T3 Code：跨端统一控制 AI 编程 Agent 的开源控制面

一款让 Claude Code 们听你调度的"超级遥控器"

想象这个场景：你在地铁上用手机查看 Claude Code 的进度，发现它在某个文件卡住了——你直接打开 App，审阅改动、回复提示词、甚至切到 Codex 继续任务。回到家，打开桌面 App 接着干。一切无缝衔接，不需要盯着同一台电脑。

这就是 T3 Code 正在做的事。它不是一个 AI 编程 Agent，而是一个统一控制面——把你在本地机器上安装的 Claude Code、Codex、Cursor、Grok Build、OpenCode、Google Antigravity 全部纳入一个界面，用 Web、桌面或手机来调度它们。

背景：Agent 工具碎片化之痛

2025 年之后，AI 编程 Agent 呈现爆发式增长。OpenAI 的 Codex、Anthropic 的 Claude Code、Cursor 的内置 Agent、X AI 的 Grok Build……每个都有各自的 CLI、各自的会话管理、各自的本地服务端。开发者要么在多个终端窗口之间来回切换，要么只能在开发机上使用。

T3 Tools 团队注意到了这个痛点。他们的创始故事很直接：

"我们受 Codex Desktop App、Conductor、Claude Desktop 和 Cursor Glass 启发，但没有一个满足我们的标准——我们想要一个高性能、支持远程操控、真正开源的方案。如果我们走偏了方向，我们希望你有能力直接 fork 并构建自己想要的编辑器。"

这段话背后有一个很朴素但重要的价值观：控制权归用户。不是把用户锁定在某家订阅里，而是让你带着自己的订阅来，用自己的机器跑。

技术架构：三元端 + 提供者适配模式

T3 Code 的架构设计值得细说。它本质上是一个 Node.js WebSocket 服务器，运行在你本地机器上，通过子进程包装各个 Agent 的 CLI（Codex、Claude Code 等），再通过 WebSocket 将控制能力分发到三种客户端。

三个端的应用层：

客户端	技术栈	说明
Web	React + Vite	通过 npx t3 本地启动，也是 app.t3.codes 托管版的技术基础
Desktop	Electron 包装 Web	从 GitHub Releases 安装完整桌面版，包含服务运行器
Mobile	React Native	iOS App Store / Google Play 双平台，驱动远程 Agent

核心服务端（apps/server）： 用 Effect 框架构建，采用 CQRS + Event Sourcing 模式：

• 客户端发送 typed WebSocket 请求
• 服务端转为 命令（Command）
• Decider 将命令转为持久化的 事件（Event）
• Projector 派生读模型供 UI 渲染
• Reactor 处理副作用（文件写入、Git 操作、进程调用），通过事件队列驱动

每个 AI Provider（Claude、Codex、Cursor 等）都有一个独立的 Adapter 层，负责翻译 Provider 的本地协议与 T3 Code 内部的编排事件相互转换。这种设计让添加新 Provider 只需要实现一套适配器，而不必改动核心逻辑。

核心功能：不是每个 App 都能远程控制 Agent

T3 Code 最有价值的功能集中在远程控制和会话管理两个维度：

1. 跨设备远程调度

T3 Code 支持三种远程连接方式：

• T3 Connect（推荐）： 在目标机器运行 npx t3 connect，移动端安装 App 并登录同一账号，机器自动出现在设备列表。跨网络可用，每人最多 3 台设备，流量经过 T3 Tools 服务器。
• 本地网络直连： 在桌面 App 开启"网络访问"，生成配对码或二维码，移动端扫描连接。所有流量走局域网，不出外网，支持 Tailscale HTTPS 端点。
• SSH 远程启动： 桌面 App 支持通过 SSH 在另一台机器上启动 T3 服务，然后建立本地端口转发，在本地渲染远程 Agent 会话。

这三种方案覆盖了从"懒人开箱即用"到"高安全完全自托管"的不同需求。

2. Git 工作流整合

每个 Agent 线程自动写入独立 Git 分支。当 Agent 完成任务，一键生成 PR：标题、正文、变更日志全部自动生成，直接推送到 GitHub。这个功能把 git push 的终端操作变成了 App 内的一个按钮。

3. 多 Agent 统一视图

同一界面下切换不同的 Provider（Claude ↔ Codex ↔ Cursor 等），不需要关闭一个再启动另一个。对于需要在不同模型之间交叉验证代码的开发者，这个功能非常实用。

上手门槛：极低，但前提是你得有 Agent

T3 Code 的安装门槛极低，但有一个隐含前提——你必须先有一个支持的 Agent CLI：

# macOS/Linux 一键安装
curl -fsSL https://t3.codes/install.sh | sh

# Windows PowerShell
irm https://t3.codes/install.ps1 | iex

# 然后启动（自动打开本地 Web UI）
t3

桌面 App 更是傻瓜式安装：macOS 用 Homebrew brew install --cask t3-code，Windows 用 winget，Linux 用 deb/AppImage/AUR，总有一款适合你。

真正需要学习的反而是权限模式——T3 Code 有一个细粒度的权限系统，决定 Agent 能读取哪些文件、能执行哪些命令，这是安全使用的关键。

局限性：不服务于所有人

T3 Code 有几个明显的边界：

1. Agent 必须跑在你自己机器上。 T3 Code 是控制面，不是 Agent 托管服务。如果你希望云端跑 Agent，本地看结果，它不提供这个能力。
2. 目前处于早期阶段。 项目 README 明确警告"We are very very early in this project. Expect bugs."，而且团队表示暂时不主动接受大功能 PR。
3. 不支持 Windows 原生 Agent CLI。 项目主要在 macOS/Linux 开发，Windows 端的功能完整性可能稍逊。
4. 无服务器端部署方案。 没有 Dockerfile、没有 docker-compose，所有安装方式都指向本机，不适合需要远程托管的场景。

行业意义：开源控制面的价值

T3 Code 代表的趋势是 AI 编程工具的"基础设施化"——从单独使用某个 Agent，进入到用统一控制面编排多个 Agent 的阶段。这个方向和 Anthropic 的 Claude Code MCP、OpenAI 的 Codex 生态系统是同一拨浪潮。

它的开源策略也很聪明：用 MIT 许可证开放全部代码，让用户有能力 fork 和自建，而不是被平台锁定。在 Agent 生态还在快速演进的当下，这种"兜底"设计对开发者社区有很高的信任价值。

从 Star 增长来看（26,000+），市场对这类工具的需求是真实的——开发者不只想用一个 Agent，他们想要控制权。

---

T3 Code 是一个本机运行的控制台应用，无需 GPU，内存需求极低。安装 Agent CLI 后通过 t3 一键启动本地 Web 服务，支持桌面 App 和手机 App 远程控制。