collab-agent README

The project's README from github.com/Iwtbs27/collab-agent. As one markdown file: README.md.

OmniAct

一个 Agent，跨越每个数字环境。
One agent. Every digital environment.

English · 简体中文

OmniAct 是一个轻量级的跨环境通用行动 Agent，帮助用户在浏览器、桌面应用和 CLI 之间完成真实的数字工作。

MIT License Python 3.11 早期开发

为什么是 OmniAct

很多 Agent 在单一环境中表现出色：Coding Agent 在代码仓库中工作，Browser Agent 在网页中工作，Desktop Agent 在应用中工作。但真实的数字任务经常跨越这些环境。

OmniAct 围绕这个边界设计：

工作方式

用户目标
   |
   v
TeamLeader
   |
   +-- Browser Worker  -> 浏览器观测与产物
   +-- CLI Worker      -> Codex 会话与文件产物
   +-- Desktop Worker  -> Windows 应用操作与产物
   |
   v
任务结果、执行轨迹和最终交付物

TeamLeader 负责整体任务，只派发边界清晰的子任务。每个 Worker 负责自己的执行环境，并将交接内容写入任务目录。Worker 不需要共享内部状态，也不直接依赖其他 Worker。

任务目录让协作过程透明可检查：

tasks/<task-id>/
├─ task.md
├─ trace.jsonl
├─ trajectory.md
├─ workers/
│  └─ <worker-name>/
│     ├─ request.md
│     ├─ result.md
│     └─ artifacts/
└─ final/
   └─ result.md

快速开始

环境要求

安装

conda create -n omniact python=3.11
conda activate omniact
python -m pip install -r requirements.txt
Copy-Item .env.example .env

配置

在 .env 中填写模型服务配置：

TEAM_LEADER_API_KEY=
TEAM_LEADER_BASE_URL=
TEAM_LEADER_MODEL=

BROWSER_WORKER_API_KEY=
BROWSER_WORKER_BASE_URL=
BROWSER_WORKER_MODEL=
BROWSER_WORKER_SESSION_MODE=inherited

# 可选：Windows Desktop Worker
DESKTOP_WORKER_ENABLED=false
DESKTOP_WORKER_API_KEY=
DESKTOP_WORKER_BASE_URL=
DESKTOP_WORKER_MODEL=
DESKTOP_WORKER_MAX_STEPS=50

# 可选：Codex CLI Worker
CLI_WORKER_ENABLED=false
CODEX_EXECUTABLE=codex.cmd
CODEX_SANDBOX=workspace-write
CLI_WORKER_WORKING_DIRECTORY=
CLI_WORKER_MAX_TURNS=3

BROWSER_WORKER_SESSION_MODE 支持 inherited 和 clean。inherited 会将当前 Edge Profile 复制到隔离的 Worker 浏览器中，复用登录态但不会接管用户正在使用的浏览器窗口。

运行

在项目根目录执行：

python examples\run_team_leader.py

Worker 暂停等待人工接管时，示例程序支持：

takeover <worker-id>
resume <worker-id>
cancel <worker-id>

运行产物会写入 tasks/<task-id>/，其中包含任务说明、Worker 请求与结果、截图、文件产物和可读的执行轨迹。

验证

python -m compileall -q src tests examples
python -B -m unittest discover -s tests -v

Roadmap

开源说明

OmniAct 仍在积极开发中。公开仓库保持运行时核心聚焦于任务编排、Worker 边界、任务产物和可读执行轨迹；更大的产品界面会在执行流程稳定后逐步加入。

项目包含经过修改的开源组件，相关署名和许可证信息请查看 THIRD_PARTY_NOTICES.md。

许可证

OmniAct 使用 MIT License 发布。

collab-agent (Iwtbs27/collab-agent)

Searching Database…

479 ·GitHub
Collab-agent
这是什么？OmniAct（仓库名为 collab-agent）是一个轻量级多智能体系统，帮助你跨浏览器、桌面应用和命令行完成真实的数字化任务。
这是单个智能体还是一组智能体？它是一个编排系统：TeamLeader 智能体决定是亲自处理任务，还是交给专门的 Browser、CLI 或 Desktop Worker 智能体，每个 Worker 都维持着适合自身环境的「观察—行动」循环。
怎么让它跑起来？配置好 Conda/Python 3.11 环境，在 .env 文件里填写模型服务设置，然后从项目根目录启动自带脚本。
运行之前需要 API 密钥或额外软件吗？需要：一台装有 Microsoft Edge 的 Windows 电脑、Conda 或其他 Python 环境管理器、Python 3.11、一个供 TeamLeader 工具调用和 Browser Worker 视觉使用的 OpenAI 兼容端点；如果想使用 CLI Worker，还需要 Codex CLI。
现在能当作成品直接用吗？还不能——它只能在装有 Microsoft Edge 的 Windows 上运行，公开仓库仍在积极开发中，目前只提供核心编排引擎，没有完整的产品界面。
TeamLeader 智能体实际做什么？它负责整个任务，只把边界清晰的子任务委派给专门的 Worker；对于简单的工作，它也可以直接推理并作答，而不拆分任务。
Worker 卡住时人类能介入吗？可以，Worker 可以暂停并把控制权交给人类；项目路线图也明确指出要改进人类接管或部分失败后的恢复可靠性。
在哪里查看任务结果？所有内容都会落在 tasks/ 下每个任务各自的文件夹里，包括任务描述、Worker 请求和结果、截图、文件产物以及可读的执行轨迹。
为什么 CLI Worker 特别需要 Codex CLI？CLI Worker 通过 Codex CLI 驱动可恢复的命令行会话，这是项目目前集成的 CLI 后端。
What are similar projects?magentic-ui, hive, midscene, typesafe-computer-use, Codex-Minecraft-Gameplay, oh-my-subagents, relay, agent-desktop
Which topics is it in?computer-use-agent, browser-use, desktop-automation, human-in-the-loop, computer-use, multi-agent-systems, browser-automation, openai-compatible, orchestration, agent-orchestration, multi-agent, agents
Creator
Iwtbs27
Size
65.8 MB
Stars
479
Updated
CommitAug 31
Age
1mo
Commits · 90 Days