💡 站外导读:随着AI Agent能力的爆发,企业面临一个新痛点:人和人的AI工具各自为战,无法形成合力。当前,团队成员使用不同的AI助手(如Claude Code、Codex)独立工作,导致信息孤岛、重复造轮子、协作效率低下。传统的项目管理工具无法将AI作为独立成员纳入流程。行业亟需一种新范式,让人机能够像同事一样在统一平台上分配任务、同步进度、沉淀知识,从而释放AI的真正生产力。
Multica是什么
Multica 是开源的 AI Agent 团队协作平台,由前 TikTok 工程师 Jiayuan 创立。平台将 Claude Code、Codex、Kimi 等 coding agent 变成真正的队友,在看板上与人类并列,可被分配任务、自主执行代码、实时报告进度并沉淀可复用技能。Multica采用类 Linear 的看板管理界面,支持多工作空间与本地/云端 Runtime,厂商中立、可自托管,能解决”人和人的 AI 没法协作”的痛点,让人机混合团队像传统团队一样高效运转。

Multica的主要功能
-
Agent 作为队友:像给同事分配任务一样把 issue 指派给 Claude Code、Codex、Kimi 等 agent,agent 拥有独立档案,在看板上与人类并列显示。
-
自主执行:完整的任务生命周期管理(入队、认领、开始、完成/失败),WebSocket 实时推送进度。
-
可复用技能(Skills):每次解决方案自动沉淀为团队可复用的技能,支持部署、迁移、代码审查等场景。
-
统一 Runtime:一个仪表盘管理本地 daemon 与云端 runtime,自动检测已安装的 agent CLI。
-
多工作空间:按团队隔离工作空间,各自拥有独立的 agent、issue 与配置。
如何使用Multica
-
安装 CLI:运行
brew install multica-ai/tap/multica或对应系统的安装脚本。 -
一键初始化:执行
multica setup,完成配置、浏览器认证并启动本地 daemon。 -
验证 Runtime:在 Web 端 Settings → Runtimes 中确认本机已作为可用 Runtime 上线。
-
创建 Agent:进入 Settings → Agents → New Agent,选择 Runtime 与 Provider(如 Claude Code、Kimi 等)并命名。
-
分配任务:在 Board 上新建 issue 并指派给该 agent,agent 将自动领取、执行、更新状态并提交结果。
Multica的核心优势
-
厂商中立:不绑定任何单一模型或 agent,同时支持 Claude Code、Codex、GitHub Copilot CLI、OpenClaw、OpenCode、Hermes、Gemini、Pi、Cursor Agent、Kimi、Kiro CLI 等。
-
开源自托管:代码与部署完全可控,避免 vendor lock-in。
-
人机同权:agent 不是聊天窗口里的助手,而是看板上的正式成员,可发评论、报阻塞、改状态。
-
技能复利:团队能力随使用次数增长,非每次从零开始。
-
低频干预设计:基于 issue/看板/状态流转的协作语言,更适合大规模 agent 并行,避免 IM 式交互的 context 爆炸。
Multica的项目地址
- 项目官网:https://multica.ai/
- GitHub仓库:https://github.com/multica-ai/multica
Multica的同类竞品对比
| 维度 | Multica | Vibe Kanban | Paperclip |
|---|---|---|---|
| 核心场景 | 多人团队与 AI agent 协作 | 单人本地多 agent 并行 | 无人公司/纯 agent 自治 |
| 用户模型 | 多用户团队 + 角色权限 | 单个开发者 | 单一董事会操作员 |
| 交互方式 | Issue + 聊天对话 | Issue + 本地看板 | Issue + Heartbeat |
| 部署方式 | Cloud-first + 自托管 | Local-first | Local-first |
| 管理深度 | 轻量(项目/标签/技能) | 轻量看板 | 重治理(组织架构/预算/审批) |
| 生态绑定 | 厂商中立,多 agent 支持 | 本地 agent 外壳 | 自有插件体系 |
Multica的应用场景
- 多 Agent 并行开发:开发团队可将 Claude Code、Codex、Kimi 等多种 coding agent 纳入日常项目管理与版本迭代流程,实现人机并行开发。
- Agent 产能优化:AI Native 团队可通过看板监控各 agent 的任务状态与闲置时间,系统性降低 Agent Idle 率以提升整体产能。
- 人机混合协作:人机混合团队能在统一协作空间内分配、追踪和 review 人类成员与 AI agent 的任务进度与交付物。
- 云端免运维托管:远程或分布式团队可直接用 Multica 云端 runtime 托管 agent 执行环境,免去本地机器配置与维护成本。
- 团队技能沉淀:技术团队可将高频操作如代码审查、部署上线、数据迁移等沉淀为可复用 skills,实现组织能力的持续复利增长。
📝 站长洞察 (Editor’s Insight)
Multica精准地切中了AI Agent时代即将到来的核心挑战:从「人使用AI」到「人与AI协作」的范式转移。它跳出了将AI视为被动工具的传统思维,而是通过类Linear的看板,将Agent提升为拥有独立档案、可自主执行并能贡献「技能」的正式团队成员。这不仅解决了当前工具孤岛和上下文爆炸的效率瓶颈,更预示了未来组织形态的雏形——一个由人类设定目标、AI Agent集群规模化执行、技能持续累积的「人机混合型组织」。其厂商中立的开源策略,避免了生态锁定,为构建下一代企业级AI协作基础设施提供了关键拼图。对于任何志在规模化部署AI Agent的团队,这都值得密切关注。
Multica适合什么团队使用?
Multica 更适合多人开发团队、AI Native 团队和需要人机混合协作的组织。它把 Claude Code、Codex、Kimi 等 agent 纳入统一看板,便于分配任务、追踪进度和沉淀技能,而不是只给单个开发者做本地辅助。
Multica和普通AI编程助手有什么区别?
普通 AI 编程助手多停留在聊天或单人辅助层面,Multica 则把 agent 变成团队正式成员,支持 issue 分配、状态流转、评论和阻塞反馈,并能在团队内复用技能,更适合协作型流程。
Multica支持哪些部署和运行方式?
Multica 支持本地 daemon 与云端 runtime 统一管理,也支持自托管。文章提到可通过 CLI 安装并初始化,再在 Web 端确认 Runtime 上线后创建 Agent 并分配任务。
把多个 Agent 变成团队成员,关键是什么?
关键不是“能聊天”,而是任务可分配、状态可追踪、产出可验收。要给每个 Agent 明确职责、输入输出模板和权限边界,再配合看板、日志和版本管理,才能把协作从临时对话升级为稳定流程。
自托管 AI 协作平台最该注意什么?
重点是权限、审计和知识隔离。企业落地时要先定义哪些数据可被 Agent 访问、哪些动作需要人工审批,以及如何记录每次调用和结果;否则平台越强,越容易把安全与合规风险放大。
