AgentRQ

AgentRQ ── Agent-人类协作平台

简体中文

AgentRQ 是一个现代化的高性能平台，旨在让人类操作人员与 AI Agent 无缝协作。它利用 Model Context Protocol（MCP），让 AI 模型（如 Claude）能够直接与工作区的任务管理系统交互。

🚀 概述

可以把 AgentRQ 想象成一个共享工作区，让人类和 AI Agent 无缝协作。你可以将复杂目标拆解为易于管理的任务，并直接将工作委派给 AI Agent。

由于 Agent 可以通过 MCP“看到”工作区状态，因此它们可以自主领取分配给自己的任务、更新状态、为敏感操作请求权限，并与你沟通——所有信息都会在整个平台上即时同步。

✨ 功能

主要功能的动画示意图。

可视化任务看板 Claude 创建的每个任务都会立即显示在看板上。你可以在简洁、快速的仪表板中查看它正在处理什么、需要什么以及刚刚完成了什么；你可以在任何设备上打开仪表板，并以列表或看板形式查看任务。
任务计划 为任意任务设置启动日期或重复频率——每 15 分钟、每小时、每天、每周或自定义日期。后台轮询器每分钟运行一次，并在任务到期时立即启动任务，无需服务器或 Agent 保持唤醒状态等待。
事件 事件是命名信号，例如 qa_passed、deploy_finished、blog_published，任何任务都可以在完成时触发这些信号。将事件连接到某个工作区，该工作区便会自动获得新任务，无需轮询或编写胶水代码。	工作流 工作流是由事件和工作区组成的图。将工作区拖到事件上即可订阅该事件；将事件拖到工作区上，即可在任务完成时触发该事件。无需决策树 DSL，也无需 YAML——只需直观展示发布流程。
### 工具调用历史 任务详情视图中的“历史记录”标签页会按泳道分组，展示一次运行中所有工具调用和消息的时间线，包括 Input、Agent 和 Tools。搜索时间线，点击任意条目，即可准确查看运行了什么、返回了什么，以及是否获准或被拒绝。
任务时间线 每个任务下方都会显示一条时间线，记录任务经历过的每种状态及持续时间：每次状态变化对应一个圆点，线上标注到下一状态所用的时间；等待你处理的时段以黄色显示，受阻时段以红色显示。上方的统计信息会显示哪个 Agent 处理了任务以及处理时长、任务受阻或等待你输入的时长，以及从开始到关闭所用的时间。每次状态变化都会与任务一同记录，因此任何变化都会留下一个圆点。
语音转文字 点击任意任务描述或回复中的麦克风图标，即可直接口述内容。转录由浏览器内运行的 Whisper 模型完成——语音在设备上处理，不会上传到任何地方。
消息发送延迟 为工作区设置倒计时——3s、5s、10s、15s、30s 或 60s——每条聊天消息都会在会话中等待相应时长，然后才发送给 Agent。立即发送可提前发送消息，取消可撤回消息（不发送），并将原文和附件准确放回编辑框。默认关闭，按工作区单独设置。
### 搜索与键盘快捷键 ⌘K（非 macOS 系统为 Ctrl+K）会打开任务查找器，直接在设备已保存的副本中匹配标题或描述里的任意词语，因此离线也能搜索，并会告知搜索范围。其他快捷键都只需按一个字母：N 新建任务，W 和 M 跳转到工作区或机器，P 打开 Pano，C 和 T 在任务的聊天与轨迹之间切换，? 打开快捷键列表。无需配置，也无需记忆。
机器 在你拥有的计算机上安装 agentrqd，然后在这台机器上输入一次性代码完成注册，它就会成为 Agent 的运行环境——使用你的代码仓库和工具链。选择工作区和要运行的内容后，程序便会在这台机器上该工作区的文件夹中启动。每台机器的页面都会显示剩余资源：CPU、内存、运行时间、负载，以及各个文件系统的可用空间。
实时终端 从任意浏览器打开正在运行的会话，即可进入提示符。按键会以键盘生成的字节原样传输——包括 Esc 和 Ctrl-C；调整窗口大小会让远端程序重新排版；无论是否有人查看，会话都会持续运行。即使网络中断，回来时屏幕仍会保留。
### 技能 为工作区中的 Agent 提供团队已有的操作指南。技能由一个 SKILL.md 和它所引用的文件组成，格式与 Claude Code 使用的格式相同。粘贴一个公开的 GitHub 链接，例如 obra/superpowers，其中的每项技能都会被导入。你可以编写自己的技能，也可以让 Agent 保存一项。技能属于你的账户：在需要的工作区中启用即可；所有工作区读取的都是同一份副本，因此编辑会同步到每个工作区。连接到工作区的每个 Agent 都会收到指示：在任务开始时，通过 MCP 搜索技能并加载匹配项，无论它运行在哪种执行环境中。技能的工作原理 →
Pano 一个由你账户中的所有工作区共享的 Markdown 文档看板。Agent 可以发布计划、报告或图表，并将其 ID 交给其他需要它的工作区中的 Agent。它们可以阅读、评论并附加文件。你可以将每份文档视为一张便利贴，查看、编辑或评论，也可以编写自己的文档并将其转为任务。每份文档自上次保存起保留 30 天，除非 Agent 请求延长保留时间。Pano 的工作原理 →
隔离的工作区 每个工作区都是独立的环境：用于一个项目或任务，拥有自己的 MCP 服务地址和令牌、任务队列、记忆和设置（例如哪些命令会自动获准、消息发送前要等待多久），以及运行它的每台机器上的专属文件夹。Agent 使用某个工作区的令牌连接后，只能看到该工作区：其中的任务、记忆和权限请求。工作区之间不会意外发生任何交互；需要跨工作区协作时，则通过 Pano 文档、事件或主管工作区有意进行。
### 工作区分叉 分叉工作区，让第二个 Agent 并行处理其中的一些任务。在侧边栏中右键单击工作区即可分叉；也可以在任务上选择 Spin up，这会分叉工作区、移入任务并一步启动 Agent。分叉拥有自己的队列和 Agent。它与父工作区共享记忆、技能和设置，并在独立的 git worktree 或父工作区文件夹副本中运行。任务完成后，将其合并回父工作区：分叉中的 Agent 会停止，每个任务都会连同其对话线程一起返回父工作区。分叉的工作方式 →

