OpenBot Skill：让每个 AI 同事拥有自己专属电脑的协作框架

OpenBot Skill：让每个 AI 同事拥有自己专属电脑的协作框架

OpenBot 是由 CopilotKit 团队在 2026 年 8 月中旬开源的 AI 多智能体协 作框架，其核心设计理念独树一帜：每个 AI 同 事都拥有自己专属的计算机——包含独立浏览器、文件系统和工具集，所有操作先审批后执行、执行后记录。与传统共享会话架构相比，OpenBot 通过进程级隔离解决了相互干扰和审计缺失两大痛点，甫一发布即在 GitHub Trending 单日斩获约 353 颗 star，上线 5 天累计突破 2,100 颗 star，迅速攀升至日榜前二十。

功能与原则

OpenBot 基于 AG-UI（Agent Graphical User Interface）协议构建，强制要求每个 AI agent 在采取行动前必须经过审批，行动完成后再写入本地审计日志。这一”先审批后执行、执行后记录”的机制从根本上消除了自主 agent 常见的”黑箱操作”问题，任何操作都可回溯、可问责。

核心原则：

• 进程级隔离：每个 AI 同事运行在独立计算环境中，互不干扰，不会出现共享状态下的竞争条件或提示词污染
• 审批前置：所有破坏性或不可逆操作必须经过人工/系统审批，防止 agent 做出未经授权的决定
• 完整审计：每一步操作均记录时间戳、输入、输出和结果，支持本地审查和合规存档
• 协议兼容：支持 AG-UI 标准，任何遵循该协议的 agent 均可接入

认可度

• GitHub Star：2,195 颗（截至 2026-08-22）
• Fork：241 个
• 发布时间：2026 年 8 月 17 日（上线仅 5 天）
• 增长速率：日均约 353–399 颗 star，GitHub Trending 日榜最高第 11 位
• 所属生态：CopilotKit 生态（该生态拥有 Channels SDK 等多款知名工具）

链接

GitHub：https://github.com/CopilotKit/openbot

原作者

CopilotKit 团队 — 专注于构建开源 AI 协作者基础设施的开发者团队，已推出 CopilotKit、Channels SDK 等多款在 AI 开发者社区具有高知名度的项目。

介绍

OpenBot 解决的是多 agent 协作系统中一个长期被忽视的问题：在传统架构中，多个 agent 共享同一会话、同一计算资源，当它们并行工作时，一个 agent 的操作可能意外影响另一个 agent 的上下文，导致结果不可预测。更严重的是，在企业环境中，共享会话无法满足合规审计要求——监管机构要求能够追溯每一个自动化决策的来源和依据。

OpenBot 从架构层面重塑了这一范式。它为每个 agent 分配独立的计算机实例（虚拟机或容器），agent 在自己的专属环境中操作浏览器、读写文件、调用工具。所有操作通过 AG-UI 协议统一协调，既保留了多 agent 并行协作的效率优势，又提供了单 agent 系统的可预测性和可审计性。

该框架同时支持开发者以” Bring Your Own Agent”方式接入任何兼容 AG-UI 的自主 agent，快速赋予其生产级隔离和审计能力，而无需从零构建基础设施。

特点

• 独立计算机实例：每个 agent 拥有自己的浏览器、文件系统和工具集，进程级资源隔离
• 操作前审批机制：所有执行动作均需审批，防止未经授权的自动化操作
• 完整操作日志：每次操作均记录输入、输出、时间和结果，支持本地审计轨迹查询
• AG-UI 协议兼容：支持接入任何遵循 AG-UI 开放标准的 agent，具备良好的生态扩展性
• 快速接入：提供标准 MCP 配置接口，开发者可快速将已有 agent 接入 OpenBot 隔离环境

使用方法

安装步骤

# 克隆仓库
git clone https://github.com/CopilotKit/openbot.git
cd openbot

# 安装依赖
npm install

# 初始化配置（生成 MCP 配置）
npx openbot init

# 启动 OpenBot
npm start

基本调用

OpenBot 启动后会自动分配 agent 实例，开发者通过 AG-UI 协议接口向指定 agent 发送任务：

# 通过 AG-UI 接口指派 agent 任务
openbot assign --agent research-agent --task "分析竞品定价策略"

最小示例

假设需要让一个研究 agent 分析竞品网站，同时另一个 agent 撰写报告：

Agent-1 (研究)：
  → 独立浏览器实例打开竞品页面
  → 提取数据，写入共享文档
  → 等待人工审批

Agent-2 (写作)：
  → 读取 Agent-1 共享文档
  → 起草报告
  → 提交人工审批

所有操作均有时间戳和完整记录，可随时回溯。

使用场景与人群

适用场景：

• 企业级 RPA 自动化（需合规审计的金融、医疗、政务流程）
• 多团队并行 AI 协作（营销、内容、技术支持各 agent 独立运作）
• 安全敏感型自动化（禁止 agent 未经审批执行删除/付款等高风险操作）
• 研发流程自动化（代码审查、Bug 修复、文档生成分工协作）

目标用户：

• 企业 AI 运维团队，需要可审计、可追责的 agent 部署方案
• AI 应用开发者，构建需要进程隔离的生产级多 agent 系统
• 合规要求严格的行业（金融、医疗、法律），需要操作轨迹存档

输入与输出案例

案例一：电商客服多 agent 协作

• 输入：用户提交退货请求，要求调查订单状态并处理退款
• Agent-1（订单调查）独立浏览器登录电商后台 → 读取订单数据 → 等待审批
• Agent-2（退款执行）接收 Agent-1 数据 → 提交退款审批 → 写入退款日志
• 输出：完整操作记录包含”何时登录、何时查询、何时审批、何时执行”，可直接提交合规审查

案例二：竞品研究团队

• 输入：让研究 agent 在独立环境中抓取三个竞品官网的价格页面
• Agent-1 打开竞品 A 页面 → 提取价格数据
• Agent-2 打开竞品 B 页面 → 提取价格数据
• Agent-3 打开竞品 C 页面 → 提取价格数据
• 输出：三份独立操作日志，标注每个 agent 访问了哪些页面、提取了什么数据，全程可审计

GitHub: https://github.com/CopilotKit/openbot