agentlas-ai/Agentlas-OS

解决的问题

Agentlas OS 解决了将复杂任务高效路由到最合格的专家代理，而不依赖有偏见排名的问题。它避免了“一刀切”的方法（即单一模型搭配不同提示来处理所有事情），而是配备一个由领域特定代理（来自本地、云端或公共来源）组成的团队，以最少的 token 使用量完成工作。

运作方式

系统分三个主要阶段运作：

1. 任务拆分：高层级请求被分解为具体任务，定义角色、交接顺序和所需产出物。它会自动拒绝工作流程中的循环依赖。
2. 代理配备：系统从用户的机器、私有云和公共的 Agentlas Hub 中识别候选代理。它不是对它们进行排名，而是提供一份具有验证身份（通过签署的代理卡片）和资格等级的候选列表，让用户的模型选择最合适的。
3. 执行与验证：规划、执行和综合是作为独立的调用进行的。一个独立的验证器必须在标记为完成之前批准工作，每一步都由收据证明。

适用对象

它专为 AI 编码助手和 CLI 主机（如 Claude Code、Cursor、Codex 和 Gemini）的用户设计，这些用户在各种领域需要专业知识，从软件工程（后端、安全、QA）到专业服务，如保险精算师或并购尽职调查。

亮点

• 标准化协议：使用 A2A v1.0 和 /.well-known/agent-card.json 进行代理身份和能力验证。
• Token 效率：压缩候选列表以降低 token 成本，同时维持找到正确专家的概率。
• 跨主机集成：同时配置单台机器上的多个代理主机，包括为 Cursor 和 Copilot 注册 MCP 服务器。
• 模型回退：如果当前模型达到配额限制，自动在优先级列表中的下一个模型上重新执行一个回合。
• Agentlas Hub：一个免费的社区，用于发布和发现公共代理。