🐝 后续：Hive

MCO 的"一条 prompt 调度多个 agent"的思路，现在在 Hive 里走得更远——浏览器里的多 agent 协作工作台，带稳定 agent 身份、共享任务图、一键重启全队。

想找多 CLI 协作工具，从 Hive 开始 （npm i -g @tt-a1i/hive）。MCO 当前用户仍可继续使用。

---

MCO

MCO — 编排 AI 编程 Agent。任意提示词，任意 Agent，任意 IDE。

MCO 为你的主 Agent 配备一支 Agent 团队：同时调度 Claude、Codex、Gemini、OpenCode、Qwen，并行执行任务、审查结果、汇总共识。

English | 简体中文

Claude Code	Gemini CLI	Codex CLI	OpenCode	Qwen Code	OpenClaw 🦞
claude	gemini	codex	opencode	qwen	openclaw

AI 编程 Agent 已经是开发者的标配工具。但一个 Agent 只是一个视角。

像 Tech Lead 一样工作：把同一个任务分配给多个 Agent 并行执行，比较结果后再决策。

一条命令，五个 Agent 同时干活。

与 OpenClaw 配合使用

你的机器上运行着 OpenClaw？它可以直接使用 MCO 作为多 Agent 编排后端。只需告诉 OpenClaw 你的需求：

"用 mco 对这个仓库做安全审查，使用 Claude、Codex 和 Gemini，汇总结果。"

OpenClaw 读取 mco -h，学会 CLI 接口，自主编排整个多 Agent 工作流。你的本地电脑变成一个多 Agent 审查团队 — OpenClaw 是管理者，MCO 是调度器，Claude/Codex/Gemini/OpenCode/Qwen 是团队成员。

同样适用于 Claude Code、Cursor、Trae、Copilot、Windsurf，或任何能执行 shell 命令的 Agent。

MCO 是什么

MCO（Multi-CLI Orchestrator）是一个中立的 AI 编程 Agent 编排层。它将提示词并行分发给多个 Agent CLI，汇总执行结果，返回结构化输出 — JSON、SARIF 或 PR Markdown 报告。不绑定任何厂商，不改变你的工作流。

以 OpenClaw 为代表的多 Agent 热潮正在重塑开发者工作流 — Claude Code、Codex CLI、Gemini CLI 等工具已全面可用。MCO 更进一步：不依赖单一 Agent，而是编排一整个团队。

MCO 设计为被任意编排方 Agent 或 AI IDE 调用 — Claude Code、Cursor、Trae、Copilot、Windsurf 或 OpenClaw。调用方 Agent 自行组织上下文、分配任务，通过 MCO 将工作并行扇出到多个 Agent。例如，运行在你电脑上的 OpenClaw 可以调用 mco review，将代码审查同时分发给 Claude、Codex 和 Gemini — 一条命令就把本地环境变成多 Agent 审查团队。Agent 之间也可以互相调度：Claude Code 可以通过 MCO 分发任务给 Codex 和 Gemini，反之亦然。

一个 Agent 是工具，五个 Agent 是团队

没有任何一个 AI 模型能看到所有问题。每个模型有各自的训练数据、推理风格和盲区。只用一个 Agent，就像团队里有五个工程师却只问其中一个的意见。

MCO 把这变成团队工作流：

1. 分配任务 — 你给 MCO 一个任务和一组 Agent。就像 Tech Lead 把同一份代码审查分配给五个团队成员。
2. 并行执行 — 所有 Agent 同时工作，总耗时 ≈ 最慢的那个，而不是所有人的总和。
3. 审查去重 — MCO 收集每个 Agent 的发现，跨 Agent 自动去重相同问题，追踪哪些 Agent 发现了什么（detected_by）。
4. 汇总共识 — 可选地，让一个 Agent 汇总全部结果：大家达成了哪些共识，在哪些地方存在分歧，下一步该做什么。

实际使用中，不同 Agent 发现不同的问题：

• 一个 Agent 发现了异步代码中的竞态条件，却忽略了 ORM 层的 SQL 注入。
• 另一个立刻定位了注入问题，却完全没注意到竞态条件。
• 第三个两个都没发现，但找到了资源清理路径中一个隐蔽的内存泄漏，而前两个对此毫无察觉。

这不是假设 — 不同模型确实擅长不同的事。有的长于安全分析，有的擅长逻辑流，有的对性能模式更敏感。并行跑 3–5 个 Agent 审查同一份代码，你得到的是视角的并集而非交集。结果比你挑任何单一 Agent 都更全面。

这个原则不限于代码审查：

• 架构分析 — 不同 Agent 暴露不同的设计风险和取舍
• Bug 排查 — 更广的代码路径和边界条件覆盖
• 重构评估 — 多视角评判变更的影响范围和安全性

问题不是"哪个 AI Agent 最好" — 而是"为什么只用一个？"

