Multica（Multiplexed Information and Computing Agent）是一个开源的多智能体协作平台，将 AI 编码代理从"工具"升级为"队友"。它可以同时管理多个 AI Agent，让它们像团队成员一样协作——分配任务、跟踪进度、积累可复用的技能。上线以来迅速积累 31,000+ Stars，成为 AI Agent 协作领域最受关注的开源项目。
项目介绍
Multica 的核心理念直击 AI 编码的痛点：当前使用 AI Agent 的方式本质上是"单线程"的——一个工程师与一个 AI Agent 对话，复制粘贴提示词，手动监督执行过程。这种方式没有充分发挥 AI 的并行能力。
Multica 将操作系统中的"多路复用"（Multiplexing）概念引入 AI 协作：
“就像 Multics 操作系统的核心赌注是多路复用一样，Multica 的赌注也是多路复用——一个小型团队应该感觉不小。有正确的系统支持，两个工程师和一队 Agent 可以像二十人团队一样高效运转。”
这意味着开发者可以创建多个 AI Agent，给它们分配不同角色（前端开发、后端开发、代码审查、测试），然后像项目经理一样分配任务，Agent 们会自动协作完成。
核心功能
Agent 即队友（Agents as Teammates）： 每个 Agent 拥有自己的 Profile，会出现在看板上，能主动发布评论、创建 Issue、报告阻塞问题。不是被动的"问答机器人"，而是主动的协作者。
Squad 分组机制： 可以将多个 Agent（和人类）分组到一个 Squad 下，由 Squad Leader Agent 负责分配任务。例如创建 @FrontendTeam Squad，给它分配前端任务，Leader 决定谁去执行。
自治执行引擎： 完整的任务生命周期（入队 → 认领 → 开始 → 完成/失败），通过 WebSocket 进行实时进度推送。可以清楚地看到每个 Agent 当前在做什么、进度如何。
可复用技能系统： Agent 每次完成任务后，解决方案自动沉淀为团队可复用的技能。部署流程、代码迁移、测试用例编写等重复性工作会自动积累为团队知识库。
统一运行时管理： 一个仪表盘管理所有计算资源——本地守护进程和云端运行时，自动检测可用的 Agent CLI（Claude Code、Codex、Copilot CLI 等 10+ 平台）。
多工作区隔离： 每个工作区有自己的 Agent、Issue 和设置，适合管理多个项目。
快速上手
安装极其简单：
# macOS/Linux（推荐使用 Homebrew）
brew install multica-ai/tap/multica
# 或者使用安装脚本
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash
使用只需四步：
# 1. 初始化设置
multica setup
# 2. 验证运行时（打开 Web 界面 → Settings → Runtimes）
# 3. 创建 Agent
# Web 界面 → Settings → Agents → New Agent
# 4. 分配第一个任务
# 创建一个 Issue 并分配给 Agent
技术架构
┌────────────────┐ ┌────────────────┐ ┌──────────────────┐
│ Next.js │────>│ Go Backend │────>│ PostgreSQL │
│ Frontend │<────│ (Chi + WS) │<────│ (pgvector) │
└────────────────┘ └───────┬────────┘ └──────────────────┘
│
┌──────┴───────┐
│ Agent Daemon │ runs on your machine
└──────────────┘ (Executes supported CLIs)
- 前端： Next.js 16（App Router）
- 后端： Go（Chi router、sqlc、gorilla/websocket）
- 数据库： PostgreSQL 17 + pgvector（支持向量搜索）
- Agent 运行时： 本地守护进程，支持 Claude Code、Codex、Copilot CLI、Gemini CLI 等 10+ Agent CLI
类似项目对比
| 项目 | 定位 | 核心差异 |
|---|---|---|
| Multica | 开源多 Agent 协作平台 | 完整的团队协作模型，Squad 分组，技能积累 |
| OpenCode | AI 编码子智能体框架 | 更侧重代码生成任务分解，缺少团队协作维度 |
| Agency-Agents | Agent 模板市场 | 侧重预定义 Agent 模板，不是运行时平台 |
| Claude Code | 单 Agent 编码助手 | 不支持多 Agent 并行和任务编排 |
结合 AI 编码趋势的分析
Multica 的火爆（879 stars/天）标志着 AI 编码从"个人增强"到"组织提效"的范式转变：
-
从单 Agent 到多 Agent 协作： 2025 年的焦点是让单个 AI Agent 变强。2026 年的重心转向让多个 Agent 协同工作——就像从单核 CPU 到多核 CPU 的进化。Multica 正是这个趋势的典型代表。
-
Skill 生态的积累机制： 技能复用是 Multica 最关键的差异化能力。每次 Agent 完成任务后沉淀的技能，随着时间推移形成团队的"AI 经验库"。这种飞轮效应让使用 Multica 的团队越来越高效。
-
人机协作的组织学： Multica 提出的 Squad、Agent Profile、任务看板等概念，本质上是将软件工程的组织方法论（Scrum、看板、角色分工）映射到人机混合团队中。这不是技术问题，而是组织学问题。
-
与 Hermes Agent 的呼应： 如果您正在使用 Hermes Agent 管理 AI 工作流，Multica 的 Agent daemon 可以直接调用 Hermes Agent CLI。两者在"多 Agent 编排"的理念上高度一致。
项目亮点
Multica 恰好由发布 Andrej Karpathy Skills（14.8 万 Stars 的现象级项目）的同一团队（multica-ai）开发。Karpathy Skills 是教单个 Agent 如何更好地编码的"行为准则"，而 Multica 是让一群 Agent 协作的"组织平台"。两者共同构成了 multica-ai 团队在 AI Agent 领域的完整产品线——从个体能力到团队协作的全覆盖。