mycelium
mycelium-io/mycelium加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Mycelium 项目 banner 概览
想象这样一个场景：你给三个 AI 编程助手（Claude Code、Cursor、OpenClaw）分配了一个任务——"帮我们制定一份 Q3 技术债务治理计划"。它们各自为战、互不知情，结果三个智能体各自输出了一份计划，彼此重复的部分占了 60%，结论还互相矛盾。这就是当前多智能体系统的真实写照：没有协调基础设施，智能体只是在各自演戏。
Mycelium 正是为解决这一问题而生。它不扮演"中心调度者"的角色，而是为多个自主智能体提供平等的协调空间——共享记忆、实时协商、共同制定执行计划，让智能体像一个真实团队一样运作。
Mycelium（字面意思是"菌丝体"，真菌的地下网络）是一个去中心化多智能体协调框架，核心定位是"多智能体系统的协调基础设施"。它的设计哲学是对等协作（Peer Collaboration）：没有中心调度者、没有预定义工作流、没有等级指挥链。三个以上的智能体在 Mycelium 协调下，决策质量会显著优于无协调方案；四个以上的智能体，Mycelium 往往是"能否达成共识"的关键区别。
这个项目由 mycelium-io 组织开发，托管在 GitHub 上，采用自定义 LICENSE。项目代码库采用多语言架构，包含 Python CLI 工具、Python FastAPI 后端、TypeScript/Next.js 前端，以及一个生成式 OpenAPI 客户端。
Mycelium 的架构由四个核心模块组成，彼此通过 OpenAPI 接口通信：
1. 持久化共享记忆（Memory Layer）
记忆以 Markdown 文件形式存储在本地文件系统 ~/.mycelium/rooms/{room}/{namespace}/{key}.md，附带 YAML frontmatter 元数据。任何具有文件读写能力的智能体都能直接读取和写入共享记忆，不需要经过任何中心服务。更重要的是，每次写入记忆时，系统会同时更新 AgensGraph 数据库中的 pgvector 向量索引，使得后续可以用语义搜索（semantic search）检索相关记忆内容。
2. AgensGraph 协调后端（fastapi-backend）
AgensGraph 是一个 PostgreSQL 16 的多模图数据库分支，在 Mycelium 中承担三重职责：
后端技术栈为 Python 3.12 + FastAPI 0.115+ + asyncpg + Litellm（统一 LLM 调用层，支持 Anthropic/OpenAI/Bedrock 等多厂商），依赖管理采用 uv 工具。
3. CLI 工具（mycelium-cli）
基于 Python Typer 框架的命令行工具，输出美化使用 Rich 库。CLI 是智能体与 Mycelium 系统交互的主要界面——智能体通过 mycelium memory set 写入共享记忆、通过 mycelium memory search 语义检索、通过 mycelium session join 加入协商会话。安装方式是一行 curl 脚本从 GitHub 下载并执行。
4. Next.js Web UI（mycelium-frontend）
TypeScript + Next.js 16 + Tailwind CSS 构建的图形界面，供人类用户在浏览器中管理房间、添加智能体、发送任务指令、实时观察协商过程。UI 通过 Next.js 服务端代理访问后端 API（/api/* rewrite 规则），使得容器镜像具有可移植性，部署时不依赖外部 URL 配置。
这是 Mycelium 最具技术深度的部分。当智能体需要对某个议题达成共识时，系统会启动一个 CognitiveEngine 协商会话，通过有限状态机驱动多轮提案-响应循环：
idle -> waiting -> negotiating -> complete
智能体在房间中发起会话时携带元数据（如 budget=high, scope=full），CognitiveEngine 根据议题生成结构化提案，智能体响应提案并可表达置信度、引用证据、标记是否遵从他人意见。所有消息携带 IOC L9（Internet of Cognition Layer 9）认知信封——支持信念置信度、因果消息链等高级特性，但这些特性完全可选，忽略它们不影响核心功能。
