Osaurus：把 AI Agent 的控制权真正交还给你

你是否有过这样的困扰——每次使用 AI 助手，数据都要先经过别人的服务器，你根本不知道它看到了什么、记住了什么，甚至不知道哪天服务商会突然关掉。这不是你的错，是行业惯出来的毛病。Osaurus 想要打破这个局面。

一款跑在你 Mac 上的 AI 操作系统

Osaurus 是一款纯 Swift 编写的原生 macOS 应用，被称为"AI Agent 的马具"（harness）——它的核心使命不是替代你做事，而是让你能完全掌控身边的 AI 能力。无论你接的是本地模型还是云端 API，数据都留在你的 Mac 里，不会莫名其妙地飞向某个远程服务器。

从技术定位来看，Osaurus 不是一个聊天界面，也不是一个简单的 API 包装器。它是一套完整的 Agent 运行时：支持多 Agent 并发运行、持久化记忆系统、可验证工具调用、沙箱代码执行，以及一套基于 secp256k1 椭圆曲线的加密身份体系。用更流行的话说，它是一个私有的、本地的、加密的 AI Agent 平台。

从记忆到执行：Agent 的全生命周期管理

**记忆层（Memory）**是 Osaurus 区别于大多数 Agent 框架的核心。每个 Agent 拥有三层记忆：身份记忆（Identity）、固定知识（Pinned Facts）和会话片段（Episodic Memory）。系统在每次会话结束时通过 LLM 自动提炼内容、打分重要性，并进行背景合并与淘汰，确保长期记忆既不会膨胀也不会失效。实际使用中，每次推理注入的上下文通常在 800 个 Token 以内，许多请求甚至不需要注入任何记忆。

**沙箱执行（Sandbox）**是另一个亮点。当 Agent 需要执行代码时，Osaurus 使用 macOS 原生的 Containerization 框架，在 Linux 虚拟机中运行隔离环境——每个 Agent 有自己独立的 Linux 用户和主目录。Host 与 VM 之间通过 vsock 桥接通信，Agent 可以访问完整的开发环境（shell、Python、Node.js、编译器），但对真实系统毫无影响。需要 macOS 26+（Tahoe）。

**隐私过滤器（Privacy Filter）**解决了云端推理的数据泄露风险。每次向云端模型发送请求前，Osaurus 会先用本地运行的 OpenAI privacy-filter 模型（基于稀疏 MoE 架构，约 1.5B 参数）扫描内容，自动识别并替换人名、邮箱、电话、地址、信用卡、SSN、API Key 等敏感信息，再通过流式回复实时还原。这是一种"fail-closed"设计——如果扫描后发现有泄露痕迹，直接阻断发送。

**加密身份（Identity）**基于 secp256k1 曲线生成加密地址，权限从用户的主密钥（存储在 iCloud Keychain）向下以可验证的信任链传递到每个 Agent。支持创建便携式访问密钥（osk-v1），可按 Agent 设置权限范围，随时撤销。

多模型支持：不绑定任何人

Osaurus 采用了彻底的模型无关（model-agnostic）设计。目前已支持的模型来源包括：

• 本地 MLX 模型：在 Apple Silicon 上原生运行，Osaurus 团队在 HuggingFace 维护了专用量化模型库（OsaurusAI），涵盖 Gemma 4、Qwen3.6、GPT-OSS、LLaMA 等，支持纯离线推理。
• Apple Foundation Models：macOS 26+ 系统内置的 Apple on-device 模型，通过 Osaurus 的统一接口调用，零推理成本，完全隐私。
• Liquid Foundation Models (LFM)：Liquid AI 的非 Transformer 架构模型，专为边缘部署优化，推理速度快、内存占用低。
• 云端 API：OpenAI、Anthropic、Gemini、xAI/Grok、Venice AI、OpenRouter、Ollama、LM Studio 等主流服务商，配置 API Key 即可切换。

