。 只需描述目标，Coordinator 就会在运行时生成任务 DAG、分配工作并合成结果，无需手工维护工作流图。
• 受控执行。 可预览、审批或持久化挂起计划、任务派发与工具调用，并固化已审批计划以供重放；当拓扑不容漂移时可声明必需的角色与执行顺序，并通过多 Agent 共识验证结果。
• 可靠性。 通过 Checkpoint 从断点恢复中断的运行，或选择在任务结果屏障处启用仅追加式计划修复；重试、超时、循环检测与 token、成本双预算让执行始终有明确边界。
• 可观测与评测。 通过稳定的运行标识、执行回执与 Trace 跟踪每次运行，在离线 Run Viewer 中回放任务 DAG 与 span 瀑布，或通过可选的 OpenTelemetry 适配器导出；同一套运行记录可直接支撑版本化 EvalSet、离线报告、CI gate 与线上采样。
• 安全与隐私。 内置工具默认拒绝，支持逐次调用 gate，并对遥测与持久化状态应用显式的隐私控制。
• 开放运行时。 Process 与 ACP backend 让 Claude Code、Gemini CLI、Codex 和 LLM Agent 同处一个任务 DAG，并共享记忆与预算；可混用云端模型、本地开源模型、原生接入的国产模型、OpenAI 兼容端点与 AI SDK provider，并通过容错解析支持以文本形式返回工具调用的本地模型；支持使用自有基础设施与凭证，本地、离线或气隙部署。

基于 OMA 构建

open-multi-agent 2026-04-01 发布，MIT 协议。当前公开在用与集成的项目：

• temodar-agent，作者 Ali Sünbül。WordPress 安全分析平台，在 Docker runtime 里直接使用 OMA 内置工具（bash、file_*、grep）。已确认生产环境使用。
• Mark Galyan 在本地量化模型上完全离线运行 OMA，借助 Coordinator 与上下文压缩，在显存受限的条件下维持自治 Agent 循环持续运行。自框架发布首月起持续贡献。
• PR-Copilot，作者 kidoom。AI pull request 审查助手，运行 OMA 审查 team，用 defineTool 定义仓库上下文工具，并加入自定义 ContextStrategy 做 token-aware 的 diff 压缩。
• StuFlow，作者 znc15。终端 AI 编码助手，以 OMA 为编排内核，通过 runAgent / runTasks / runTeam 驱动自定义 coordinator，搭配 DeepSeek。
• Reports to Charts Studio。把文档和研究表格转换成可直接用于幻灯片的图表，使用由五个角色组成的数据提取评审组，结合结构化输出与确定性校验。

集成

• Engram："AI 记忆的 Git"。在 agent 之间即时同步知识并标记冲突。(repo，约 80 stars)
• @agentsonar/oma：Sidecar，检测跨运行的委派环、重复和速率突增。
• CodingScaffold：agentic-coding 脚手架，把 OMA 列为可选编排后端，附带 runTeam 工作流模板。
• Bilig WorkPaper：公式工作簿 MCP 服务，提供双向收录的 OMA 集成，可编辑输入、重新计算公式、校验回读结果并持久化 WorkPaper JSON。
• baize-oma：HTTP 适配层，把 OMA 的 runAgent() 和 runTeam() 暴露为 Baize slot 能力。

在生产或 side project 中使用了 open-multi-agent？请开个 Discussion，我们会将其列在这里。做了集成？收录方式见集成指南。深度集成的产品见 Featured partner 计划。

赞助商

支持 open-multi-agent 的付费赞助商。赞助不影响技术决策与模型推荐。

Provider

• Atlas Cloud：全模态 AI 推理平台，单一 API 打通视频、图像与 LLM，覆盖 300+ 精选模型。$5 credit 兑换码面向 OMA 用户开放，先到先得。见 Atlas Cloud 接入指南。

OMA 适合什么场景

OMA 面向希望任务图随目标动态生成的 TypeScript 团队。

如果工作流必须逐节点手工设计，图优先框架更合适；如果只需要单个 Agent 调用，一个 LLM 工具库就够了。当多个 Agent、任务依赖、审批或恢复机制需要协同时，OMA 负责这一编排层。

与 LangGraph、Mastra、CrewAI、Vercel AI SDK 等的逐项对比见对比页。

包

• @open-multi-agent/core：编排运行时、工具、记忆、checkpoint、trace、CLI 和离线 Run Viewer。
• @open-multi-agent/otel：面向已建立 OpenTelemetry 统一监控体系的生产团队的可选企业集成。
• create-oma-app：npm create oma-app 背后的脚手架；提供自带免 API Key 本地 Demo 的 starter 模板。

Core 用户可以在本地保存 trace，并用离线 Run Viewer 查看。只有当 OMA trace 需要进入应用现有的统一监控平台时，才需要安装 OTel 包。

企业服务

面向已有产品或业务系统的团队，提供 AI 场景梳理、Agent 能力嵌入与交付支持。微信扫码联系，或邮件 jack@yuanasi.com。

文档

目标	从这里开始
安装与运行	核心包使用指南 · 示例 · CLI
配置模型与工具	Provider · LLM 出网策略 · 工具与沙箱 · 外部 Agent
稳定运行	可观测性 · 评测 · Checkpoint 与恢复 · 持久化审批 · 自适应恢复 · 上下文管理
控制编排	Consensus · 执行路由 · 模型路由 · 任务调度 · 计划回放 · 共享记忆

参与贡献

欢迎提交 Issue 和 Pull Request。Workspace 边界、验证要求和提交流程见 CONTRIBUTING.md。

按领域展开的贡献者致谢见 CONTRIBUTORS.md。

许可证

MIT