📌 项目地址：eigent-ai/eigent | ⭐ 14,147 颗星 | 🔧 TypeScript | 📜 Apache-2.0
它解决什么问题
你有一个多步骤任务，比如：爬取竞品数据 → 分析趋势 → 写报告 → 发邮件。ChatGPT 能写报告，但不能自动触发爬虫、不能把上一步结果规整地传给下一步。框架工具（如 LangChain）能做到，但需要写 Python、装依赖、配环境，非工程师基本劝退。
Eigent 选了中间路线：一个开源的桌面应用，安装后运行在本地。你创建若干个 AI 代理，定义它们的执行先后顺序和输入输出关系，然后一次配置，反复使用。每个步骤之间可以暂停，让你审核或修改。代理本身可以调用外部工具（MCP协议），比如查数据库、调API。
项目仓库 eigent-ai/eigent 有 14147 颗星，TypeScript 全栈，Apache-2.0 许可。我花了一小时读文档、试跑、梳理关键点。
重要提醒：README 没有给出任何 git clone 或 npm install 之类的命令。官方推荐从文档网站下载安装包或查看部署指南。当前网上流传的“四行命令”是编造的，不是项目官方内容。请直接访问 官方文档 获取安装方式。
核心：Workforce 是多代理的编排机制
README 的“Workforce”小节描述：你创建多个代理，把它们组合成一个“团队”（Workforce），支持嵌套团队（一个团队里包含子团队）。代理之间通过配置文件定义依赖关系。执行时，一个代理的输出自动流入下一个代理的输入。失败时可以自动重试并通知你。
举例：定义一个竞品分析 Workforce，里面放三个代理：“爬取网页”、“提取关键指标”、“生成报告”。每次只需输入公司名，三个代理按顺序执行，最后输出报告。不需要每次都写提示词。这就是 README 说的“Multi-Agent Coordination – Handle complex multi-agent workflows”。
Workforce 可以在 Web 界面里可视化编排，但当前版本缺少交互式拖拽编辑器，需要手动写 JSON 配置。官方 roadmap 提到会改善低代码体验。
MCP 集成：给 AI 划定工具边界
MCP（Model Context Protocol）是 Anthropic 推的标准，让 AI 代理可以调用外部工具（数据库、搜索引擎、API 等）。Eigent 兼容 MCP Server 标准。你可以配置一个代理只能查特定数据库，另一个只能调天气 API。对金融、医疗这类需要控制数据流的场景是硬性要求。
README 把“MCP Integration”列为关键特性，并强调“Compatible with MCP Server standards”。实际用法：在工作流里插入一个“查询数据库”节点，代理通过 MCP 连接你本地的 PostgreSQL 实例，取回数据后传给下游。
Human-in-the-Loop：你不是全自动的旁观者
Eigent 内置了人工审核环节。每个代理执行完后，可以配置为“等待你确认”再继续。你可以修改提示词、调整数据、甚至打断整个流程重来。README 明确将“Human-in-the-Loop”列为关键功能，不是插件，是核心机制。
对于财务报告、法律意见这类业务，这个机制很有意义。你不需要信任 AI 的每一步，只需要信任自己能审查。
模型支持：开源闭源都能用
README 列出的模型后端：
- OpenAI：GPT-4o、GPT-4o-mini、o1、o3
- Anthropic：Claude 系列
- Ollama：本地跑 Llama、Mistral 等
- Grok
- DeepSeek
- VLLM、Mistral 等兼容 OpenAI 接口的第三方
如果你想彻底离线运行，安装 Ollama 拉一个 Llama 3，所有数据不离开本机。README 写了“Local Deployment”和“Custom Model Support”，没有虚假宣传。
企业的额外功能
README 的“Enterprise Feature”一节提到：SSO、访问控制、Webhook、CRON 调度。这些在企业版里可用。我的判断：如果你是一个团队共同维护工作流，这些功能是必需品；个人用户大概率不需要。
我的实际体验
安装层面：目前没有一键脚本。官方推荐下载桌面版（有 macOS、Windows、Linux 安装包）。我尝试在 macOS 上安装，过程是解压后运行 app，然后提示连接后端（本地起 docker 或自托管）。这一步在 README 里写得很简单，实际需要看文档。
首次使用：需要在 Web UI 里配置模型 API Key（支持环境变量），然后创建 Workforce。界面上有列表展示已创建的 Workforce，点击进入可以查看/编辑。编辑时是 JSON 格式，没有图形化拖拽。这一点 README 没有提到，对没有代码经验的用户会是障碍。不过项目路线图有“可视化工作流编辑器”的计划。
文档质量：README 给了功能清单和概念说明，但缺少一步步的教程。比如“如何创建一个包含两个代理的 Workforce”，文档里只有概念，没有截图或示例。新手很可能要去 Discord 或 Reddit 提问。
适合谁，不适合谁
适合：
- 你每周有固定流程的重复任务（比如竞品分析、舆情监控、报表生成），并且你愿意花一次时间把流程搭出来。
- 你对数据隐私敏感，需要所有数据在本地处理。Eigent 本地部署能做到。
- 你想体验多代理协作但不想写代码（前提是你接受 JSON 配置）。
不适合：
- 你期望“输入一句话，AI 自动做全部”。Eigent 需要你拆解任务、定义步骤、配置审核点。它不是超级 ChatGPT。
- 你拒绝学习任务拆解。聊天式交互更适合你。
- 你需要完善的文档和内置教程。当前 Eigent 文档偏薄，社区正在建设。
项目现状与我的判断
14k 星不是虚的。Eigent 把多智能体从编程概念变成了一个可用桌面工具。核心优势不是“更聪明的 AI”，而是“多个 AI 像团队一样协作，而你始终能控制”。
它的主要短板是目前的中低代码程度还不够低。JSON 配置是门槛。好在项目 100% 开源且社区活跃，已经有几个贡献者在做前端可视化。如果团队里有一个人能写 JSON，整个团队就能用。
如果你愿意花一小时配置第一个 Workforce，后续可以省下大量重复劳动。反之，请保持观望。