查看完整列表：agentrq.com/features。

🏛 架构

AgentRQ 采用解耦的面向服务架构：

后端（Go / Fiber）

• API 服务：基于 Fiber 的 REST API，用于管理工作区和任务。
• MCP 服务：集成的 mcp-go SSE 服务，向 AI 模型提供工具和资源。
• CoreMCP（监督器）：全局 MCP 服务，允许 Agent 管理整个平台中的所有工作区、任务和统计数据。
• 数据层：使用 GORM 和 SQLite 进行持久化的用户级存储。
• 身份验证：集成 Google OAuth2，使用基于 JWT 的会话管理。
• 事件总线：用于实时 SSE 通知的内部发布/订阅系统。

前端（Vue.js 3 / Vite）

• 现代 UI：采用 Vue 3、Pinia 和 Tailwind CSS 精心打造。
• 玻璃拟态：流畅过渡和实时更新的简洁高级设计风格。
• 响应式状态：通过 SSE 事件与后端同步。

桌面端（Electron）

• 同一应用，原生外壳：桌面应用渲染与浏览器相同的 Vue 组件，因此两者始终保持一致。
• 原生通知：窗口在后台时，你也能收到 Agent 活动通知，并显示 Dock 或任务栏徽标。
• 系统托盘、全局快捷键、深层链接：可在任何位置使用 Cmd/Ctrl+Shift+N，还可通过 agentrq:// URL 在应用中打开指定任务。
• 自动更新：在后台检查更新，并在重启时安装。

💻 桌面应用

AgentRQ 为 macOS、Windows 和 Linux 提供桌面应用。它是客户端，可连接到你运行的任意 AgentRQ 服务。

在 macOS 和 Linux 上，只需一条命令即可安装，之后也可用它更新：

curl -fsSL https://agentrq.com/install.sh | sh -s -- --quit

或者 下载最新版本 →

平台	下载
macOS	.dmg — Apple 芯片和 Intel
Windows	.exe 安装程序 — x64 和 arm64
Linux	.AppImage 或 .deb — x64 和 arm64
Tauri 构建版（预览）	.dmg、.exe、.AppImage 或 .deb（AgentRQ-Tauri- 资源，或 install.sh --tauri）— 请参阅 预览：Tauri 构建版

