上周三，我在拆一个跨文件重构。任务拆成五份，三个终端同时开：Claude 写公共类型，Codex 改调用方，omp 跑依赖扫描。

四十分钟后，我在备忘录里记谁跑完了。左边 Claude 卡在权限确认，中间 Codex 输出刷得看不清，右边 omp 早就跑完，但没人告诉我。token 花了多少，事后对账。那天晚上收工时，三个会话里有两个已经废了，上下文全丢。

这不是「模型不够强」。这是没有人做调度。

agent-mcp 的 README 写得很清楚——核心不是「多开几个 Agent」，而是把任意 CLI 收成一个可派发、可监控、可续接、可终止的工作池。

主 Agent 只做两件事：拆解和汇合。

派发、等待、插话、超时、排队、续接、降档，全部交给控制面。模型推理仍发生在各家 CLI 原生 runtime 里；agent-mcp 不重写 agent loop，也不锁死单一模型。

另一个原则是：按任务匹配底座。

读密集探索丢给快底座（omp / pi / grok），深推理规划丢给强底座（claude）。成本与质量现场匹配，而不是「全家都用同一个模型」。

问题

多开几个终端很简单。难的是：

控制面规模
公开规模指标：34 个 MCP 工具、589 个测试、11 款内置 CLI 适配。
  • 子任务跑飞了怎么办？
  • 槽位满了怎么排队？
  • 中途发现方向错了怎么插话？
  • 主 Agent 等结果时不能空转，也不能傻轮询把上下文撑爆。
  • 谁在跑、跑哪了、烧了多少，全靠人盯。

各家 CLI 还互不相通：有的吐 JSONL，有的只吐纯文本，usage 字段名完全不同，resume 有的支持有的不支持。如果不管这些差异，多 Agent 只会把混乱放大。

派发路径
主 Agent 只做拆解与汇合；派发、等待与容错由控制面完成。

做法

对外 agent-mcp 是一组 MCP 工具。任何支持 MCP 的宿主都能挂上。常用的几件：

  • estimate_complexity：本地判 S/M/L，零 token，不 spawn——默认直接做，按需才拆
  • spawn_agent：派发子 Agent，指定 CLI / 模型 / 超时，马上拿回 agent_id
  • wait_agent：短阻塞等终止态，返回摘要
  • steer_agent：中途插话，终止当前 run，在同一节点接着跑
  • followup_task：合并挂起消息，触发下一 turn
  • orchestrate_task：有依赖的任务图，无依赖并行，有依赖按序

底层是 daemon 控制面。Run 是唯一执行单位。槽位满了自动排队。任务超时会终止整棵进程树。token 预算超了可以降档重跑。session_id 是所有权边界。

适配器层内置 11 款 CLI（claude / grok / opencode / omp / codex / kimi / copilot 等）的事件流、usage、session 归一化。不在列表里的 CLI，写一份 JSON 配置也能接，不用改代码。

DeepSeek Harness 也做了原生接入：一行 insert patch，34 个工具以 mcp__agentmcp__* 全量注册；daemon 未起自动拉起，断线指数退避重连。

约束很实际。不要默认什么都拆。 我早期版本遇到小事也 spawn 一堆子 Agent，协调开销比任务本身还大。后来才有复杂度分级门。

适配层比想象脏。 headless 模式、事件流、resume、权限参数，每家一套。归一化才是真正的工程量。

控制面做厚了，调试会变重。 出问题时要同时看主 Agent、daemon 日志、子进程。这对个人项目偏重，还在砍。

现状

写完之后，我的工作流变了：以前是「我自己盯」，现在是「拆完、派出去、循环 wait、汇合」。

一次跨文件重构：先 estimate_complexity 判成 L，再 orchestrate_task 声明依赖——先改公共类型，再改调用方，最后 review。无依赖的扫描并行跑。每个子任务可以指定不同 CLI。

中途范围写大了，steer_agent 收窄。跑挂了，超时兜住，session 还能 resume。

当前 v4.0.0a1：34 个 MCP 工具，589 个测试通过。它没有让我「多快好省」，但确实把我从盯终端里解放出来了。

局限仍在。 项目仍是 alpha。适配器实测率不均匀；沙箱目前主要是「统一策略翻译到各 CLI 自己的参数」，不是真隔离；跨厂商审查在复杂合并场景还要再踩。

下一步优先补适配器实测、把策略真正拦在执行点上，再简化上手路径。

curl -fsSL https://raw.githubusercontent.com/37chengshan/agent-mcp/main/install.sh | bash

主仓库：37chengshan/agent-mcp。欢迎提 issue，也欢迎直接骂。