AgentCrew：macOS 上的 AI 编排工作台，把所有 AI 工具串联成自动流水线

场景切入：开发者的"调度困境"

想象这样一个工作日：你正在用 Cursor 写一个新功能，改完后需要跑测试，失败了想让 Claude 看看报错生成 Patch，最后再用自定义脚本部署。每次切换工具都要复制粘贴上下文，手动追踪执行状态——效率低、容易出错、有时还漏掉关键信息。

AgentCrew 正是为解决这个痛点而生。它是一个运行在 macOS 上的原生应用，能把 Cursor、Claude、Codex 等多种 AI 工具，以及 git、npm、docker 等传统 CLI 命令，统一编排成可视化流水线，让研发、测试、部署形成自动化闭环。

项目背景：为何需要编排层

随着 Claude、Codex、Cursor 等 AI CLI 工具的普及，开发者日常工作中同时使用多款 AI 工具已成常态。然而，每款工具各自独立运行，缺乏统一调度——执行路径不透明、上下文无法共享、状态管理碎片化。

GitHub 上已出现多个方向探索：有的专注 AI Agent 框架（如 LangChain），有的做 Prompt 链接（如 Chainlit），而 AgentCrew 选择了一个独特的切入角度——在 macOS 本地，为开发者提供"万物编排"能力，不仅连接 AI 工具，更将传统 CLI 无缝融入 AI 工作流。

项目使用 Swift + SwiftUI 开发，代码完全开源（Apache-2.0），作者 qingni 的设计理念是：不做"又一个 AI 聊天界面"，而是做真正的执行引擎。

核心功能：从单步执行到自动化闭环

双引擎架构：Pipeline 与 Agent 并存

AgentCrew 最核心的设计哲学是双模式并存，同一任务可以在两种模式间自由切换：

• ⚡ Pipeline 模式（静态 DAG）：适合目标明确、步骤固定的任务。基于静态有向无环图（DAG）调度，将任务步骤按依赖关系排序。系统会自动识别可并行步骤，打包成"波次（Wave）"并发执行，大幅缩短长链路任务耗时。例如编译 → 测试 → 打包 → 部署，每步耗时独立的场景下，波次调度能节省大量串行等待时间。

• 🧠 Agent 模式（动态自愈）：适合目标模糊、需要探索的任务。基于多轮动态执行循环（Plan → Execute → Evaluate → Replan），遇到失败时能自动诊断原因并生成修复补丁，遇到高风险操作（如文件删除、大规模重构）会自动暂停等待人工审批（Human-in-the-loop），然后继续执行。

万物编排：打破"仅限 AI"的边界

与很多 AI 工作流工具不同，AgentCrew 明确支持任意能在终端运行的命令。这不是简单地把 stdout 传给下一步，而是基于结构化记忆（RunContext）的按需注入——只有真正有价值的结果才被传递给后续步骤，避免上下文污染和 token 浪费。

典型场景：Cursor 写代码 → npm run test 验证 → 失败时 Claude 分析报错并生成 Patch → 自定义 Shell 脚本完成部署。整个过程无需人工切换窗口，执行状态实时可视化。

AI 自动规划（Auto-Planner）

输入一句自然语言需求，例如"给项目新增 JWT 用户认证与单测"，系统会自动拆解出 Implement → Review → Fix → Verify 的结构化步骤，并智能分配底层 AI 工具。用户无需手动编排，AI 自己规划路径。

模式洞察：数据驱动的执行建议

内置运行数据分析大盘，量化展示推荐采纳率、Pipeline/Agent 模式分布及 7 日趋势。系统会根据任务复杂度、风险等级、多工具协作需求自动推荐最合适的执行模式，帮助团队持续优化工作流效率。

