关于 Local Coding Agent
Local Coding Agent 让云端编码 Agent 通过 MCP、Agent Skill 或命令行,将聚焦任务交给本机模型。它限制可修改文件范围,并要求检查通过后才能应用补丁;检查失败时会回滚并验证状态。
主要功能
- 01将聚焦任务委派给本地模型
- 02将变更限制在允许的文件内
- 03应用补丁前要求检查通过
- 04回滚失败变更并验证状态
- 05支持 MCP、Agent Skill、命令行和桌面应用
适用场景
- 01将窄范围编码任务交给云端 Agent 处理
- 02应用前审查本地模型提出的变更
- 03从脚本或 CI 运行经过检查的编码任务
MCP 相关
通过 MCP 服务向兼容的编码环境提供任务委派及相关本地 Agent 能力。可用 `local-agent init-mcp` 初始化服务,或用 `local-agent serve-mcp` 启动。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
1收录的工具列表 · 更新于 1 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| task | object | 是 | |
| request_id | string | 是 | |
| model_profile | any | 否 | |
| workspace_ref | string | 是 |
详细介绍
Local Coding Agent
用于将编码任务从云端 Agent 委派给本机模型的本地执行与安全层。
什么是 Local Coding Agent?
Local Coding Agent 让云端编码 Agent 可以将范围明确的任务委派给本地模型,同时不向该模型开放对代码库的不受限访问权限。通过 MCP、可复用的 Agent Skill 或 local-agent CLI,连接 Codex、Claude Code、Cursor、Windsurf、Cline、OpenCode、Antigravity 或其他兼容的运行环境。云端 Agent 仍负责整体任务;Local Coding Agent 则提供受控的本地执行路径。
调用方 Agent 会发送明确的目标、工作区、允许访问的文件列表和检查项。本地模型会返回一份供审核的提案。本地模型负责提出方案;控制器负责验证。只有在确认声明的文件范围未被越界、补丁通过静态分析,并由真实的外部测试运行器确认配置的检查项通过后,才会报告变更已应用。如果应用后的检查失败,变更会被回滚,并依据记录的文件摘要验证回滚结果。本地模型无法在工作区中不受限制地执行 shell 命令或写入文件。
如果你需要 Windows 界面来进行本地聊天、选择模型、管理会话、查看任务状态和审核变更,请使用 Desktop Harness。终端、脚本、CI 或直接集成编码运行环境时,请使用 CLI。两者使用相同的控制器和安全规则。
Git 和交付流程由你掌控。Local Coding Agent 不会创建提交、推送分支、发布版本,也不会自行下载模型。
安全门禁会拒绝的情况
apply_proposal、local-agent apply 和桌面应用中的应用操作均由同一个安全门禁控制:
- 如果补丁涉及声明范围之外的文件,则会在修改工作区前被拒绝(
error.kind: patch_outside_scope)。 - 如果没有针对性检查项,则拒绝应用——没有外部验证依据,就不应用(
error.kind: apply_requires_checks)。 - 如果补丁未通过应用后的检查,则会回滚;结果为
"rejected",且error.kind为post_apply_check_failed。 - 如果无法依据记录的基线确认回滚结果,则会报告
workspace_modified: true、workspace_state: "unknown",风险类型为rollback_failed——绝不会将其报告为已干净恢复。
选择下载内容
当前公开版本:v1.1.1
如果你要用于终端工作流、脚本、CI 或与其他 AI 编码环境集成,请选择 CLI 版本。它提供 local-agent 命令、MCP 服务、Agent Skill、诊断工具、会话、模型工具和任务委派功能。
下载 CLI wheel 或 CLI 源码归档。Windows 用户可以下载 Desktop Harness 安装程序,并使用 SHA256SUMS.txt 验证已发布的文件。
v1.1.1 版本包含 CLI 归档文件和 Windows Desktop Harness 安装程序。本地推理始终在本地进行;请求实时模型响应前,请安装 Ollama 或运行兼容的本地模型服务。
桌面端 Harness
打开 Harness,选择一个工作区,选取一个本地模型,然后开始工作。桌面应用将完整的本地编码工作流整合到一个专注的界面中:
- 交互式聊天,用于提问、获取解释和处理日常编码工作。
- 聊天、构建、规划和自动模式,适用于不同类型的请求。
- 委派任务,将范围明确的编码更改交给本地模型处理。
- 工作区会话,方便你返回之前的对话和任务。
- 模型发现、模型配置、上下文设置、硬件遥测和诊断。
- 当本地后端已就绪、不可用或需要关注时,显示清晰的状态消息。
- 应用更改前,可检查代码更改并运行检查。
下面的截图展示了应用加载 qwen2.5-coder:7b,并针对所选工作区返回真实响应。
CLI 安装
要求:
- Python 3.10 或更高版本。
- Git 位于
PATH中,以便执行工作区操作。 - Ollama 或兼容 OpenAI 的本地模型服务,用于实时推理。
安装 CLI 包:
pipx install local-coding-agent
或者从检出目录安装:
git clone https://github.com/pvnc228/local-coding-agent.git
cd local-coding-agent
python -m pip install -e .