核心特性

• 并行扇出 — 同时分发到多个 Agent，wait-all 语义
• 任意 IDE，任意 Agent — 在 Claude Code、Cursor、Trae、Copilot、Windsurf 或命令行中使用
• Agent 互相调度 — Agent 之间可以通过 MCO 互相分发任务
• 双模式 — mco review 结构化代码审查，mco run 通用任务执行
• 跨 Agent 发现去重 — 多个 Agent 发现的相同问题自动合并，保留 detected_by 来源追踪
• 共识引擎 — 合并后的 finding 会得到 consensus_score = agreement_ratio × max_confidence，并标记为 confirmed / needs-verification / unverified
• LLM 共识总结 — --synthesize 额外执行一轮总结，输出跨 Agent 的共识/分歧摘要
• 实时终端流模式 — --stream live 提供面向 TTY 的实时终端渲染；--stream jsonl 继续服务自动化消费者
• 辩论模式 — --debate 在合并 finding 后追加第二轮 challenge/refine 辩论
• 分工模式 — --divide files|dimensions 支持按文件或按审查维度拆分任务，同时复用现有合并 + 共识流程
• CI/CD 集成 — --format sarif 对接 GitHub Code Scanning，--format markdown-pr 生成 PR 评论
• 环境健康检查 — mco doctor 探测所有 provider 的二进制、版本和认证状态
• Token 用量追踪 — --include-token-usage 可选输出各 Agent 和汇总的 token 消耗
• 进度驱动超时 — Agent 自由跑完，仅在长时间无输出时取消
• 自定义 Agent 注册 — 通过 .mco/agents.yaml、.mcorc.yaml 或 ~/.mco/agents.yaml 注册 shim / ACP / Ollama Agent，并可用 mco agent list / mco agent check 检查
• 可扩展适配器 — 统一接口适配任意 CLI Agent，不限于内置 provider
• 机器可读输出 — JSON、SARIF 或 Markdown 输出，便于下游自动化

v0.9 新增内容

• 共识引擎升级 — review 合并不再只是去重；每个 finding 现在都有：
  • agreement_ratio = detected_by_count / total_providers_ran
  • consensus_score = agreement_ratio × max_confidence
  • consensus_level = confirmed | needs-verification | unverified
• 实时终端模式 — --stream live 为交互式终端提供实时进度视图，同时保留 --stream jsonl。
• 辩论模式 — --debate 让多个 Agent 在最终输出前对合并后的 finding 再做一轮质疑或补充。
• 分工模式 — --divide files 按文件分片；--divide dimensions 按安全、性能、可维护性、正确性、错误处理五类维度自动分工。
• 自定义 Agent 注册表 — 支持从 .mco/agents.yaml / ~/.mco/agents.yaml 发现自定义 Agent，包括 Ollama 本地模型。

内置 Provider

Provider	CLI	状态
Claude Code	claude	已支持
Codex CLI	codex	已支持
Gemini CLI	gemini	已支持
OpenCode	opencode	已支持
Qwen Code	qwen	已支持

适配器架构可扩展 — 添加新的 Agent CLI 只需实现三个钩子：认证检查、命令构建、输出标准化。

使用场景

场景	命令	效果
PR 代码审查	mco review --format markdown-pr	多个 Agent 并行审查，输出 PR 评论
CI 安全扫描	mco review --format sarif	结果直接上传 GitHub Code Scanning
架构分析	mco run --providers claude,gemini,qwen	多视角架构评估
部署前健康检查	mco doctor --json	确认所有 Agent 已安装且已认证
共识决策	mco review --synthesize	汇总 Agent 共识、标注分歧
辩论复核	mco review --debate --providers claude,codex,gemini	在最终输出前再做一轮 challenge/refine
文件分工审查	mco review --divide files	按文件大小优先、均衡分配到不同 provider
维度分工审查	mco review --divide dimensions	每个 provider 聚焦一个审查维度
实时 JSONL 流	mco review --stream jsonl	provider 执行过程中输出 JSONL 事件流
实时终端流	mco review --stream live	交互式终端中的实时人类可读进度视图
查看 Agent 注册表	mco agent list	列出内置 + 自定义 Agent
检查单个 Agent	mco agent check my-ollama	验证某个自定义 Agent 或 Ollama 包装器

注意：--debate 与 --divide 互斥，不能同时使用。

辩论模式完整示例：

mco review \
  --repo . \
  --prompt "审查这个 PR，并在最终排序前质疑证据不足的 finding。" \
  --providers claude,codex,gemini \
  --debate

分工模式完整示例：

mco review \
  --repo . \
  --prompt "审查这个 PR 的正确性和性能问题。" \
  --providers claude,codex,gemini \
  --divide dimensions

快速开始

通过 npm 安装（需要系统有 Python 3）：

npm i -g @tt-a1i/mco

或从源码安装：

git clone https://github.com/mco-org/mco.git
cd mco
python3 -m pip install -e .

