Omnigent开源元调度层 同时运行Claude Code和CodeX 支持交叉审查与团队协作

Omnigent是一个开源元调度层，可在同一会话中同时调度Claude Code、CodeX等Agent，支持交叉审查代码、跨设备同步和策略控制。内置技术总监Agent Polly可拆解任务并分派审查。目前处于alpha阶段，依赖Python 3.12+、Node 22和tmux。适合深度使用多种AI编程工具的开发者团队。

Tags:

• Agent调度
• 开源项目
• 多模型协作
• 代码审查
• AI编程工具

想调研一下，大家是不是同时在深度使用 Claude Code 和 CodeX 等其它 Agent 工具。

还是以一个为主，其余为辅啊？

我先盲猜大多数人会选一个为主。

因为自己配置的很多插件，Skill 、 MCP 等等都绑死一个上了，换工具还是有一些迁移成本的。

如果有一层上层建筑，能让你随时切换、甚至让 Claude Code 和 CodeX 互相审查对方的代码呢？

最近在 GitHub 上看到一个开源项目，正是这个方向。

还挺有意思的，它叫 Omnigent。

它给自己的定位很有意思：meta-harness，元调度层。

注意这个措辞。它要做跑在所有 Claude Code 们之上的那一层。

01

meta-harness 到底是什么意思

这个词需要拆开讲。

你平时用的 Claude Code、Codex、Cursor，本质上都是 harness。

一套把大模型包装成能干活 Agent的外壳，包含 prompt、工具调用、上下文管理、文件操作等等。

Omnigent 想做的是 meta-harness：一层跑在这些 harness 之上的调度系统。

开源地址：https://github.com/omnigent-ai/omnigent

打个比方：harness 是发动机，meta-harness 是底盘和方向盘。

你可以在同一辆车上换发动机，也可以同时装好几台发动机一起跑。

这听起来有点抽象，但落到具体场景里就清楚了。Omnigent 给出的是三个核心能力：

① 多 Agent 协同

同一个 session 里，你可以同时调度 Claude Code、Codex、Cursor、Pi。

你还可以让一个 Agent 去审查另一个 Agent 的工作。比如让 Claude Code 写代码，让 Codex 来 review。

② 跨设备无缝接力

一个 session 可以在终端里起头，切到浏览器继续，然后在手机上收尾。

消息、子 Agent、终端、文件全程同步。

在路上、或者想躺在床上盯 Agent 进度的人，是个真实的需求。

③ 可控可治理

内置一套策略系统（policies）。

你可以在危险操作前让它停下来问你、设花费上限、限制它能用哪些工具。

三层策略：server 级、agent 级、session 级，可以叠加。

02

Polly 技术总监 Agent

有一个内置的 Agent 叫 Polly，🐙 章鱼是它的形象。

她自己一行代码都不写。是一个技术总监角色。她的工作流是这样的：

① 制定计划：理解你要做什么，拆解任务

② 并行分派：把子任务分给多个写代码的子 Agent（Claude Code、Codex、Pi），每个子 Agent 在独立的 git worktree 里干活，互不干扰

③ 交叉审查：把每个子 Agent 产出的 diff，路由给来自不同厂商的审查者。

也就是说，Claude Code 写的代码让 CodeX 来 review，反之亦然

④ 你来 merge：审查完的 diff 摆在你面前，你拍板

这一步交叉审查是关键。

因为每个模型都有自己的盲区。Claude 可能在某些模式上稳定但缺想象力，GPT 可能更激进但容易出 corner case。

让它们互相挑刺，比单押一家要稳得多。

这其实就是工程团队里早就有的实践，cross-review。Omnigent 把它搬到了 Agent 之间。

顺带一提，仓库里还有另一个例子叫 Debby，🟠🔵 两个脑袋。

它是一个双头脑暴伙伴：你问的每个问题，同时发给 Claude 和 GPT，两份答案并排展示。

输入 /debate，两个脑袋会互相 critique 几轮，最后收敛出一个答案。

这种用法以前得自己拿 API 拼出来，现在一个命令就能跑。

03

如何上手

安装是一行命令：

curl -fsSL https://omnigent.ai/install.sh | sh

启动也很直接：

omnigent claude           # 跑 Claude Code，但 session 可以分享给团队omnigent codex            # 跑 Codexomnigent run examples/polly/   # 直接跑那个"技术总监"Agent

最让我觉得设计得聪明的地方是：自己写一个 Agent，就是一个短 YAML 文件。

name: my_agentprompt: You are a helpful data analyst.executor:  harness: claude-sdk      # 也可以换成 codex、cursor、pi、openai-agents...tools:  word_count:    type: function    callable: mypackage.mymodule.word_count  researcher:    type: agent    prompt: Search for relevant information and summarize it.    tools:      word_count: inherit

一个文件里可以声明工具、子 Agent、审查者。harness 字段让你一行就能换底层引擎。

甚至还有更离谱的，Agent 可以帮你写 Agent。

你在任何 Omnigent session 里描述你想要的 Agent，它会直接帮你生成这个 YAML 文件。

04

实时协助

如果你是一个人在用，上面这些就够了。但 Omnigent 显然也在认真做团队和云端场景。

实时协作有三种模式：

① Share session：分享一个链接，队友可以实时看你 Agent 在干什么，也能插话

② Co-drive：队友搭车到你的 session，他的消息会在你的机器上执行。适合 pair programming 或者中途把键盘交给领域专家

③ Fork：克隆一个对话到自己机器，从分叉点独立继续

对了，目前它还在 alpha 阶段。

别拿它跑生产关键链路。

其次，依赖有点重：Python 3.12+、Node 22、tmux 是必须的。

Linux 上还需要 bubblewrap 做沙箱（macOS 用系统自带的 seatbelt）。

环境配置不复杂，但不是零依赖。

05
点击下方卡片，关注逛逛 GitHub
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：