一个 Agent 是工具，五个 Agent 是团队

MCO

MCO — 编排 AI 编程 Agent。任意提示词，任意 Agent，任意 IDE。

English | 简体中文

AI 编程 Agent 已经是开发者的标配工具。但一个 Agent 只是一个视角。

MCO 让你像 Tech Lead 管理团队一样 — 同时调度 Claude、Codex、Gemini、OpenCode、Qwen，并行执行、审查成果、汇总共识。

一条命令，五个 Agent 同时干活。

与 OpenClaw 配合使用

你的机器上运行着 OpenClaw？它可以直接使用 MCO 作为多 Agent 编排后端。只需告诉 OpenClaw 你的需求：

"用 mco 对这个仓库做安全审查，使用 Claude、Codex 和 Gemini，汇总结果。"

OpenClaw 读取 mco -h，学会 CLI 接口，自主编排整个多 Agent 工作流。你的本地电脑变成一个多 Agent 审查团队 — OpenClaw 是管理者，MCO 是调度器，Claude/Codex/Gemini/OpenCode/Qwen 是团队成员。

同样适用于 Claude Code、Cursor、Trae、Copilot、Windsurf，或任何能执行 shell 命令的 Agent。

MCO 是什么

MCO（Multi-CLI Orchestrator）是一个中立的 AI 编程 Agent 编排层。它将提示词并行分发给多个 Agent CLI，汇总执行结果，返回结构化输出 — JSON、SARIF 或 PR Markdown 报告。不绑定任何厂商，不改变你的工作流。

以 OpenClaw 为代表的多 Agent 热潮正在重塑开发者工作流 — Claude Code、Codex CLI、Gemini CLI 等工具已全面可用。MCO 更进一步：不依赖单一 Agent，而是编排一整个团队。

MCO 设计为被任意编排方 Agent 或 AI IDE 调用 — Claude Code、Cursor、Trae、Copilot、Windsurf 或 OpenClaw。调用方 Agent 自行组织上下文、分配任务，通过 MCO 将工作并行扇出到多个 Agent。例如，运行在你电脑上的 OpenClaw 可以调用 mco review，将代码审查同时分发给 Claude、Codex 和 Gemini — 一条命令就把本地环境变成多 Agent 审查团队。Agent 之间也可以互相调度：Claude Code 可以通过 MCO 分发任务给 Codex 和 Gemini，反之亦然。

一个 Agent 是工具，五个 Agent 是团队

没有任何一个 AI 模型能看到所有问题。每个模型有各自的训练数据、推理风格和盲区。只用一个 Agent，就像团队里有五个工程师却只问其中一个的意见。

MCO 把这变成团队工作流：

1. 分配任务 — 你给 MCO 一个任务和一组 Agent。就像 Tech Lead 把同一份代码审查分配给五个团队成员。
2. 并行执行 — 所有 Agent 同时工作，总耗时 ≈ 最慢的那个，而不是所有人的总和。
3. 审查去重 — MCO 收集每个 Agent 的发现，跨 Agent 自动去重相同问题，追踪哪些 Agent 发现了什么（detected_by）。
4. 汇总共识 — 可选地，让一个 Agent 汇总全部结果：大家达成了哪些共识，在哪些地方存在分歧，下一步该做什么。

实际使用中，不同 Agent 发现不同的问题：

• 一个 Agent 发现了异步代码中的竞态条件，却忽略了 ORM 层的 SQL 注入。
• 另一个立刻定位了注入问题，却完全没注意到竞态条件。
• 第三个两个都没发现，但找到了资源清理路径中一个隐蔽的内存泄漏，而前两个对此毫无察觉。

这不是假设 — 不同模型确实擅长不同的事。有的长于安全分析，有的擅长逻辑流，有的对性能模式更敏感。并行跑 3–5 个 Agent 审查同一份代码，你得到的是视角的并集而非交集。结果比你挑任何单一 Agent 都更全面。

这个原则不限于代码审查：

• 架构分析 — 不同 Agent 暴露不同的设计风险和取舍
• Bug 排查 — 更广的代码路径和边界条件覆盖
• 重构评估 — 多视角评判变更的影响范围和安全性

问题不是"哪个 AI Agent 最好" — 而是"为什么只用一个？"

核心特性

• 并行扇出 — 同时分发到多个 Agent，wait-all 语义
• 任意 IDE，任意 Agent — 在 Claude Code、Cursor、Trae、Copilot、Windsurf 或命令行中使用
• Agent 互相调度 — Agent 之间可以通过 MCO 互相分发任务
• 双模式 — mco review 结构化代码审查，mco run 通用任务执行
• 跨 Agent 发现去重 — 多个 Agent 发现的相同问题自动合并，保留 detected_by 来源追踪
• LLM 共识总结 — --synthesize 额外执行一轮总结，输出跨 Agent 的共识/分歧摘要
• CI/CD 集成 — --format sarif 对接 GitHub Code Scanning，--format markdown-pr 生成 PR 评论
• 环境健康检查 — mco doctor 探测所有 provider 的二进制、版本和认证状态
• Token 用量追踪 — --include-token-usage 可选输出各 Agent 和汇总的 token 消耗
• 进度驱动超时 — Agent 自由跑完，仅在长时间无输出时取消
• 可扩展适配器 — 统一接口适配任意 CLI Agent，不限于内置 provider
• 机器可读输出 — JSON、SARIF 或 Markdown 输出，便于下游自动化

内置 Provider

适配器架构可扩展 — 添加新的 Agent CLI 只需实现三个钩子：认证检查、命令构建、输出标准化。

使用场景

快速开始

通过 npm 安装（需要系统有 Python 3）：

npm i -g @tt-a1i/mco

或从源码安装：

git clone https://github.com/mco-org/mco.git
cd mco
python3 -m pip install -e .