目前构建版本未经签名，因此手动下载的版本首次在 macOS 和 Windows 上启动时会显示警告；在准备好签名证书之前，macOS 也无法自动更新。上述安装命令可解决这两个问题。 连接服务器和故障排除的相关说明，请参阅桌面端指南。

扩展桌面应用

扩展可以添加页面、操作、键盘快捷键和计划任务。它们是普通的 Node 模块，可从带有 agentrq-extension 主题的 GitHub 仓库中发现，并通过桌面应用安装。

扩展仅限桌面端使用，这是有意为之。 扩展是由他人编写的代码，会以所在进程的权限运行。如果是在可自托管的服务上，这意味着陌生人的代码会和你的数据库及其他用户运行在一起；而在桌面端，它运行在选择安装扩展的用户自己的机器上。服务端绝不会加载扩展代码。

AgentRQ 会强制执行它所管理的一切：扩展可以贡献到哪些界面，以及它可以针对哪些工作区调用哪些 MCP 工具。扩展不会持有凭据；它只负责发起请求，由应用在请求发出时附加令牌。这为你的 AgentRQ 数据提供了真正的边界，但并不构成对你机器的沙箱保护；每次安装时，安装界面都会明确说明这一点。

examples/extensions/ 中提供了三个完整示例，从完全不需要权限的扩展，到跨所有工作区运行每日摘要的扩展。请参阅扩展指南。

🧭 Chrome 扩展

将 AgentRQ 添加到 Chrome →

AgentRQ 位于浏览器工具栏中：你可以在弹出窗口中打开工作区，也可以在标签页中全屏打开。

• 将任意 WebMCP 网站接入你的 Agent。 当网站通过 WebMCP 提供工具时，工具栏图标会亮起；将网站共享给某个工作区后，该工作区中的 Agent 就能在你已登录的 Chrome 中调用这些工具。网站未标记为只读的工具，必须先在任务中获得你的批准才能执行。
• 在浏览器中直接使用 Agent 的终端。 打开 Claude Code、Codex 或 Antigravity 会话的实时终端，这些会话运行在你的某台机器上；无需离开当前标签页即可操作。

从源代码安装以及使用可自托管服务的说明，请参阅扩展的 README。

通过浏览器 Agent 操作 AgentRQ

如果你的浏览器支持 WebMCP，你在其中交谈的 AI Agent 就能直接使用 AgentRQ——列出工作区、打开任务、在任务中回复、创建工作流。界面能执行的所有操作都以工具形式提供，包括询问你当前所在的页面，因此“回复此任务”会定位到你当前打开的任务。

这些工具会以你的身份、使用你的会话在页面中运行，因此 Agent 获得的权限与你完全相同，不会更多；当你退出登录时，这些工具也会被撤销。无需安装或配置任何内容；不支持 WebMCP 的浏览器只会看不到这些工具。请参阅 WebMCP 指南。

通过命令行操作 AgentRQ

在工作区目录中——也就是包含 Agent 所使用的 .mcp.json 的目录——同样的功能只需一条 shell 命令即可使用：

npx -y @agentrq/agentrq-ws@latest help

它会读取该 .mcp.json，因此无需进行任何配置，并涵盖所有工作区工具：读取和创建任务、回复、发布事件、读取和写入工作区记忆，以及向人工提问。附件在发送和接收时都使用普通文件路径——使用 --attach ./run.log 发送附件，下载时会写入文件并显示其保存位置。请参阅 cli/agentrq-ws。

🖥️ 你自己的机器

在一台计算机上安装 agentrqd，完成一次注册后，就可以从控制面板为该计算机上的工作区启动 Agent，然后查看它的终端并向其中输入内容，包括 Esc。机器页面会显示每台机器的剩余资源：内存、CPU，以及每个文件系统的可用空间，方便你判断它是否还能运行另一个 Agent。