协商完成后，共识结果自动编译为房间的 Shared Plan——一个 plan/tasks.md 文件中的待办清单，供整个团队执行。协商过程全程留下因果关联的 episode 记录，存入房间 log/episodes/ 目录。
Mycelium 不是重新发明智能体，而是通过适配器（Adapter）连接现有的主流智能体运行时。目前官方支持两种适配器：
OpenClaw 适配器：以两个插件形式提供——mycelium 插件通过 SSE 推送协调信号，在轮到某个智能体时自动唤醒它；mycelium-channel 插件将 Mycelium 房间本身变成一个寻址消息总线，智能体之间通过 @handle 提及互相发送私信，无需任何外部聊天平台。
Claude Code 适配器：在 Claude Code 的 ~/.claude/skills/ 目录下安装 Mycelium 技能（SKILL.md），使 Claude Code 原生获得 /mycelium 命令集。安装过程还会自动备份并清理旧版本残留的 hook 配置。
对于任何支持 HTTP REST API 的智能体运行时，也可以通过 mycelium-client（自动生成的 OpenAPI 客户端）接入 Mycelium 系统。
Mycelium 支持两种部署模式：单机模式（默认）和 Hub-Spoke 分布式模式。
单机模式下，后端、数据库、智能体、CLI 全部运行在同一台机器上，通过 localhost 通信，mycelium install 一键配置的就是这种模式。Hub-Spoke 模式则适用于小型团队：一台机器运行后端（Hub），其他成员的机器只运行 CLI + 智能体（Spoke），通过 HTTPS/SSE 与 Hub 通信。mycelium doctor 命令会自动检测当前部署模式。
各子模块均有独立 Dockerfile，前端和后端镜像开箱即用。但需要注意的是，项目根目录没有统一的 docker-compose.yml，多容器部署需要手动编排 Docker 命令。
1. 对智能体运行时的强依赖：Mycelium 的价值建立在"有真实自主智能体"这一前提上。如果你只有单个聊天机器人，Mycelium 的协调能力几乎无从发挥。这既是定位清晰，也意味着入门门槛较高——至少需要一个智能体运行时（Claude Code/Cursor/OpenClaw）。
2. 许可证不明确：项目根目录有 10KB 的 LICENSE 文件，但 GitHub API 返回的 license 字段为 NOASSERTION（非标准 SPDX 许可证标识），这意味着 LICENSE 文件可能包含非标准许可证条款，使用前需仔细阅读。
3. 数据库依赖较重：AgensGraph 作为 PostgreSQL fork，虽然提供了图数据库能力，但也意味着需要维护一个相对复杂的数据服务栈。对于只需要简单向量检索的场景，可能过于重量级。
4. 缺乏一键部署：根目录没有 docker-compose.yml，mycelium install 脚本依赖 GitHub Pages 托管的安装脚本，网络受限环境下可能遇到问题。
| 维度 | 详情 |
|---|---|
| 主语言 | Python 3.12（后端 + CLI） |
| 前端框架 | Next.js 16 + TypeScript + Tailwind CSS |
| 数据库 | AgensGraph (PostgreSQL 16 fork) + pgvector |
| LLM 调用 | Litellm（多厂商统一接口） |
| 嵌入模型 | FastEmbed（本地，384 维，无需 API Key） |
| 实时通信 | PostgreSQL LISTEN/NOTIFY -> SSE |
| 许可证 | 自定义 LICENSE（非标准 Apache 2.0） |
| Python 版本锁定 | >=3.12, <3.13（严格限制） |
多智能体协作是 2024-2025 年 AI 应用最热门的方向之一。从 AutoGPT 的单体智能体到 CrewAI、LangGraph 的工作流编排，再到 Mycelium 的去中心化对等协调，业界正在探索"多个 AI 共同完成复杂任务"的各种范式。Mycelium 的独特价值在于它坚持去中心化哲学：不预设指挥链，让智能体真正自主协商。这与当前主流的"中心调度 + 工具调用"范式形成了鲜明对比，代表了一种更激进的多智能体协作想象。
如果你正在构建需要多个 AI 智能体协同工作的系统，或者对"智能体之间的协调机制"这一前沿问题感兴趣，Mycelium 值得深入研究。