← 返回目录

Agency Orchestrator

社区

一句话组织你的 AI 专家团队，几分钟交付完整方案。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 74 / 438
Stars: ★ 2.4k 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js
凭据: 可选 API Key
许可证: Apache-2.0
最近提交: 3 天前
工具数: 6

63FMRS · C

Agency Orchestrator 功能丰富，适合快速构建多智能体协作流程。安装配置简单，提供 MCP 接口便于集成。但需注意 LLM 能力和数据安全风险。

最强项 · 维护活跃度 16/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

12/20

维护活跃度

16/20

文档质量

15/20

安装易用性

10/20

查看各项评分依据

可靠性 10/20: README 展示了清晰的 CLI/MCP 架构，MCP 服务器通过 `ao serve` 提供 6 个工具。但存在矛盾：README 宣称 'npm + 2 个依赖'，而实际项目可能有更多依赖。缺少对 MCP 握手和工具行为的测试证据，未发现 CI 工作流或测试文件（可能与仓库结构有关，但静态审查未见）。错误处理和边界情况文档不足。因此可靠性上限设为 10，低于上限 12 是因为未看到可验证的执行证据。
安全与权限 12/20: 密钥管理主要依赖环境变量，没有硬编码密钥。提供多种无密钥提供商（如 claude-code、gemini-cli）可减少密钥暴露，但通过 CLI 调用外部 LLM 会向第三方发送代码/文本，数据流向有披露但跨网络边界不够明确。没有发现恶意行为。审批节点（type: approval）需要人工确认，但 MCP 工具（如 run_workflow）可能默认执行工作流，包括可能造成外部副作用（如部署）。未发现明确确认机制。因此安全性评分为 12，未触发红线。
维护活跃度 16/20: Apache-2.0 许可证清晰，有 CI 徽章（虽然静态审查未见 CI 文件），版本号显示 npm 包更新，仓库活跃，README 提到 v0.5 且路线图有 v0.6。未发现安全响应渠道，但常见于 Apache 项目。依赖更新和 issue 响应无法从静态审查直接确认。维护活跃度评 16。
文档质量 15/20: README 非常详尽，涵盖安装、配置、11 种 LLM 提供商、CLI 命令、YAML schema、MCP 配置示例、内置模板和输出说明。但缺少针对 MCP 工具的独立详细文档（参数、错误码、限制）。成本描述有提及（如 DeepSeek 充值），但更具体的定价未提供。限制部分提到本地小模型能力问题。文档质量良好，但 MCP 工具文档稍显单薄，评 15。
安装易用性 10/20: 安装简单：`npm install -g agency-orchestrator`，然后 `ao serve` 启动 MCP。提供了 Claude Code 和 Cursor 的配置示例。但依赖列表不明确（说 2 个依赖，实际可能更多），需要本机有合适的 LLM 提供商（如 Claude Code CLI 或 API key），不同提供商需要各自安装配置，可能增加复杂度。Docker 部署也有指令。静态无法执行验证，实际安装可能遇到未预料的问题，因此评分上限 15 且因缺少验证证据降至 10。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么写入 / 删除本地文件执行命令或代码访问网络

适合谁

希望用 AI 多智能体协作完成复杂任务（如商业规划、技术方案、内容创作）的开发者和创作者。
需要无代码 YAML 工作流的团队，避免编写 Python 代码。
希望复用现有 AI 订阅（如 Claude, Gemini, Copilot）来降低成本。

不适合谁

需要精细控制每个 Agent 内部逻辑的深度定制场景。
对数据隐私极度敏感的企业，因为部分 API 调用需要联网。
依赖本地小模型（如 8B 级别）追求高质量输出的场景，因为多角色交接可能放大漂移。

所需权限

执行工作流时，会调用配置的 LLM API 或本地 CLI，需要网络访问和 API 权限。
可以读写本地文件系统（如读取输入文件、保存输出到 `ao-output/` 目录）。
MCP Server 自身只提供 stdio 通信，不主动访问外部系统。

风险与副作用

LLM 输出可能不准确或幻觉，验收标准（acceptance）可缓解但无法完全避免。
使用第三方 API 时需注意 API key 的安全保管，避免泄露。
工作流中的人工审批节点需要用户介入，否则流程会暂停。

安装接入

准备工作

运行环境：Node.js

DEEPSEEK_API_KEY 可选密钥 DeepSeek 平台的 API key，在 DeepSeek 开放平台申请；key 类运行方式之一，非必需（也可用免 key CLI 方式）。