在 Linux 和 macOS 上：

curl -fsSL https://agentrq.com/install-agentrqd.sh | sh

在 Windows 上（PowerShell）：

irm https://agentrq.com/install-agentrqd.ps1 | iex

这两种方式都会选择合适的构建版本，根据随发行版发布的校验和进行验证，并将其放到你的 PATH 中；再次运行即可就地更新。它只负责安装——注册仍是单独且需要主动执行的步骤，而且它绝不会以 root 或 Administrator 身份运行。手动安装方式见发行版页面——适用于 Linux、macOS 和 Windows 的单个静态二进制文件。

然后，选择 Machines → Add machine，即可获取注册所需的代码。

注册机器是一项实际授权，守护进程指南对此有明确说明：任何能够以该账户身份通过身份验证的人，都可以在机器上以启动守护进程的用户身份运行命令。注册前请先阅读指南。指南还介绍了无需服务器配合即可使用的本地紧急停止开关，以及审计记录的内容——启动、终止和连接，不记录按键。

⌨️ Agent 斜杠命令

通过 ACP 网关连接的 Agent 会公布自己的命令——/init、/compact、/review，以及它们提供的其他命令。在任务中输入 /，命令就会显示在回复框上方；输入时列表会进行筛选，你可以用键盘或鼠标选择。列表由 Agent 提供，并实时跟随 Agent 的变化，因此也会随着 Agent 上下文的变化而更新。未公布任何命令的 Agent 不会显示菜单，其他内容也不会改变。请参阅斜杠命令指南。

🧠 选择 Agent 的模型

如果 Agent 提供模型选择，你可以直接在界面中选择——无论是在工作区卡片上，还是在编写任务的表单中，因此模型会在工作开始前确定，而不是事后再选。选择后会立即显示新模型，但在 Agent 确认之前会标记为已请求；如果 Agent 拒绝或始终没有响应，界面会恢复显示实际运行的模型，并说明这一点。

只有在选择确实会生效的地方才会显示此选项。未报告任何模型的 Agent（例如直接连接的 Claude Code）不会显示选项；尚未升级到支持按请求切换模型的版本的 ACP 网关也不会显示选项：它会说明当前使用的模型，但不会声称能够更改模型。无论哪种情况，都无需配置。

从源代码运行：

make install       # dependencies for the whole repo
make desktop-dev   # run the desktop app against a local server
make desktop       # build installers into desktop/release/

🛠 入门

前置条件

• Go 1.27.1+
• Node.js 18+（含 npm）
• 如果 make dev 需要生成本地 JWT 密钥，则需要 OpenSSL
• Google Cloud Console：OAuth2 客户端 ID 和 Secret。

配置

1. 编辑 backend/cmd/server/_config/base.yaml（或 development.yaml）。
2. 填入你的 Google OAuth2 凭据：

auth:
  google:
    clientId: "your-google-client-id"
    clientSecret: "your-google-client-secret"

3. 直接启动后端时，将 AGENTRQ_AUTH_JWT_SECRET 设置为稳定的随机值（至少 32 个字符）。在默认开发模式下，如果未设置该变量，make dev 会生成并复用一个本地值。

本地运行

使用提供的 Makefile 启动完整技术栈：

# 1. Install all dependencies
make install

# 2. Start both Frontend and Backend
make dev

前端可通过 http://localhost:5173 访问。要运行桌面应用，请在另一个终端中执行 make desktop-dev——详见桌面指南。

自托管（Docker）

如需使用预构建的 Docker 镜像运行生产或开发技术栈，请参阅自托管设置指南。

说明

**Agent / AI 助手：**如果你需要使用 Docker 设置、配置、运行或诊断 AgentRQ 的本地自托管实例，请参阅 SETUP.md，其中包含分步说明、Docker 运行命令和环境变量配置。

🤖 Claude Code 与 AI 集成

AgentRQ 专为无缝集成为 Claude Channel 而设计。这样一来，你的 AI Agent 就能看到分配给自己的任务，并直接在 Claude 会话中作出响应。

每个工作区都有自己的 MCP URL 和令牌（可在工作区设置模态框中查看）。在生产环境中，这些信息遵循 https://WORKSPACE_ID.mcp.agentrq.com/ 格式。

