open-multi-agent-kit（OMK）

技能简介

OMK（Open Multi-Agent Kit）是一个提供商中立（provider-neutral）的终端编码智能体框架，支持可选的多智能体编排、作用域工具（scoped tools）、可回放的会话记录以及基于证据的验证机制。OMK 以 CLI 形式运行，支持 API-key 和 OAuth 订阅两种认证方式，无需绑定任何特定平台的控制平面。

OMK 的核心价值在于：不强迫用户锁定某一 AI 提供商，而是让用户在同一套工具链中自由切换不同模型，通过证据驱动的验证方式确保代码变更可追溯、可审计。

核心能力

1. 提供商无关架构：内置对 Anthropic、OpenAI Codex、Google、OpenCode、Kimi、Qwen、ZAI/GLM、xAI/Grok 等多个平台的适配器，用户可在运行时通过 /model 命令自由切换
2. 多智能体编排：支持主智能体与专项智能体分工协作，可通过 /fork 命令从历史节点 Fork 出新会话，实现并行探索
3. 作用域工具集：智能体仅可调用当前会话授权的工具集合，避免越权操作
4. 会话回放与分支：所有会话以 JSONL 格式本地存储在 ~/.omk/agent/sessions/，支持恢复、Fork、分支、导出和修复
5. 证据驱动验证：用户可定义任务完成标准（evidence），智能体需提供可验证的证据链，而非仅返回「完成」状态
6. 沙箱执行隔离：默认启用系统级沙箱（sandbox-exec on macOS / bpfbox on Linux），防止恶意代码影响系统
7. 嵌入式 SDK：提供 TypeScript SDK，支持嵌入其他应用实现自动化工作流
8. 资源监管：内置资源 governor，可观测并配置地限制并发与资源使用

工作原理

OMK 的核心是一个本地运行的 CLI 智能体引擎。当用户启动 omk 时，程序在当前目录读取项目配置（.omk/）和用户全局配置（~/.omk/agent/），然后连接到选定的 AI 提供商。

用户输入经解析后，OMK 将任务分发给选定的模型并生成工具调用。工具调用经过沙箱权限检查，系统资源使用也受到 governor 的监管。每次交互的完整记录（包括工具调用、模型响应、执行结果）均以 JSONL 格式追加写入本地会话文件。会话数据完全存储在本地，不会上传至任何第三方服务。

安装配置

环境要求

• 运行时：Node.js 22.19 或更高版本
• macOS 沙箱：需安装 sandbox-exec（通常预装）
• Linux 沙箱：需安装 bpfbox 和非特权用户命名空间支持

安装步骤

方式一：全局安装（推荐）

npm install -g open-multi-agent-kit --ignore-scripts
omk --version
omk

方式二：直接 npx 运行

npx --ignore-scripts open-multi-agent-kit

> 注：发布包名称为 open-multi-agent-kit，安装后 CLI 命令为 omk。

首次配置

1. 运行 omk 进入交互式终端
2. 执行 /login 添加或选择 AI 提供商凭证（支持 OAuth 订阅和 API Key）
3. 执行 /model 从当前凭证集选择可用模型
4. 如遇沙箱后端缺失错误（sandbox.backend_missing），检查系统是否安装了对应平台的沙箱依赖

使用步骤

1. 启动项目会话：cd your-project && omk，OMK 会读取项目级和用户全局配置
2. 配置认证：运行 /login 添加 Anthropic、Google、Kimi、OpenCode 等平台的 API Key 或 OAuth 凭证
3. 选择模型：运行 /model 从已配置的凭证中挑选模型；不同平台可设置多个账号并自由切换
4. 描述任务：直接用自然语言描述需求，同时指定验收证据标准（如「所有测试通过且无 ESLint 警告」）
5. 审查与确认：OMK 展示工具调用、代码差异、诊断信息和测试结果，用户确认后才正式应用变更
6. 会话管理：使用 /resume 恢复历史会话、/fork 从之前节点分支、/export 导出 JSONL 记录

常用命令一览

适用场景

1. 跨平台代码开发与重构：团队成员可在不同模型间快速切换评估效果，或使用多模型协同完成复杂重构任务
2. 自动化 CI/CD 集成：通过 npx 或全局安装将 OMK 嵌入流水线，配合证据验证确保代码变更符合预期标准
3. AI 能力横向对比：在同一任务上对比 Claude、GPT、Codex、Kimi 等不同模型的效果差异，用于评估选型
4. 团队知识积累与审计：会话 JSONL 文件完整记录了每次变更的决策路径和工具调用历史，便于 code review 和事后追溯
5. 安全敏感环境开发：沙箱强制执行 + 资源限制确保即使智能体行为异常也不会影响系统其他部分
6. 嵌入式智能体工作流：通过 TypeScript SDK 将 OMK 的智能体引擎嵌入内部平台，实现定制化的 AI 辅助开发流程

适用人群

• 后端 / 全栈工程师：希望在同一终端环境中灵活切换不同 AI 模型完成编码任务
• DevOps / 平台工程师：需要将 AI 辅助能力嵌入 CI/CD 或内部开发平台
• AI 应用开发者：研究多智能体协同、证据驱动验证等前沿实践
• 安全敏感型团队：对 AI 执行操作有沙箱和资源隔离的合规要求

官方链接

• GitHub：https://github.com/dmae97/omk
• npm：https://www.npmjs.com/package/open-multi-agent-kit