用 Go 写的 MCP Agent 执行平台：把 Mac、Linux、手机上的 Agent 收进一个任务板
AI Agent 管理的困境
现在用 AI Agent 的人越来越多，但管理起来很麻烦：
- Claude Code 跑在 Mac 上
- Codex 跑在 Linux 服务器上
- Gemini CLI 跑在 Windows 上
- 还有几个垂直领域的 Agent 跑在 Docker 里
这些 Agent 各自为战，没法统一管理，没法共享工作空间，任务状态也没法同步。
想在手机上看看 Agent 在干什么，发现没法看。想让 Agent A 的结果传给 Agent B，发现做不到。想把 Agent 的工作积累成知识库，发现没这个功能。
Yao Agents 就是针对这个场景做的方案。
Yao Agents 是什么
| 项目 | 信息 |
|---|---|
| GitHub | YaoApp/yao |
| Star | 7.6K |
| 语言 | Go |
| 协议 | 未明确 |
| 定位 | MCP AI 执行平台 |
一句话：Yao Agents 是一个集中管理所有 Agent 和工作空间的平台。
核心特性：
- 跨设备管理：桌面、手机、浏览器、API，所有设备统一管理
- 工作空间隔离：每个工作空间独立，工作不混杂
- 任务板（Task Board）：对话变任务，任务变知识
- Open API：SSE + WebSocket，集成到你的应用
- 自托管：数据在你自己的设备上
- DeepSeek Harness 集成：直接在桌面或浏览器使用
所有 Agent 都跑在这个平台上，你可以在任何设备上管理它们。
核心概念
Workspaces（工作空间）
工作空间是 Yao Agents 的核心概念。
每个工作空间都是隔离的，不同项目、不同客户、不同用途可以放在不同的工作空间里。
工作空间里的内容会跨设备同步——在 Mac 上创建的工作空间，在手机上也能看到。Agent 在工作空间里积累的内容会变成你的知识库。
Experts（专家 Agent）
Yao Agents 里有 30+ 个 Expert（专家），每个 Expert 都有自己的专长：
- 代码专家
- 写作专家
- 数据分析专家
- 项目管理专家
- ……
可以把任务交给专家，专家会自动执行。
Task Board（任务板）
这是 Yao Agents 的亮点功能。
不用写代码，用对话就能创建任务。你说“帮我分析这个数据集”，它就变成一个任务出现在任务板上。
任务可以持续对话，越用越好用，最终变成一个专门为你工作的 Agent。
Robot Pipeline（5 阶段流水线）
Yao Agents 有一个 5 阶段的自主流水线：
- 理解需求：Agent 理解你要做什么
- 规划：Agent 制定执行计划
- 执行：Agent 执行任务
- 验证：Agent 验证结果
- 交付：Agent 交付结果
这条流水线是自动化的，你只需要启动，Agent 会自己跑完。
架构设计
Yao Agents 的架构分几层：
客户端（Desktop / Mobile / Web）
│
▼
Yao Server（Go, MCP Protocol）
Expert Manager / Task Board / Workspace Manager
│
▼
执行层（Docker Sandbox / Local Process / Remote Node）
客户端：桌面（Electron）、手机（Android/iOS）、Web，都通过 API 跟 Server 通信。
Yao Server：核心服务，Go 写的。管理 Expert、Task Board、Workspace。
执行层：Agent 实际运行的地方，可以是 Docker 沙箱、本地进程、远程节点。
实际使用场景
场景一：个人知识管理
你有多个项目，每个项目都有大量文档和代码。
用 Yao Agents：每个项目一个工作空间，Agent 帮你整理、总结、搜索。所有工作空间跨设备同步，在任何设备上都能访问。
场景二：团队协作
你的团队有多个人，每个人都有自己的 Agent。
用 Yao Agents：每个人有自己的工作空间，但可以共享。任务板让大家看到彼此的进度。Expert 可以复用，一个人配置好了，其他人直接用。
场景三：自动化工作流
你有重复性的工作，比如每天要处理数据、生成报告。
用 Yao Agents：配置一个 Expert，设置 Robot Pipeline，每天自动执行。任务板上能看到执行状态，结果自动积累成知识库。
场景四：跨设备协作
你在办公室用 Mac，在家用 Windows，出门用手机。
用 Yao Agents：所有设备上的 Agent 统一管理，工作空间跨设备同步。在 Mac 上创建的任务，手机上也能看到和继续。
快速开始
Yao Agents 提供多种安装方式。
桌面应用：从 yaoagents.com/download 下载桌面应用。
Docker：
docker run -d -p 5099:5099 yaoapp/yao
源码编译：
git clone https://github.com/YaoApp/yao.git
cd yao
go build
./yao
启动后访问 http://localhost:5099 就能使用。
技术亮点
MCP 协议支持
Yao Agents 基于 MCP（Model Context Protocol），这是一个标准化的 Agent 通信协议。
这意味着 Yao Agents 可以跟其他支持 MCP 的工具和 Agent 互操作。
Docker 沙箱隔离
Agent 执行任务时，跑在 Docker 沙箱里。这样即使 Agent 执行了危险操作，也不会影响你的系统。
BYOK（自带 Key）
你可以用自己的 API Key——OpenAI、Anthropic、DeepSeek 等。不用把 Key 交给别人，数据安全。
SSE + WebSocket
Open API 支持 SSE（Server-Sent Events）和 WebSocket，可以实时推送 Agent 的执行状态。
跟类似方案对比
| 维度 | Yao Agents | Compozy | Multica |
|---|---|---|---|
| 定位 | Agent 执行平台 | Agent 协作 OS | Agent 管理平台 |
| 跨设备 | 强 | 一般 | 一般 |
| 任务板 | 有 | 无 | 有 |
| 知识库 | 有 | 有 | 无 |
| MCP 支持 | 是 | 是 | 是 |
| 自托管 | 支持 | 支持 | 支持 |
| 桌面应用 | 有 | 无 | 无 |
Yao Agents 的优势在于跨设备管理 + 任务板 + 知识库。劣势是项目还比较新，文档不够完善。
局限性
项目还比较新。7.6K Star，社区不够大。
文档不够完善。很多功能需要看源码或问社区。
学习曲线。工作空间、Expert、Task Board、Robot Pipeline 这些概念要搞清楚需要时间。
资源消耗。跑多个 Agent 需要一定的计算资源。
适合你吗
Yao Agents 适合这些场景：
- 你有多个 Agent，需要统一管理
- 你需要跨设备访问 Agent 和工作空间
- 你想把 Agent 的工作积累成知识库
- 你想用任务板管理 Agent 的工作
如果你只是用一个 Agent，那 Yao Agents 可能太重了。
结语
Yao Agents 解决的是一个具体问题：AI Agent 太多，管理太乱。
它的思路是：用工作空间隔离不同项目，用任务板管理任务，用知识库积累工作成果，用跨设备同步让你随时随地访问。
Go 写的，MCP 协议，自托管。如果你在管理多个 Agent，可以从 GitHub 仓库 和 官方文档 入手看看。
参考链接：
- Yao Agents GitHub: https://github.com/YaoApp/yao
- 官网: https://yaoagents.com
- 文档: https://yaoagents.com/docs
- 桌面应用: https://yaoagents.com/download
推荐阅读