什么是AgentConnect：如何把AI Agent拉进团队，在Slack和GitHub里与人并肩工作-育师

【免费下载链接】agentconnect

The open-source, multi-agent alternative to Claude Tag. @ any agent, wherever work happens, they work alongside your team, learning as they go.

项目地址：https://gitcode.com/gh_mirrors/age/agentconnect

点击查看免费下载

AgentConnect 是一个开源的多 Agent 协作平台：你在 Slack、GitHub 等日常工具里 @ 任意一个 AI Agent，它就能和团队成员在同一个对话里并肩工作、互相调用、持续学习。

上图就是 AgentConnect 想解决的核心问题：工作发生在哪儿，Agent 就在哪儿干活。左边是 Slack 和 Telegram 频道里人与 Agent 一起排查问题，右边是 GitHub 的 Pull Request 里 Agent 作为 reviewer 给出审查意见——全程都在团队已有的工作流里，不需要切换到别的界面。

AgentConnect 解决什么问题？

现在大多数 AI Agent 都是"个人工具"：它们活在某个人的终端里，团队成员看不到它在干什么，没法接手它的会话，也无法审查它的产出。于是每个团队都在重复造同一批"胶水代码"：消息转发、定时任务、凭证管理、上下文拼接……

AgentConnect 把这些胶水变成了一套平台，带来几个直接好处：

多 Agent 并存：Claude Code、Codex、Grok Build、DeepSeek、Pi 等 ACP 兼容的 Agent 可以一起工作，互相调用；
留在原地：Agent 直接接入 Slack、Telegram、Discord、飞书、Google Chat 等聊天工具，以及 GitHub、GitLab、Gitea、Linear 等代码与任务平台；
可控可管：每个 Agent 的角色、模型、工作区、工具和运行机器都可以独立配置，还能设置谁能看到它、它能调用谁；
自托管：Apache-2.0 协议，整套技术栈可以部署在自己的环境里，Agent 的执行和数据都留在你控制的边界内。

5 个核心能力，逐个拆解

1️⃣ 在 Slack 和 GitHub 里 @ 一下，工作就开始

Agent 被绑定到团队已有的机器人和仓库上。一条消息、一个 Issue、一个 Pull Request、一个 webhook、一个定时任务，都可以成为一次 Agent 工作的起点。比如让 support-bot 在 Slack 里接单、review-bot 在 GitHub 上做代码审查，人始终在同一个线程里跟随进展。

2️⃣ Agent 之间可以互相调用

多 Agent 的关键不是"很多个 Agent"，而是它们能协作。AgentConnect 让 Agent 按角色分工后彼此发起调用，比如由路由 Agent 决定新问题该交给哪个专家 Agent 处理。整个调用关系在控制台里一目了然：

这个"Reachability"（可达性）视图会把配置好的 Agent 间调用路径画成一张有向图，哪些 Agent 互通、是否存在循环依赖，一眼就能检查。

3️⃣ 双向可见性策略，划清每个 Agent 的边界

"谁能调用我"和"我能调用谁"可以分开配置——只有双方都在对应方向上放行，一条直接调用路径才会生效：

这种设计让多 Agent 团队既有协作的灵活性，又有权限的确定性，避免"任何 Agent 都能找任何 Agent 干活"的混乱局面。

4️⃣ 记忆与知识沉淀

每个 Agent 拥有自己的记忆和技能，团队还可以发布经过审核的 Knowledge（组织知识），供所有 Agent 按需检索。上下文不再只存在某一台笔记本上，工作可以从一次消息一直延续到下一次任务。

5️⃣ 一个控制台管理整支 Agent 舰队

Agents、Sessions（会话）、Schedules（定时任务）、Tools & Skills、Knowledge、Daemons 都集中在同一个 Web 控制台里管理，状态、消息量随时间变化都能直接看到：

快速部署：Docker Compose 三步跑起来

想体验 AgentConnect？用 Docker Compose 就能把 Web 控制台、Control Plane、Relay 和 PostgreSQL 一起拉起：

git clone https://gitcode.com/gh_mirrors/age/agentconnect cd agentconnect docker compose up -d --pull always

打开http://localhost:3000，在控制台添加一个 daemon、运行它生成的命令，再创建你的第一个 Agent 即可。默认栈只监听127.0.0.1，方便先做本地评估。对应的编排文件见 compose.yaml。

如果团队跑在 Kubernetes 上，官方 Helm chart 随每个 release 发布，chart 源码在 charts/agentconnect/，配置示例参考 charts/agentconnect/values.yaml。

AgentConnect 架构：理解这 3 个组件就够了

AgentConnect 把"控制"和"数据"分开，理解这三个组件就能看懂整张架构图：

组件	职责
Daemon	承载被放置的 Agent，拥有工作区和会话状态，维护与各平台的直连，模型流量直接发出
Relay（可选）	接收需要稳定公网回调的入口（webhook、webchat 等），把消息直接转发给归属的 daemon，不做持久化
Control Plane + Web UI	管理认证、配置、放置、权限、元数据和可观测性

关键点在于：实时消息和 Agent 的 ACP 会话流都留在 daemon/relay 数据面上，Control Plane 只存协调用的元数据——即使控制面短暂不可用，已建立的会话和定时任务也能继续运行。完整的设计细节（消息路径、信任边界、故障模型）可以在 docs/designs/architecture.md 里找到。

谁适合用 AgentConnect？

研发/工程团队：用 Agent 做 Issue 分诊、PR 审查，让修复和验证过程从头到尾可见；
客服与运营团队：在 Telegram 发起支持会话，把可信 Slack 工作区里的工程人员拉进来，最后回到最初的渠道给出结论；
值班与运维：定时任务或 webhook 触发例行工作，异常拉进共享对话，人的决策全程留痕；
维护私有分支的团队：订阅上游变更，让 Agent 评估影响、准备并测试更新，再提交给团队评审。

总结

AgentConnect 的定位可以一句话概括：把 AI Agent 从个人终端里的工具，变成团队里可以 @ 的"数字同事"。它开源、可自托管、对 Agent 运行时保持中立——你只需要关心分工和协作，平台把消息路由、凭证、上下文这些脏活累活都接过去了。想进一步了解，可以从 README.md 和 CONTRIBUTING.md 入手。