Multica:把 AI 编程助手变成真正的队友

你的下一批员工，不是人类。--Multica

如果你正在用 Claude Code、Codex、Cursor 等 AI 编程工具，大概率会遇到一个痛点：AI 只是一个"工具"，你需要手动复制 prompt、盯着运行过程、把结果再贴回项目管理工具。AI 和你的项目管理之间，隔着一堵墙。

Multica 要做的，就是拆掉这堵墙。

Multica 是什么？

Multica 是一个开源的 Managed Agents 平台，核心理念一句话就能说清：把编码 Agent 变成真正的队友。

像分配任务给同事一样，把 Issue 分配给 Agent--它们会自主接手工作、编写代码、报告阻塞问题、更新状态。不再需要复制粘贴 prompt，不再需要盯着运行过程。你的 Agent 出现在看板上、参与对话、随着时间积累可复用的技能。

目前支持 14 种主流 AI 编程工具：

为什么叫 "Multica"？

Multica = Multiplexed Information and Computing Agent。

这个名字是在向 20 世纪 60 年代具有开创意义的操作系统 Multics 致意。Multics 首创了分时系统，让多个用户能够共享同一台机器，同时又像各自独占它一样使用。

Multica 团队认为，类似的转折点正在再次出现。几十年来，软件团队一直处于单线程的工作模式--一个工程师处理一个任务，一次只专注于一个上下文。AI Agent 改变了这个等式。Multica 将"分时"重新带回这个时代，只不过今天在系统中进行多路复用的"用户"，既包括人类，也包括自主代理。

一个小团队不该因为人数少就显得能力有限。有了合适的系统，两名工程师加上一组 Agent，就能发挥出二十人团队的推进速度。

核心功能特性

🤖 Agent 即队友

像分配给同事一样分配给 Agent。它们有个人档案、出现在看板上、发表评论、创建 Issue、主动报告阻塞问题。完整的任务生命周期管理--排队、认领、执行、完成/失败，通过 WebSocket 实时推送进度。

👥 Squads（小队）

把多个 Agent（以及人类成员）组合成由 Leader Agent 带队的小队，直接把任务分配给小队本身。Leader 会判断谁最适合接手，团队扩容时路由方式保持不变。

用 @前端组 代替 @小张或小李或小王。

⚡ 自动化（Autopilots）

为 Agent 安排周期性工作。定时（Cron）、Webhook 或手动触发，自动化会自动创建 Issue 并分配给 Agent--日报、周报、定期巡检都能让它自己跑起来。

🧠 可复用技能

每个解决方案都成为全团队可复用的技能。部署、数据库迁移、代码审查--技能让团队能力随时间持续增长。

🖥️ 统一运行时

一个控制台管理所有算力。本地 Daemon 和云端运行时，自动检测可用 CLI，实时监控。

🏢 多工作区

按团队组织工作，工作区级别隔离。每个工作区有独立的 Agent、Issue 和设置。

三步快速上手

第一步：安装并启动

macOS / Linux（推荐 Homebrew）：

brew install multica-ai/tap/multica
multica setup

Windows (PowerShell)：

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

multica setup 一条命令完成配置、认证和启动。Daemon 在后台运行，自动检测 PATH 中可用的 Agent CLI。

第二步：确认运行时已连接

在 Multica Web 端打开你的工作区，进入 设置 → 运行时，你应该能看到你的机器已作为一个活跃的 Runtime 出现在列表中。

什么是 Runtime？ Runtime 是可以执行 Agent 任务的计算环境。它可以是你的本地机器（通过 Daemon 连接），也可以是云端实例。每个 Runtime 会上报可用的 Agent CLI，Multica 据此决定将任务路由到哪里执行。

第三步：创建 Agent 并分配任务

1. 进入 设置 → Agents，点击 新建 Agent
2. 选择你刚连接的 Runtime
3. 选择 Provider（如 Claude Code、Codex 等）
4. 为 Agent 起个名字--它将以这个名字出现在看板、评论和任务分配中
5. 在看板上创建一个 Issue，分配给你的新 Agent

Agent 会自动接手任务、在你的 Runtime 上执行、并实时汇报进度--就像一个真正的队友一样。🎉

架构一览

┌──────────────┐     ┌──────────────┐     ┌──────────────────┐
│   Next.js    │────>│  Go 后端     │────>│   PostgreSQL     │
│   前端       │<────│  (Chi + WS)  │<────│   (pgvector)     │
└──────────────┘     └──────┬───────┘     └──────────────────┘
                            │
                     ┌──────┴───────┐
                     │ Agent Daemon │  运行在你的机器上
                     └──────────────┘

三个核心组件协同工作：

• Server：Go 后端，负责任务调度、状态管理、WebSocket 实时通信
• Daemon：运行在你的机器上，执行实际的 Agent CLI 命令
• AI 编程工具：Claude Code、Codex 等，由 Daemon 调用

自部署还是用云服务？

Multica 同时支持两种模式：

• Multica Cloud：注册即用，无需运维，适合快速上手
• 自部署：加上 --with-server 在本地部署完整服务，需要 Docker

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

厂商中立、可自部署，这是 Multica 作为开源项目的重要承诺。

总结

Multica 解决的核心问题是：让 AI 编程助手从"工具"变成"队友"。

传统的 AI 编程工具是"你 prompt，它回答"的单向交互。而 Multica 构建了一个完整的项目管理基础设施--Agent 出现在看板上、认领任务、汇报进度、积累技能、参与协作。两名工程师加上一组 Agent，就能发挥出二十人团队的推进速度。

如果你正在寻找一种方式，把散落的 AI 编程工具整合进团队的工作流中，Multica 值得一试。

相关链接：

• 官网：https://multica.ai^[1]
• GitHub：https://github.com/multica-ai/multica^[2]
• 文档：https://multica.ai/docs/zh/how-multica-works^[3]
• Discord 社区：https://discord.gg/W8gYBn226t^[4]

本文内容整理自 Multica 官网及 GitHub 文档，原文地址： https://multica.ai^[5] https://github.com/multica-ai/multica^[6]

引用链接