技术架构：Swift 原生实现细节

项目结构

Sources/AgentCrew/
├── AgentCrewApp.swift       # SwiftUI App 入口
├── Models/
│   ├── AgentModels.swift    # Agent 模式核心数据模型
│   ├── PipelineModels.swift # Pipeline 模式数据结构
│   ├── ToolType.swift       # 工具类型枚举（codex/claude/cursor）
│   ├── CLIProfile.swift     # CLI 配置文件
│   └── SharedStateModels.swift  # 跨步骤共享状态
├── Services/
│   ├── DAGScheduler.swift   # DAG 拓扑排序 + 波次并发调度
│   ├── AIPlanner.swift      # 自然语言 → Pipeline 规划
│   ├── CLIRunner.swift     # CLI 执行引擎基类
│   ├── CodexRunner.swift    # Codex 专用执行器
│   ├── ClaudeRunner.swift   # Claude 专用执行器
│   ├── CursorRunner.swift   # Cursor 专用执行器
│   └── CommandRunner.swift  # 通用 Shell 命令执行器
├── Views/
│   ├── ContentView.swift    # 主界面
│   ├── PipelineEditorView.swift   # Pipeline 可视化编辑器
│   ├── PipelineFlowchartView.swift # 流程图视图
│   └── ExecutionMonitorView.swift  # 执行监控面板
└── ViewModels/
    └── AppViewModel.swift   # 全局状态管理

DAGScheduler 核心实现

DAGScheduler 是 Pipeline 模式的核心调度引擎。关键设计：

• 拓扑排序：使用 Kahn 算法解析步骤依赖关系
• 波次分组：按依赖深度将可并行步骤打包成 Wave
• 并发执行：每个 Wave 内通过 Swift TaskGroup 并发运行
• 停止控制：ExecutionControl actor 管理全局停止请求，支持 Pipeline 级和 Stage 级停止

Agent 模式的自我修复策略

Agent 模式包含四种修复策略（AgentRepairStrategy）：

1. originalPipeline：回退到最初规划的执行路径
2. retryFailedStage：仅重试失败的阶段
3. localPatchInsert：在原 Pipeline 中插入本地补丁步骤
4. globalReplan：全局重新规划（最高级别干预）

依赖管理

Package.swift 显示：零外部依赖。AgentCrew 完全使用 Swift 标准库 + SwiftUI 构建，无任何第三方包。这在 Swift 生态中非常罕见，体现了作者对包管理复杂度的刻意控制，也使得项目高度稳定和可移植。

上手体验：门槛与潜力并存

安装门槛

目前仅支持 macOS 14+。用户需要安装 Swift 5.9+ 工具链，然后通过 swift build 编译运行。暂未提供 .app 预编译包，对非开发者用户有一定门槛。

CLI 配置

首次启动时需要配置 AI CLI 环境（设置 API Key 等），项目内置 CLIProfileSetupView 提供可视化配置界面。当前支持：

• Codex：通过环境变量配置
• Claude：支持 Standard / Internal 命令模式切换
• Cursor：固定命令模式，内置路径自动解析

使用场景

Agent 模式特别适合：探索性开发任务、需求不明确的多步骤工作流；Pipeline 模式适合：CI/CD 流水线、重复性构建部署任务、标准化代码审查流程。

局限与风险

1. 平台锁定：仅 macOS，Linux/Windows 用户无法使用。对于以服务器端部署为主的工作流，价值有限。
2. 缺乏云端能力：所有执行都在本地 Mac 上，对于需要 GPU 算力或大规模并行的任务受限。
3. CLI 依赖：必须本地安装 Cursor Agent / Claude CLI / Codex，对工具链配置有要求。
4. 社区规模偏小：当前仅 56 stars，GitHub 社区活跃度有待观察。

行业意义

AgentCrew 代表了一个值得关注的方向：将 AI 工具从"对话式使用"升级为"自动化编排"。在 AI 代码助手越来越普及的背景下，如何让多个 AI 工具协同工作、实现真正的研发自动化闭环，是一个真实且尚未被充分解决的问题。AgentCrew 以本地化、可视化、双模式的设计给出了自己的答案，虽然目前规模尚小，但切入角度独特，值得持续关注。