运行第一次多 Agent 审查：

mco review \
  --repo . \
  --prompt "Review this repository for high-risk bugs and security issues." \
  --providers claude,codex,qwen

Agent 友好的 CLI

MCO 的 CLI 完全自描述。运行 mco -h 或 mco review -h 即可看到分组参数、默认值和用法示例 — 全在终端里。这意味着任何能执行 shell 命令的 AI Agent 都可以通过阅读帮助输出自主学会使用 MCO，无需文档，无需预训练。

实际使用中，你只需要告诉 IDE 里的 Agent 你想要什么：

"用 mco 把安全审查分发给 Claude 和 Codex，性能分析分发给 Gemini 和 Qwen — 并行执行。"

Agent 读取 mco -h，理解参数，组装命令，自主编排整个流程。你描述意图，Agent 处理剩下的一切。

使用方式

Review 模式

结构化代码审查，输出标准化的 findings（含严重级别、分类、证据、建议）。

mco review \
  --repo . \
  --prompt "Review for security vulnerabilities and performance issues." \
  --providers claude,codex,gemini,opencode,qwen \
  --json

Run 模式

通用多 Agent 任务执行，不强制输出格式，provider 自由完成任务。

mco run \
  --repo . \
  --prompt "Summarize the architecture of this project." \
  --providers claude,codex \
  --json

Doctor

在执行任务前检查所有 Agent 的安装、可达性和认证状态：

mco doctor
mco doctor --json

输出格式（Review 模式）

结果模式

使用 --save-artifacts 可在保持 stdout 返回的同时写入产物。

路径约束

限制 agent 可访问的文件范围：

mco run \
  --repo . \
  --prompt "Analyze the adapter layer." \
  --providers claude,codex \
  --allow-paths runtime,scripts \
  --target-paths runtime/adapters \
  --enforcement-mode strict

默认值与参数覆盖

MCO 默认零配置可用。直接运行即可，按需通过命令行参数覆盖行为。

关键运行参数

默认 provider 权限：

示例：

mco review \
  --repo . \
  --prompt "Review for bugs." \
  --providers claude,codex,qwen \
  --save-artifacts \
  --stall-timeout 900 \
  --review-hard-timeout 1800 \
  --max-provider-parallelism 0 \
  --provider-timeouts qwen=900,codex=900

运行 mco review --help 查看完整参数列表。

退出码

工作原理

You (Tech Lead)
     │
     ▼
  mco review / mco run
     │
     ├─→ Claude Code  ──┐
     ├─→ Codex CLI      │
     ├─→ Gemini CLI     ├─→ 去重 → 共识总结 → 输出
     ├─→ OpenCode       │
     └─→ Qwen Code   ───┘
                              │
                    ┌─────────┼─────────┐
                    ▼         ▼         ▼
                  JSON    SARIF    Markdown-PR
               (stdout)  (CI/CD)  (PR 评论)

调用方 Agent（或用户）传入提示词和 provider 列表调用 mco，MCO 并行扇出到所有选中的 Agent，等待全部完成。

每个 provider 通过统一的适配器契约作为独立子进程运行：

1. Detect — 检测二进制文件和认证状态
2. Run — 启动 CLI 进程，传入提示词，捕获 stdout/stderr
3. Poll — 监控进程状态 + 输出字节增长，判断活跃度
4. Cancel — stall timeout 或硬截止时 SIGTERM/SIGKILL
5. Normalize — 从原始输出中提取结构化 findings

执行模型是 wait-all：单个 provider 超时或失败不会中断其他 provider。

重试与容错

• 瞬态错误（超时、限流、网络抖动）自动重试，指数退避（默认重试 1 次）。
• 单个 provider 失败不影响其他 provider。
• 每次调用都会真实执行 provider 并返回新输出（不复用结果缓存）。

在 Claude Code 内运行

MCO 在启动 provider 子进程前会自动清理 CLAUDECODE 环境变量，可以安全地在 Claude Code 会话中运行 mco。

产物结构

当启用产物写入（--save-artifacts 或 --result-mode artifact/both）时，会生成：

reports/review/<task_id>/
  summary.md          # 人类可读摘要
  decision.md         # PASS / FAIL / ESCALATE / PARTIAL
  findings.json       # 聚合后的标准化 findings（review 模式）
  run.json            # 机器可读执行元数据
  providers/          # 各 provider 结果 JSON
  raw/                # 原始 stdout/stderr 日志

许可证

MIT — 见 LICENSE