运行第一次多 Agent 审查：

mco review \
  --repo . \
  --prompt "Review this repository for high-risk bugs and security issues." \
  --providers claude,codex,qwen

Agent 友好的 CLI

MCO 的 CLI 完全自描述。运行 mco -h 或 mco review -h 即可看到分组参数、默认值和用法示例 — 全在终端里。这意味着任何能执行 shell 命令的 AI Agent 都可以通过阅读帮助输出自主学会使用 MCO，无需文档，无需预训练。

实际使用中，你只需要告诉 IDE 里的 Agent 你想要什么：

"用 mco 把安全审查分发给 Claude 和 Codex，性能分析分发给 Gemini 和 Qwen — 并行执行。"

Agent 读取 mco -h，理解参数，组装命令，自主编排整个流程。你描述意图，Agent 处理剩下的一切。

使用方式

Review 模式

结构化代码审查，输出标准化的 findings（含严重级别、分类、证据、建议）。

mco review \
  --repo . \
  --prompt "Review for security vulnerabilities and performance issues." \
  --providers claude,codex,gemini,opencode,qwen \
  --json

Run 模式

通用多 Agent 任务执行，不强制输出格式，provider 自由完成任务。

mco run \
  --repo . \
  --prompt "Summarize the architecture of this project." \
  --providers claude,codex \
  --json

Doctor

在执行任务前检查所有 Agent 的安装、可达性和认证状态：

mco doctor
mco doctor --json

输出格式（Review 模式）

格式	参数	用途
人类可读报告	--format report（默认）	终端阅读
PR Markdown	--format markdown-pr	作为 GitHub PR 评论发布
SARIF 2.1.0	--format sarif	上传到 GitHub Code Scanning
机器可读 JSON	--json	下游自动化

共识引擎

MCO v0.9 将 review 合并从“简单去重”升级为“共识分析”：

• agreement_ratio = detected_by_count / total_providers_ran
• consensus_score = agreement_ratio × max_confidence
• consensus_level = confirmed | needs-verification | unverified

三个等级的含义：

• confirmed — 至少 50% 的 provider 报告了该 finding
• needs-verification — 有 2 个及以上 provider 报告，但同意比例低于 50%
• unverified — 仅有 1 个 provider 报告

这些信息会统一进入输出层：

• JSON — 每个 finding 都带 consensus_score 与 consensus_level
• SARIF — confidence 取自 consensus_score
• Markdown — 按共识等级分组展示
• Chain 模式 — confirmed 会显示成 confirmed-by

Review 协作模式

模式	参数	行为
并行	默认	所有 provider 审查同一份范围
Chain	--chain	顺序执行，后一个 provider 看到前一个的分析
Debate	--debate	对合并后的 finding 再做一轮 challenge/refine
文件分工	--divide files	按文件切片分工，大文件优先后轮转分配
维度分工	--divide dimensions	文件范围不变，但每个 provider 负责不同审查维度

--divide 与 --chain、--debate 互斥。

结果模式

模式	行为
--result-mode stdout	完整结果输出到 stdout，不写产物文件（默认）
--result-mode artifact	写产物文件，输出摘要
--result-mode both	既写产物又输出完整结果

使用 --save-artifacts 可在保持 stdout 返回的同时写入产物。

路径约束

限制 agent 可访问的文件范围：

mco run \
  --repo . \
  --prompt "Analyze the adapter layer." \
  --providers claude,codex \
  --allow-paths runtime,scripts \
  --target-paths runtime/adapters \
  --enforcement-mode strict