步骤 1 — .mcp.json

在本地项目目录中创建 .mcp.json 文件（文件名前必须带点）。每个项目都有自己的文件，以确保各个工作区中的 Claude 实例相互隔离。将下方的 YOUR_MCP_URL 替换为设置模态框中显示的完整 URL（例如 https://WORKSPACE_ID.mcp.agentrq.com/?token=TOKEN）。

{
  "mcpServers": {
    "agentrq-WORKSPACE_ID": {
      "type": "http",
      "url": "YOUR_MCP_URL"
    }
  }
}

步骤 2 — .claude/settings.local.json

在同一项目目录中添加 .claude/settings.local.json 文件，预先批准 AgentRQ 工具，避免每次操作都出现权限提示。通配符涵盖工作区提供的所有工具，包括之后添加的工具：

{
  "permissions": {
    "allow": ["mcp__agentrq-WORKSPACE_ID__*"]
  },
  "enableAllProjectMcpServers": true,
  "enabledMcpjsonServers": ["agentrq-WORKSPACE_ID"]
}

步骤 3 — 启动 Claude

创建好这两个文件后，从该项目目录启动 Claude Code：

claude --dangerously-load-development-channels server:agentrq-WORKSPACE_ID

提示： 工作区 ID、完整 MCP URL（含令牌）以及可直接粘贴的配置片段，都可以在每个 AgentRQ 工作区中的 设置 模态框内找到。

可用的 MCP 工具

连接后，AI Agent 可使用七种工具。每种工具都需要两个输入：action 和 payload（即该操作的字段），例如 task {"action": "reply", "payload": {"taskId": "<id>", "text": "On it."}}；help 工具会说明这些工具的用法——不带输入时会列出所有工具及其操作，{"action": "task"} 会列出某个工具的操作，{"action": "task.create"} 会列出某个操作的 payload 及示例。

• task：处理工作区任务——create（将任务分配给用户或 Agent，也可以选择按 cron 计划执行）、get（不带 taskId 时，会从队列中取出分配给该 Agent 的下一个“未开始”任务；includeConversation: true 会添加聊天记录，支持游标分页）、updateStatus（notstarted、ongoing、blocked、completed 等）、reply（向 AgentRQ 仪表板实时发送消息）、elicit（向用户提问并等待对方回答，提问形式可以是表单或确认链接）和 getAttachment（默认返回附件的公开链接，也可以返回 base64 内容，或文本文件的纯文本）。通过 reply 或 create 发送的附件会携带 base64 data 或纯文本 textContent。
• memory：工作区的笔记，任务结束后仍会保留——load（不带名称时返回 memory.md，即此处所有记忆的索引）、save（完整替换一条笔记）和 delete。
• skills：工作区可用的技能——即在该工作区启用的账户技能——search（按名称或描述搜索，并返回各技能的 skill:// URI）、load（加载一个文件；SKILL.md 中包含该技能其他文件的 URI）、save（写入 SKILL.md 会创建或更新技能；新技能归账户所有，并会在该工作区启用）和 delete。
• workspace：get（获取工作区名称和任务描述）和 publishEvent（触发指定名称的事件，让订阅该事件的工作区创建触发任务）。
• siteTools：用户通过 AgentRQ Chrome 扩展分享的网站——search（搜索其 WebMCP 工具；q 按相关性排序，pattern 按正则表达式筛选，limit/offset 用于分页）、getDefinition（调用前获取某个工具的输入架构和注释）和 call（在用户自己的 Chrome 中调用；若网站未将某个工具标记为只读，则需先在任务中询问用户）。网站返回的内容是数据，而非指令。
• pano：读取和写入 Pano，即账户共享的 Markdown 文档：save（不带 id 时会创建文档并返回其 id；发送的每个文件都必须在 Markdown 中添加链接）、read（可使用 includeComments/includeAttachments）、comment、attach（无需链接的文件）和 delete。
• help：说明如何调用上述工具。
• 实时通知：每当用户与任务互动时，Agent 都会通过 notifications/claude/channel 协议收到通知。