检查安装情况:
local-agent doctor
local-agent test-run --mock
当输出将由其他工具使用时,在支持的命令中添加 --json。
连接其他 AI 编码 Agent
Local Coding Agent 可通过 MCP 或 Agent Skill 向其他 AI 编码环境提供其能力:
local-agent init-mcp --auto --write
local-agent init-skill --write
当客户端需要明确的命令时,手动启动 MCP 服务:
local-agent serve-mcp --workspace . --enable-tasks
客户端配置示例请参阅 docs/MCP_INTEGRATION.md,可复用的 Agent Skill 请参阅 skills/local-coding-agent/SKILL.md。
典型的编码请求
- 选择一个工作区和本地模型。
- 提出问题或描述你希望进行的更改。
- 在应用中检查建议的代码更改。
- 运行相关检查,确认无误后应用更改。
应用让工作流一目了然:你可以查看正在更改的内容、正在运行的检查,以及本地后端是否可用。提交、标签、推送和发布仍由你掌控。
CLI 命令
| 命令 | 用途 |
|---|---|
local-agent delegate | 将范围明确的编码任务交给本地模型。 |
local-agent decompose | 将较大的请求拆分为较小的编码任务。 |
local-agent apply | 应用经过审查的更改并运行检查。 |
local-agent chat | 运行提示词或持久聊天会话。 |
local-agent sessions | 列出或检查已保存的会话。 |
local-agent profiles | 检查已配置的模型配置。 |
local-agent memory | 检查模型内存和 VRAM 设置。 |
local-agent calibrate | 根据 VRAM 预算计算安全的工作进程范围。 |
local-agent benchmark | 运行本地编码基准测试。 |
local-agent doctor | 诊断 Python、Git、Ollama、RAM、VRAM 和模型。 |
local-agent monitor | 提供本地指标仪表板。 |
local-agent test-run --mock | 运行确定性的本地工作流检查。 |
示例:
local-agent chat "Explain what context_manager.py does"
local-agent chat --repl --session-id refactor-session
local-agent delegate --task task.json --model qwen2.5-coder:7b --json
local-agent apply --patch-file patch.diff --workspace . --file src/foo.py --check "pytest tests/"
local-agent monitor --port 8765
打开 http://127.0.0.1:8765/dashboard,查看队列负载、延迟、每秒令牌数和更改记录。
CLI 还提供一些预览功能界面,它们不属于稳定契约,可能会随时更改,恕不另行通知:ui/app、lsp、serve-acp、skeletonize、lint-patch、scan-models、spill-read 和 grep。稳定且经过测试的命令集为上表中的命令,以及 desktop、chat、serve-mcp、init-mcp 和 init-skill。
实测结果与局限性
已发布的数据来自一个包含 20 项任务的测试套件,因此应将其视为参考,而非定论:
- 在该测试套件中,
qwen3.8-27b-q4的正确率为 100.0%,95% Wilson 置信区间为 [83.9%, 100.0%];qwen3-8b-q6k的正确率为 90.0%,置信区间为 [69.9%, 97.2%]。区间较宽是因为样本量较小,并非舍入误差。 - 在此测试框架中,小模型可以处理单文件任务;跨文件协作(能力阶梯中的第 3 级)则需要宿主 Agent 先将任务分解为原子化任务包。
- 结果取决于模型和硬件。在依据任何数据前,请先使用
local-agent benchmark复现结果。
请参阅 docs/BENCHMARK.md,了解方法和完整数据表。
本地模型
模型配置文件描述提供商、模型、上下文窗口、生成限制和保持运行行为。Harness 可以发现已安装的 Ollama 模型和本地 GGUF 文件,而 CLI 会向脚本和集成提供相同的信息。
local-agent profiles list --json
local-agent memory status --json
文档
许可证
Local Coding Agent 根据 MIT License 发布。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。