> 📌 **项目地址**：[aaif-goose/goose](https://github.com/aaif-goose/goose) | ⭐ 47,177 颗星 | 🔧 Rust | 📜 未标注
## 项目搬家了，归Linux基金会管
Goose 这个项目从个人仓库 `block/goose` 搬到了 Linux 基金会旗下的 [Agentic AI Foundation (AAIF)](https://aaif.io/)。GitHub 上现在 47,177 颗星，用 Rust 写的。README 里直接说了“部分链接和引用还在更新过渡中”。这不是扫尾的客套话——我查了几个文档链接，确实有些参数名还没对齐，得去 [Known Issues](https://goose-docs.ai/docs/troubleshooting/known-issues) 页面核实。
加入基金会意味着项目治理更正式，有 [GOVERNANCE.md](https://github.com/aaif-goose/goose/blob/main/GOVERNANCE.md) 文件，以后不会因为一个人不维护就断掉。这对于打算把工具嵌入工作流的团队来说，是个加分项。
## 三种形态，一种内核
Goose 不是编辑器插件，也不是云端服务。它给你三个入口用同一个引擎：
**桌面应用** – macOS、Linux、Windows 都有，去[安装页](https://goose-docs.ai/docs/getting-started/installation)下载就行。
**CLI** – 安装命令 README 里写得清楚：
“`bash
curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash
“`
跑完后在终端敲 `goose` 就能开始对话。Rust 编译的二进制启动很快（相对 Python 或 TypeScript 同类工具，这几百毫秒差异在日常使用里确实能感觉到）。
**API** – 把智能体能力嵌入到自己的应用里。文档入口在 [这里](https://goose-docs.ai/docs/category/getting-started)。API 细节我没深入测，但 README 明确了支持嵌入，不是只能当独立工具用。
## 模型不锁定，ACP 协议是亮点
Goose 支持 15 家以上的模型提供商：Anthropic、OpenAI、Google、Ollama、OpenRouter、Azure、Bedrock……你可以在配置里指定用哪个。
特别值得提的是 [ACP 协议](https://goose-docs.ai/docs/guides/acp-providers)。ACP 是 Agentic AI Provider 的缩写，能让 Goose 直接用你已有的 Claude 或 ChatGPT 订阅额度，不需要额外买 API key。这对个人用户很友好：如果你已经每月付了 20 美元给 ChatGPT Plus，没必要再单独开一个 OpenAI 的 API 账单。
同一个会话里能否随时切换模型，README 没直接说。但支持多个提供商意味着你可以在启动时指定不同模型，或者通过配置切换。实际效果等我测了再补。
## 扩展走 MCP 开放标准
Goose 的扩展基于 [Model Context Protocol](https://modelcontextprotocol.io/)。MCP 不是私有协议，是行业标准，目前有 70 多个可用扩展。文件读写、Shell 执行、数据库查询、HTTP 请求都通过 MCP 暴露给智能体。
好处是你不需要为 Goose 学一套新生态：如果已经有 MCP 扩展（比如用 LangChain 开发的），直接挂上就能让 Goose 用。如果你要写自定义工具，按 MCP 规范写一个即可，不被厂商锁死。
## Custom Distributions：把配置打包分发给团队
这是 Goose 的一个独特功能，很多同类项目没有。项目提供了 [Custom Distributions 指南](https://github.com/aaif-goose/goose/blob/main/CUSTOM_DISTROS.md)，允许你把预设好的 provider、扩展、品牌 logo 打包成一个“发行版”。团队拿到直接跑，不需要每人手动配一遍。
实际场景：公司内部统一使用某个自建模型，搭配企业文件系统的 MCP 扩展。你可以在发行版里预配好 API endpoint、限制某些高危操作（比如禁止写入系统目录），然后发给全团队。每个人启动后看到的界面就是标准化的，不用解释“你去改 yaml 里那行”。
## 使用前需要知道的两个现实问题
1. **迁移过渡期带来文档不一致**。我点了几下链接，有些页面引用的参数名和实际配置项对不上。比如 ACP 配置的文档里提到 `provider` 字段，但实际代码里可能是 `model_provider`。官方建议去 [Known Issues](https://goose-docs.ai/docs/troubleshooting/known-issues) 和 [Diagnostics & Reporting](https://goose-docs.ai/docs/troubleshooting/diagnostics-and-reporting) 排查。如果你准备认真用，记得先看这两个页面。
2. **安全边界需要手动设置**。Goose 是本地运行的智能体，能直接执行代码和操作文件。MCP 本身有权限控制，但默认配置可能比较宽松。建议先在 Docker 容器里测试，或者至少给 Goose 运行的用户设置文件系统访问限制。否则一个 prompt 就能让智能体删掉你的 `~/Documents`。
## 它和 Copilot、Cline 之类的东西区别在哪
– 不是云端服务，不经过外部服务器，所有数据在自己机器上。
– 不绑定模型：你可以用 Ollama 跑本地模型，也可以用 GPT-4，甚至切来切去。
– 三种入口：桌面端、命令行、API，不限制在编辑器里。
– 扩展走 MCP 标准，不是私有的 API，迁移成本低。
– 没有托管版，但你可以自己搭分发渠道。
如果你的需求是“帮我补代码”，Copilot 够用。如果你需要“帮我写一段代码、跑它、调它、把结果写成报告”，Goose 是另一个量级的产品。
最后给个实用建议：先装 CLI 试一下，10 分钟就能跑起来。如果感觉文档不对，直接去 GitHub 开 issue（项目归基金会管，响应时间有保证）。