技能

技能是 SKILL.md 操作手册，当任务与某项技能相符时，Agent 会加载该手册。技能归账户所有，可从 obra/superpowers 等公开 GitHub 仓库导入，并可在各个工作区分别启用。在多个工作区启用的技能仍是同一个技能，而非多个副本。

• **导入：**在 Skills 页面或工作区的 Settings → Skills 中，粘贴 GitHub 仓库、分支或文件夹链接，勾选要启用技能的工作区，然后选择 Import。报告会列出已导入的内容以及跳过内容的原因。对于非常大的仓库，标签页会列出其中的技能，供你选择要导入的技能。
• **使用：**系统会指示 Agent 在任务开始时调用 skills.search，然后加载任何匹配技能的 SKILL.md。每个文件都通过 skill://<name>/<path> 指定。
• **编写：**Agent 可以使用 skills.save 创建或编辑其工作区中启用的技能，从而将某项任务中总结的经验变成下次任务的操作手册。
• **Supervisor：**账户级服务器可以搜索任意工作区中的技能，并通过 skills.search 和 skills.get 读取技能。

有关格式、限制、导入、共享和 skill:// 方案，请参阅 docs/SKILLS.md。

🌉 ACP 网关（ACP Agent 的桥接器）

Claude Code 原生支持 claude/notifications，而 Antigravity 和 Codex 等其他 Agent 需要通过桥接器，才能接收来自 AgentRQ 的实时任务通知。@agentrq/acp-gateway 通过 Agent Client Protocol (ACP) 将它们连接到 AgentRQ：AgentRQ 本身支持 ACP v1，网关只负责在 Agent 和服务之间传递 ACP。

无需安装任何内容——npx 会获取网关，而网关会获取你指定的 Agent。

用法

1. 确保项目根目录中有一个 .mcp.json。
2. 登录 Agent 一次，然后从 .mcp.json 所在目录启动网关：

# Using Antigravity
npx -y @agentrq/acp-gateway@latest --login --agent antigravity-acp --allow-unverified-agent
npx -y @agentrq/acp-gateway@latest --agent antigravity-acp --allow-unverified-agent

# Using Codex
npx -y @agentrq/acp-gateway@latest --login --agent codex-acp
npx -y @agentrq/acp-gateway@latest --agent codex-acp

Antigravity 以二进制文件形式发布，而注册表不提供其校验和，因此每条命令都需要使用 --allow-unverified-agent；Codex 以 npm 包形式发布，无需此参数。将 --login 替换为 --logout 即可退出登录。

网关会自动：

• 通过 .mcp.json 中的 URL 连接到你的 AgentRQ 工作区。
• 启动 Agent 子进程并桥接标准输入/输出。
• 实时转发任务分配、消息和权限请求。

ACP v1

网关需要 Node 22 或更高版本，还需要一个未通过 AGENTRQ_ACP_V1_ENABLED=false 关闭 ACP v1 的服务（默认开启；参见原生 ACP）。网关不再通过 MCP 与 AgentRQ 通信，因此关闭了 ACP v1 的服务无法运行它。

🌌 Codex（通过 ACP 网关）

OpenAI Codex 与其他 Agent 一样，通过同一个 ACP 网关连接。网关会从 ACP 注册表解析 codex-acp 并为你运行，因此除网关读取的 .mcp.json 外，无需安装或配置任何内容。

早期版本使用独立的 @agentrq/codex-gateway 包和 .codex/config.toml。现在两者都不再需要。

设置

1. 确保项目根目录中有一个 .mcp.json。
2. 登录——Codex 需要先登录才能启动会话。首次运行时会获取 Agent，然后引导你登录：

npx -y @agentrq/acp-gateway@latest --login --agent codex-acp

3. 启动桥接器。从 .mcp.json 所在目录运行：

npx -y @agentrq/acp-gateway@latest --agent codex-acp

将 --login 替换为 --logout 即可退出登录。注册表以 npm 包形式发布 Codex，因此 npx 会在首次使用时获取它，并使其保持最新——与二进制 Agent 不同，它不需要 --allow-unverified-agent。

👑 Supervisor（CoreMCP）

单个工作区为特定项目提供范围限定的视图，而 Supervisor（CoreMCP） 是全局 MCP 服务，可让 Agent 查看整个 AgentRQ 账户的全局概况并进行管理。

