superset
多 Agent 并行编排平台，让 Claude Code、Codex 等编程助手协同作战
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
多 Agent 并行编排平台，让 Claude Code、Codex 等编程助手协同作战
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。
想象你是一家小型软件公司的老板，今天接到了五个紧急需求：用户登录模块要重构、支付接口要接入 Stripe、API 文档要重新生成、数据库要迁移到新架构、单元测试覆盖率要从 40% 提到 80%。传统方式下，你的开发团队需要逐个处理，每个任务平均等待 2 小时切换上下文——一天时间就这样蒸发了。
Superset 带来了另一种可能性：一键启动五个 AI 编程 Agent，让它们同时在隔离的 Git Worktree 中并行工作，你在统一的界面里监控进度、审阅变更、按优先级切换注意力。这就是 Superset 想要解决的核问题——让多个 AI Agent 从"各干各的"变成"协同作战"。
图1：Superset 主界面，支持多 Agent 并行监控
2024 年底到 2025 年，Claude Code、GitHub Copilot Voice、Cursor Agent 等 CLI 编程工具相继爆发，每个工具都能在特定场景下出色完成任务。但现实问题是：当你需要同时推进多个任务时，这些工具都只能串行工作——一个 Agent 在忙，其他任务就得等着。
Superset 的开发团队（superset-sh）注意到了这个痛点。他们没有重新发明一个 AI 编程工具，而是选择了一条更聪明的路：做一个通用编排层，把现有的优秀 Agent（Cline、Claude Code、Codex、OpenCode 等）整合起来，让它们协同工作。
项目的 GitHub 页面显示其定位为"Code Editor for the AI Agents Era"（AI 时代的代码编辑器），但它不是传统意义的 IDE，而是一个 Agent 指挥控制台。有趣的是，Superset 这个名字和 Apache Superset（数据可视化平台）完全重名，虽然两者没有关联，但在开发者社区里引发了不少讨论。
Superset 支持同时运行 10 个以上的编程 Agent，每个 Agent 被分配到独立的 Git Worktree 环境中。Worktree 是 Git 的一个轻量级功能，允许同一个仓库的不同分支在多个目录中同时存在，彼此完全隔离。这解决了 AI Agent 常见的"分支冲突"问题——一个 Agent 在写登录模块，另一个 Agent 在重构数据库，它们不会互相覆盖代码。
Agent 状态实时显示在界面中，包括：运行中/等待中/已完成/需要人工介入。开发者可以从一个统一的视图里快速浏览所有 Agent 的进度，而不需要在多个终端窗口之间来回切换。
当 Agent 完成任务并生成代码变更后，Superset 提供了内置的 Diff 查看器，开发者可以直接在应用内审阅变更、提出修改意见、让 Agent 继续迭代。相比传统的"导出到 GitHub PR → 打开浏览器审阅 → 切回终端继续"的流程，这种内嵌式审阅省去了大量上下文切换成本。
对于需要进入 IDE 深入处理的复杂变更，Superset 也支持一键切换到 VS Code 或 Cursor，直接跳转到对应文件和行号。
项目 README 明确列出了已验证支持的 Agent 类型，包括 Amp Code（完全支持）、Claude Code（完全支持）、Cline（完全支持）、Codex（完全支持）、OpenCode（完全支持）等。此外还支持自定义 Agent——只要能在终端里运行的命令行 AI 工具，理论上都可以接入 Superset。
这种宽泛的兼容性设计是 Superset 的核心策略：不绑定特定供应商，让用户自由选择最合适的 Agent 组合。这也意味着即使某个 Agent 停止维护，Superset 仍然有价值。
Superset 内置了 MCP（Model Context Protocol）v1 和 v2 的支持。MCP 是 Anthropic 提出的上下文协议，用于标准化 AI Agent 与外部工具/数据源的交互。Superset 支持 MCP 意味着它可以连接各种外部服务——数据库查询、API 调用、文件系统操作等，进一步扩展了 Agent 的能力边界。
图2：Agent 通知与状态管理界面
Superset 采用 Turborepo 作为前端多包管理框架，主包管理器为 Bun，整体架构是一个 monorepo，包含多个应用（apps/）和多个包（packages/）。
主要技术栈：
代码库组织结构清晰，packages/ 目录下包含核心框架（cli-framework、cli）、认证（auth）、数据库（db、local-db）、通信（chat、email）、远程服务（host-service、mcp）等模块，apps/ 下包含各个应用入口（web、desktop、api、docs、marketing 等）。
docker-compose.yml 配置了本地开发所需的 PostgreSQL 17、Neon HTTP Proxy 和 ElectricSQL 1.4.13 服务，这些服务用于支持 Superset 的数据持久化和实时同步功能。
许可证为 Elastic-2.0，这是一个商业友好的开源许可证，允许闭源使用。
图3：Superset 功能演示视频截图
目前 Superset 官方提供 macOS 下载包（.app），通过 GitHub Releases 分发，也支持 Homebrew Cask 安装。对于 Linux 和 Windows 用户，需要从源码构建——项目提供了 docker-compose 用于开发数据库服务，但应用本体仍需在 macOS 环境下编译。
从源码构建需要：
bun installbun run dev 启动开发服务对于习惯使用命令行工具的开发者，这个流程并不复杂。但对于不熟悉终端的用户，门槛仍然存在——Superset 本质上是一个面向技术用户的专业工具，而非面向普通人的傻瓜式应用。
平台限制严重。目前仅 macOS 有官方打包版本，Linux 用户只能从源码构建，Windows 用户基本无法使用。这在开源社区引发了一些不满，有人指出"号称通用 Agent 编排器，却只支持 macOS 桌面"的矛盾。
与 Apache Superset 重名。由于 Apache Superset（数据可视化平台）是更知名的项目，许多开发者在搜索时会产生混淆，甚至有人在 GitHub Issues 里问"这个 Superset 和那个 Superset 是什么关系？"项目方目前没有明确处理这个问题。
资源消耗较高。同时运行多个 AI Agent，每个 Agent 都在调用付费 API（Claude/GPT-4 等），多 Agent 并行的成本可能是单个 Agent 的数倍。对于预算有限的个人开发者或小团队，需要仔细评估 ROI。
复杂度管理挑战。当同时有 10 个 Agent 在并行工作时，即使每个 Agent 都工作正常，整体协调成本也会急剧上升——哪些任务优先级更高？Agent 之间是否有隐式依赖？如何避免重复劳动？Superset 提供了监控界面，但这些协调问题最终仍需要人类开发者来决策。
Superset 的出现代表了 2025 年 AI 编程工具的一个重要趋势：从"单人 AI 助手"向"AI Agent 团队"演进。OpenAI 的 Swarm 框架、AutoGPT 团队协作模式都在探索类似的方向，而 Superset 选择了一条更落地的路：不是重新发明 Agent，而是做 Agent 的协调层。
从 star 增长曲线看，该项目在发布后快速获得了 11,000+ stars（截至分析时），增长势头强劲。社区讨论活跃（1161 个 open issues），说明用户参与度高、需求多样。
GitHub Topics 覆盖了 20 个关键词，涵盖 agentic-ai、llm、mcp、coding-agents、vibe-coding 等，反映出项目对 AI 编程工具生态的深度整合意图。
如果你是 macOS 用户且经常需要同时处理多个编程任务，Superset 值得一试。对于非 macOS 用户，可以关注项目的 Linux/Windows 支持进展，或者尝试从源码构建。当前版本（v1.x）仍处于活跃开发期，API 和功能可能随版本变化。
图4：Superset 多 Agent 工作流示例