ANTHROPIC_API_KEY 可选密钥 Claude API 的密钥，在 Anthropic 控制台申请；仅 provider 为 claude 时需要。

OPENAI_API_KEY 可选密钥 OpenAI 或任意 OpenAI 兼容 API 的密钥；provider 为 openai 时需要。

ARK_API_KEY 可选密钥火山引擎（豆包/Kimi/GLM）的 API key，在火山方舟控制台申请。

其他可选配置项（10 个）

OPENAI_BASE_URL 可选自定义 OpenAI 兼容 API 的地址（如智谱、硅基流动、月之暗面），写入 .env。

AO_PROVIDER 可选默认 LLM 提供商，写入 .env，如 openai。

AO_MODEL 可选默认模型名称，写入 .env。

AO_DATA_DIR 可选产物/数据目录自定义路径，桌面端默认指向 userData。

AO_AGENTS_DIR 可选自定义角色库目录，设置后 run/compose/roles/web 全部改用自己的角色。

AO_HOME 可选统一工作区根目录（如 ~/.ao），产物与生成的工作流集中存放。

AO_OUTPUT_DIR 可选单独指定运行产物输出目录。

AO_WORKFLOWS_DIR 可选单独指定工作流目录。

AO_PROMPTS_DIR 可选提示词资产保存目录，默认 ~/.ao/prompts/。

AO_SKILLS_DIR 可选自定义 skill（方法论）目录，默认使用内置 superpowers-zh。

全局安装 CLI：npm install -g agency-orchestrator。
启动 MCP Server：ao serve。
在 Claude Code 的 settings.json 中配置：

{
  "mcpServers": {
    "agency-orchestrator": {
      "command": "npx",
      "args": ["agency-orchestrator", "serve"]
    }
  }
}

或者在 Cursor 的 .cursor/mcp.json 中配置相同内容。
根据所选 LLM 提供商配置 API key 或使用本机已登录的 CLI（如 Claude Code, Gemini CLI 等）。

claude_desktop_config.json

{
  "mcpServers": {
    "agency-orchestrator": {
      "command": "npx",
      "args": [
        "agency-orchestrator",
        "serve"
      ]
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "agency-orchestrator": {
      "command": "npx",
      "args": [
        "agency-orchestrator",
        "serve"
      ]
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add agency-orchestrator -- npx agency-orchestrator serve

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

在 Claude Code 或 Cursor 的 MCP 配置中添加 npx agency-orchestrator serve 后，工具列表应出现 run_workflow、validate_workflow、list_workflows、plan_workflow、compose_workflow、list_roles 六个工具；调用 list_roles 能返回角色库即证明连接成功。

常见排障

确保已正确安装 Node.js 和 npm，并全局安装 agency-orchestrator。
检查 MCP 配置中的命令和参数是否正确，特别是 npx 路径。
如果使用 CLI 作为 LLM 提供商，确保对应 CLI 已安装并登录。
查看工作流 YAML 语法是否正确，可通过 `ao validate` 校验。
查看终端输出或日志，检查具体的错误信息。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

列出所有可用的 AI 角色并说明他们分别擅长什么
用 compose_workflow 从一句话需求帮我编排一个 PR 代码审查工作流（覆盖安全和性能）
校验 workflows/dev/pr-review.yaml 这个工作流配置是否正确
运行一人公司全员大会工作流，输入想法：用AI帮小商家做短视频

工具能力 6

run_workflow 写入

运行指定工作流，输入变量，返回执行结果。

validate_workflow 只读

校验工作流 YAML 配置，不执行。

list_workflows 只读

列出可用的工作流模板。

plan_workflow 只读

查看工作流的执行计划（DAG）。

compose_workflow 写入

根据自然语言描述自动编排生成工作流 YAML。

list_roles 只读

列出所有可用的角色。

使用场景

在 IDE 中通过 MCP 直接调用工作流运行，进行代码审查、需求分析等。

用自然语言描述任务，让 AI 自动编排多角色协作流程。

在 CI/CD 中集成自动化工作流，如 PR 审查、安全审计等。

支持客户端

Claude Desktop

Claude Code

Cursor

依据项目文档列出，未经本站实测。

详细介绍

Agency Orchestrator 是一个 AI 智能体编排引擎，通过 YAML 或自然语言定义多角色协作流程，自动组建专业团队（267 个中文角色 + 184 个英文角色 + 5 种其他语言），基于 DAG 并行执行，支持自动验收和人工审批。可用 Web Studio、桌面端、Docker 或命令行，兼容 11 种大模型提供商（其中 7 种无需 API key）。提供 MCP Server 模式，供 Claude Code、Cursor 等 AI 编程工具直接调用。