开源的 AI agent 编排,
而不用写编排代码。
大多数开源编排方案的意思是让你去写一个程序:定义 agent、任务、图、重试。Orkas 直接给你成品应用。一个 Commander agent 把你的目标变成计划,并行或串行地派遣专才子 agent,再把结果收回到同一个对话里——跑在你自己的机器上,源码在 GitHub。
看得见、跑得动、用对话指挥的编排
搜索开源 AI agent 编排的人,通常都撞到同一堵墙:开源的都是库,开箱即用的都不开源。Orkas 两者都占。
读得到编排逻辑
桌面客户端以 MIT 协议开源,规划与派遣的逻辑你可以直接查看,而不用靠猜。
- open source
- MIT
不画图、不写胶水代码
用大白话说清你要的结果。Commander 来决定步骤、顺序,以及每一步交给哪个专才。
- chat-directed
- no code
跑在你自己的机器上
编排在 macOS 和 Windows 上本地发生。对话、agent 配置、生成文件和 API 密钥默认留在你的机器上。
- local-first
- private
编排你的编码 agent
一个 Commander 可以和自家专才一起驱动 Claude Code、Codex、OpenClaw,让你不用再在多个终端之间来回切。
- Claude Code
- Codex
从一句话到一支协同的团队
说清目标
在对话里说出你要什么。不用先定义任务、不写 YAML、不画图。
Commander 规划
主 agent 把目标拆成步骤,并挑出每一步该由哪个专才负责。
专才执行
子 agent 并行或串行地工作,调用 skill 去做研究、编码、文档和数据。
结果回到你这里
一切都汇总到同一个对话、你自己的机器上,你可以中途改变方向。
当你要的是编排本身,而不是搭管道时,选 Orkas
开放可查
直接读懂规划和派遣究竟怎么跑,而不是信任一个托管黑盒。
第一天就能用
装上应用就能用对话指挥一支团队,没有框架要学、也没有框架要维护。
模型可选、不锁定
用可选的托管官方模型,或接入自己的供应商,随时切换。
开源 AI agent 编排常见问题
什么是开源 AI agent 编排?
AI agent 编排,就是协调多个 AI agent 朝同一个目标工作:规划步骤、决定哪些并行哪些串行、在 agent 之间传递结果、以及某一步失败时的恢复。当这套协调逻辑你能自己阅读和运行,而不是交给一个托管服务时,它就是开源的。Orkas 在一个对话里完成这件事,桌面客户端以 MIT 协议开源在 GitHub 上。
我能不写编排代码就编排 AI agent 吗?
可以。你在对话里描述目标,Commander agent 把它变成计划,并行或串行地派遣专才子 agent,再把结果收回到同一个对话里。没有图要画、没有任务队列要接、也没有 Python 胶水代码要维护。
Orkas 和 CrewAI、LangGraph 这类开源 agent 框架有什么不同?
CrewAI 和 LangGraph 是代码优先的库:你要自己写并维护那个定义 agent、任务和控制流的程序,再把它跑在自己的服务里。Orkas 是一个你可以直接对话的成品桌面应用,编排已经内建好,你用对话指挥它。当你需要编程级的控制,或者想把编排嵌进自己的产品里时,框架仍然是更合适的选择。
Orkas 能编排 Claude Code、Codex 这类编码 agent 吗?
可以。一个 Commander 能和自家的专才子 agent 一起驱动 Claude Code、Codex、OpenClaw 等外部编码 agent,让你在一个对话里指挥它们,而不用在多个终端之间切换。
在 Orkas 里做 agent 编排能用哪些模型?
你可以使用可选的 Orkas 托管官方模型,也可以通过 OAuth 或 API Key 接入自己的供应商,包括 OpenAI、Anthropic Claude、Google Gemini、DeepSeek、Kimi 和 GLM。使用自己的供应商时,流量直接发往它,不经 Orkas 代理。