切换模型后，Agent 的记忆、工具和配置完全保留——模型只是底层推理引擎，Osaurus 是真正持久的层。

MCP 生态：双向打通的协议层

Osaurus 同时实现了 MCP Server 和 MCP Client 两个角色：

作为 Server，它可以将本地 Agent 的工具以标准 MCP 协议暴露给任何 MCP 兼容客户端（如 Claude Desktop、Cline 等），只需在客户端配置文件中添加一段 JSON 即可连接。

作为 Client，它内置了约 25 个热门 MCP Provider 的一键连接功能（Linear、Notion、GitHub、Vercel、Supabase、Sentry、Stripe 等），支持 OAuth 2.1 + 动态客户端注册，开箱即用。

这种双向 MCP 集成让 Osaurus 既是工具的提供者，也是工具的消费者，处于整个 AI 工具生态的枢纽位置。

上手门槛：低，但有硬件要求

安装非常友好：一条 brew install --cask osaurus 或者下载 .dmg 即可。启动后通过 osaurus ui 打开聊天界面，osaurus serve 启动 API 服务，osaurus status 查看运行状态。

但门槛在于硬件：项目明确要求 macOS 15.5+ 和 Apple Silicon 芯片（M 系列）。对于没有 Mac 的用户，目前无法直接使用。这既是技术限制（Containerization 框架是 Apple 独占），也是产品选择——团队选择拥抱 Apple 生态，换取性能和安全隔离能力。

开发方面，整个项目使用 Swift 和 Xcode 构建，提供了完整的 Makefile 支持 CLI 单独构建、App 打包、本地测试（swift test）以及基准测试（LOCOMO benchmark）。没有 Dockerfile，不支持 Docker 部署。

局限与挑战

必须指出几个现实问题：

1. 平台锁定：目前只支持 macOS + Apple Silicon，Linux 和 Windows 用户完全被排除在外。对于团队协作场景，这意味着只有 Mac 用户能本地运行。

2. macOS 版本要求高：Sandbox 功能需要 macOS 26+，而目前 macOS 26 尚未正式发布，大多数用户的设备可能还在 macOS 15.x。这意味着沙箱功能对当前用户群实际上不可用。

3. Swift 生态局限性：纯 Swift 路线在 AI 工具链丰富度上不如 Python 生态——很多主流 AI 库（如 LangChain、LlamaIndex）都是 Python 优先，Swift 端的插件生态相对薄弱。

4. 刚起步的社区：虽然已有 5500+ stars，但 issues 有 61 个，开发者社区仍在成长，外部插件数量有限。

行业意义：从"租 AI"到"拥有 AI"

Osaurus 出现在一个关键的时间节点：大语言模型本身正在变得廉价和可替代，但围绕模型的个人上下文、记忆、工具和身份正在成为真正的差异化资产。大多数人把这些资产存在第三方服务器上，而 Osaurus 的赌注是：这些资产应该属于你自己。

从增长曲线看，Osaurus 从发布到 5500+ stars 花了不到一年时间，这种速度在纯技术工具类项目中并不常见。背后是 Apple Silicon 渗透率不断提升、用户隐私意识觉醒，以及"本地优先 AI"理念逐渐被社区接受的多重趋势。

开源 MIT 协议意味着任何人都可以 fork、修改和商业使用，这对企业内网部署有吸引力——公司可以在完全私有化的环境中运行自己的 Agent 系统，数据从不离开防火墙。

快速上手

# 安装
brew install --cask osaurus

# 启动 UI
osaurus ui

# 或启动 API 服务
osaurus serve

# 查看状态
osaurus status

# 安装 MCP 插件
osaurus tools install osaurus.browser

# 开发插件
osaurus tools create MyPlugin --swift

项目信息：MIT License，主分支 main，语言 Swift，已支持 MCP 协议、本地 MLX 推理、Apple Foundation Models、隐私过滤器、沙箱执行等特性。