默认值与参数覆盖

MCO 默认零配置可用。直接运行即可，按需通过命令行参数覆盖行为。

关键运行参数

参数	默认值	说明
--providers	claude,codex	逗号分隔 provider 列表
--stall-timeout	900	无输出进展超过此时间才取消（秒）
--review-hard-timeout	1800	review 模式硬截止；0 = 禁用
--max-provider-parallelism	0	0 = 选中 provider 全并行
--enforcement-mode	strict	权限不满足时 fail-closed
--strict-contract	关闭	强制 findings JSON 契约（review 模式）
--format	report	输出格式：report、markdown-pr、sarif（后两者仅 review 模式）
--include-token-usage	关闭	各 provider 和汇总 token 用量（best-effort）
--synthesize	关闭	额外执行一轮 LLM 总结，输出共识/分歧摘要
--synth-provider	claude	执行总结的 provider
--provider-timeouts	未设置	provider 级 stall timeout 覆盖（provider=seconds）
--provider-permissions-json	未设置	provider 权限映射 JSON（见下方）
--save-artifacts	关闭	在默认 stdout 模式下同时写入产物
--task-id	自动生成	稳定的任务标识符，用于产物路径
--artifact-base	reports/review	产物输出基础目录
--diff	关闭	仅审查相对主分支 merge-base 的变更
--staged	关闭	仅审查 git staged 变更
--unstaged	关闭	仅审查未暂存变更
--diff-base	自动	分支 diff 的 Git 基线（例如 origin/main、HEAD~3）
--stream	关闭	jsonl 输出机器可读事件流，live 输出实时终端视图
--transport	shim	shim（stdout 解析）或 acp（Agent Client Protocol JSON-RPC）
--agent	未设置	临时自定义 ACP Agent：--agent NAME "command"，可与 shim 或 acp transport 一起使用
--file	未设置	从文件读取 prompt，或用 - 从 stdin 读取
--quiet	关闭	仅输出最终文本，不带标题和格式；与 --json/--stream 互斥
--chain	关闭	顺序执行 provider，把前序输出传给后序
--debate	关闭	合并后再做一轮辩论复核
--divide	关闭	files 或 dimensions 分工模式
--perspectives-json	未设置	按 provider 指定 review 视角 JSON

默认 provider 权限：

Provider	权限 Key	默认值
claude	permission_mode	plan
codex	sandbox	workspace-write

示例：

mco review \
  --repo . \
  --prompt "Review for bugs." \
  --providers claude,codex,qwen \
  --save-artifacts \
  --stall-timeout 900 \
  --review-hard-timeout 1800 \
  --max-provider-parallelism 0 \
  --provider-timeouts qwen=900,codex=900

运行 mco review --help 查看完整参数列表。

自定义 Agent

配置文件按以下优先级加载：

1. .mco/agents.yaml（项目级）
2. .mcorc.yaml（项目根目录）
3. ~/.mco/agents.yaml（全局）

查看当前可见的 Agent：

mco agent list
mco agent check my-ollama

示例 .mco/agents.yaml：

agents:
  - name: my-acp-agent
    transport: acp
    command: my-agent --acp
    permission_keys: [sandbox]

  - name: my-shim-agent
    transport: shim
    command: my-review-bot --json

  - name: my-ollama
    model: qwen2.5-coder:14b

说明：

• transport: acp 注册自定义 ACP Agent
• transport: shim 注册基于命令行的 shim Agent
• model: ... 会自动注册一个基于 Ollama 的本地模型 Agent

这意味着你可以把本地 Ollama 模型和 Claude、Codex、Gemini、OpenCode、Qwen 一起放进同一条 mco review / mco run 工作流里。

退出码

退出码	含义
0	成功
2	FAIL / 输入 / 配置 / 运行时错误
3	INCONCLUSIVE（仅 review 模式，启用 --strict-contract 时）

工作原理

You (Tech Lead)
     │
     ▼
  mco review / mco run
     │
     ├─→ Claude Code  ──┐
     ├─→ Codex CLI      │
     ├─→ Gemini CLI     ├─→ 共识引擎 → Debate / Synthesize → 输出
     ├─→ OpenCode       │
     └─→ Qwen Code   ───┘
                              │
                    ┌─────────┼─────────┐
                    ▼         ▼         ▼
                  JSON    SARIF    Markdown-PR
               (stdout)  (CI/CD)  (PR 评论)

调用方 Agent（或用户）传入提示词和 provider 列表调用 mco，MCO 并行扇出到所有选中的 Agent，等待全部完成。

每个 provider 通过统一的适配器契约作为独立子进程运行：

1. Detect — 检测二进制文件和认证状态
2. Run — 启动 CLI 进程，传入提示词，捕获 stdout/stderr
3. Poll — 监控进程状态 + 输出字节增长，判断活跃度
4. Cancel — stall timeout 或硬截止时 SIGTERM/SIGKILL
5. Normalize — 从原始输出中提取结构化 findings

执行模型是 wait-all：单个 provider 超时或失败不会中断其他 provider。

重试与容错

• 瞬态错误（超时、限流、网络抖动）自动重试，指数退避（默认重试 1 次）。
• 单个 provider 失败不影响其他 provider。
• 每次调用都会真实执行 provider 并返回新输出（不复用结果缓存）。

在 Claude Code 内运行

MCO 在启动 provider 子进程前会自动清理 CLAUDECODE 环境变量，可以安全地在 Claude Code 会话中运行 mco。

产物结构

当启用产物写入（--save-artifacts 或 --result-mode artifact/both）时，会生成：

reports/review/<task_id>/
  summary.md          # 人类可读摘要
  decision.md         # PASS / FAIL / ESCALATE / PARTIAL
  findings.json       # 聚合后的标准化 findings（review 模式）
  run.json            # 机器可读执行元数据
  providers/          # 各 provider 结果 JSON
  raw/                # 原始 stdout/stderr 日志

许可证

MIT — 见 LICENSE