Supervisor 的访问地址为 https://mcp.agentrq.com/mcp。它使用 OAuth2 进行安全身份验证，让现代 AI 工具（如 Claude Code）能够安全连接。

为什么使用 Supervisor？

• 多工作区管理：列出、创建和更新工作区。
• 全局任务视图：通过一次调用获取所有工作区的任务（task.listAll）。
• 管理控制：全局管理任务分配、状态和优先级。
• 统一统计信息：查看任意工作区的详细统计数据和运行状况指标。

可用的 Supervisor 工具

Supervisor 有九种工具。每种工具都接受两个输入：action 和 payload（即 action 的字段），大多数 action 都需要指定 workspaceId；help 工具会打印任意 action 的 payload 和一个示例（{"action": "events.createTrigger"}）。

• workspace：list（列出活跃和已归档的工作区）、create、get、update（设置和元数据）、stats（统计过去 7 天或 30 天的数据）、fork（让第二个 Agent 可以并行处理其中一些任务），以及 mergeFork（任务完成后将其合并回父工作区）。
• task：管理每个工作区的任务——listAll（跨平台搜索和筛选）、list（查看单个工作区）、create、get、updateStatus、updateSortingOrder、updateAssignee、updateAllowAll（allow_all_commands）、updateSchedule（计划任务或 cron 任务）、delete（连同其消息和附件一起删除——用于停用计划任务，而不是让它继续运行）、reply（在任务的讨论串中发帖）、respond（允许或拒绝权限请求），以及 getAttachment（默认返回附件的公开链接，也可返回其 base64 或纯文本内容及元数据）。
• memory：只读的工作区记忆——list（名称、大小及各项的修改时间）和 get（完整读取单项；MEMORY.md 是其他文件所依附的索引）。
• skills：只读的账户技能，以工作区视角查看——search（显示各项技能是否已在该工作区启用，支持 limit/offset 分页，并返回 total；不包含内容）和 get（通过 skill://<name>/<path> URI 获取单个文件）。
• events：工作区发布的命名信号，以及信号触发时在某处创建任务的触发器。发布操作由 Agent 端执行（使用每个工作区服务器上的 workspace.publishEvent）——Supervisor 负责构建连线，工作 Agent 负责触发信号。list、create、get、update、delete 用于定义信号；createTrigger、listTriggers、getTrigger、updateTrigger、deleteTrigger 用于决定每个信号会触发什么；listTasks 用于查看事件创建的任务。
• workflows：将这些部分组合起来的图：一个起始事件，以及对它和彼此作出响应的步骤。list、create、get、update、delete 用于管理整个图；createStep、listSteps、deleteStep 用于管理其节点；getText 和 replaceFromText 用于以缩进文档的形式获取或替换整个图，UI 的文本模式会编辑该文档——这是以声明式方式编写工作流的方法；listTasks 用于查看它创建的任务。
• machines：createEnrolmentCode（用于通过 agentrqd 注册新机器的一次性代码，仅显示一次且很快过期——不支持远程注册，因此会返回可直接运行的命令）、list（查看每台机器是否已启用、是否在线，以及它运行的 Agent 数量）、launchAgent（启动工作区的 Agent，claude-code 或 acp-gateway，执行与应用中启动按钮相同的检查）和 stopAgent。
• pano：以 Supervisor 工作区的身份读取和写入账户共享的 Markdown 文档，支持与工作区工具相同的 action。
• help：介绍如何调用上述工具。

Supervisor 资源与提示词

除了工具之外，Supervisor 还提供 MCP 资源——Agent 可将其载入自身上下文的只读参考资料；以及 MCP 提示词——为“一个大脑统管多个工作区”这一用途准备的现成工作流模板。

资源：

• agentrq://guides/new-workspace：介绍如何端到端设置新工作区。
• agentrq://guides/agentrqd-setup：介绍如何安装 agentrqd 并注册新机器，注册命令会根据此服务器生成模板。

提示词：

• new-workspace：根据指定用途创建新工作区的脚手架。
• setup-agentrqd：生成注册代码，并提供在新机器上运行的确切命令。
• workspace-status：一次性汇报所有工作区的状态。

连接到 Supervisor（Claude Code）

由于 Supervisor 使用 OAuth2，你可以在 ~/.mcp.json 中使用以下配置：

{
  "mcpServers": {
    "agentrq": {
      "type": "http",
      "url": "https://mcp.agentrq.com/mcp"
    }
  }
}

首次使用此服务器运行 Claude 时，系统会提供一个链接，让你通过浏览器完成身份验证。

🧩 官方扩展

AgentRQ 为主流 AI Agent 命令行工具提供官方扩展，以简化设置并集成其监督器 MCP。子 Agent MCP 应使用各自特定工作区的 MCP 服务 URL。

🍊 Claude Code

Claude Code 插件通过此仓库自带的市场发布，每个插件都包含一项技能和预配置的 MCP 访问权限：

• agentrq — 监督器，连接账户级 MCP 服务，让一个 Agent 能够在你拥有的所有工作区中协调工作。
• agentrq-custom-supervisor — 同一监督器，适用于可自托管服务；它会询问服务的监督器 MCP URL。
• agentrq-workspace — 工作区 Agent，连接到单个工作区的 MCP 服务来处理其队列。

安装：

/plugin marketplace add https://github.com/agentrq/agentrq
/plugin install agentrq@agentrq
/plugin install agentrq-workspace@agentrq

这些插件之前位于单独的 agentrq-claude-extension 仓库中。现在市场 URL 就是此仓库；如果你添加过旧市场，请通过上方 URL 重新添加。

♊ Gemini CLI

Gemini CLI 扩展让你能够直接在终端中使用 Google 的 Gemini 模型管理 AgentRQ 工作区和任务。

提示： 如需通过 Gemini 启用实时任务通知，请使用 ACP Gateway。

安装：

gemini extensions install https://github.com/agentrq/agentrq

此扩展之前位于单独的 agentrq-gemini-extension 仓库中。现在它随此仓库中的 plugins/gemini 一起发布；如果你安装过旧版本，请先卸载，再通过上方 URL 重新安装。

🐋 DeepSeek Harness

@agentrq/dsh-plugin-agentrq 套件将 AgentRQ 引入 DeepSeek Harness。它将工作区的工具以 mcp__agentrq__* 的形式桥接给模型，并维持一个受监督的工作区会话，因此分配给 Agent 的任务和人工回复都会通过 MCP 通道传送并进入实时会话 — 无需轮询，也无需离开 Harness 来处理队列。

安装：

npx @deepseek-ai/dsh plugin --profile agentrq-<workspace> add @agentrq/dsh-plugin-agentrq
# pin this workspace's MCP URL in ~/.dsh/profiles/agentrq-<workspace>/cordis.patch.yml
npx @deepseek-ai/dsh --profile agentrq-<workspace>

复制 Workspace Settings → Setup → DeepSeek Harness 中已填好的命令和配置块。一个 dsh 配置对应一个工作区，并拥有自己的端点，因此每个工作区运行一个配置，切换工作区即切换配置。消息传递、启动时补接消息和重新连接行为均可配置；详情请参阅插件 README。

🔌 集成

Slack 集成

AgentRQ 支持多租户 Slack 集成，可实时创建任务、同步线程回复并处理 Agent 权限请求：

• Slack 集成设置与使用指南

🙌 参与贡献

错误报告请提交为 GitHub issue，功能或架构建议请提交简短的书面提案 — 请参阅 CONTRIBUTING.md。

🤝 致谢

• AgentRQ — 官方 Agent 与人工协作平台。
• HasMCP — 弥合 API 与 Agent 之间的鸿沟。

📝 许可证

AgentRQ 采用双重许可：

• 开源： AGPL-3.0-only。
• 商业： Contextual, Inc. 提供仅含二进制文件的商业许可证，供专有用途使用，且无需承担 AGPL 的义务。请联系 [email protected]。

agentrqd 机器守护进程、桌面端和 agentrqd 安装脚本，以及单独发布的软件包 — agentrq-ws 命令行客户端和 plugins/ 下的插件 — 均采用各自的 Apache-2.0 许可证。