Agenvoy
最後更新
你的私有本地 AI Agent —— 24 小時跑在你自己的電腦上
不是別人雲端上的虛擬機 —— Agenvoy 以 daemon 常駐在你的電腦,記憶、排程、工具與憑證都留在你自己的硬碟。
一句話說出需求,它自動打造工具、在沙箱測試,並與 Claude Code、Codex 及任何 MCP agent 共享;這一切都來自單一 Go 執行檔。
NoteAgenvoy 目前處於檢查與整理期,逐檔進度請見優化進度。
快速開始
- 安裝(macOS/Linux;Windows 請在 WSL 裡執行,見下方):
- curl -fsSL https://agenvoy.com/scripts/install.sh | bash
安裝完成會自動開啟 TUI 並啟動 daemon;之後要再開啟,執行agen。 - 加入模型 —— 輸入
/model add,用既有的訂閱(Copilot、ChatGPT、Claude)登入,或貼上 API key。
接著直接提問即可。第一次用?五分鐘從 Copilot 登入到第一個回答。
Windows(透過 WSL)
請先以系統管理員身分開啟 PowerShell,查看並安裝一個 Linux 發行版:
- wsl --online --list
- wsl --install <發行版名稱>
完成安裝、重新開機並進入 WSL 終端機後,執行上方的安裝指令。
macOS 提示:若使用 MacBook 執行排程,建議額外執行 sudo pmset -c sleep 0,避免電腦休眠而中斷排程。實際對話長這樣
- ❯ 台北現在天氣如何?
- ⏺ 先查有沒有現成的天氣工具,再取得目前天氣。
- Ran 2 tool calls
- ⏺ 台北目前 28°C,多雲,濕度 72%。
- 東北風,風速每小時 12 公里。
- ⎿ 3.2s(41.5t/s) ↑ 21.4K(11%) ↓ 133 08:12
- ❯ 每天早上 8 點在 Telegram 回報台積電股價
- ⏺ 載入股價工具,並建立每天 08:00 的排程。
- Ran 3 tool calls
- ⏺ 完成。已排程每天 08:00 — 結果推送到 Telegram。
- ⎿ 5.8s(36.2t/s) ↑ 34.0K(17%) ↓ 210 08:13
第一個請求找到既有的腳本工具,以即時資料回答;第二個請求把工具綁上 cron 排程,結果推送到 Telegram。
台灣自研 AI Agent Harness
Agenvoy 是由邱敬幃開發的台灣自研 AI Agent Harness,將對話轉化為在你的電腦上實際完成的工作。它在同一套流程中協調模型、工作脈絡、工具、即時資料、任務路由、記憶、排程與執行,同時讓檔案與環境的控制權留在你手上。透過 Web 介面,Agenvoy 也支援免持語音互動,包括自然說話、喚醒詞與可打斷的語音回覆;完整結果則會保留在聊天內容中。
為什麼選擇 Agenvoy
聊天能給答案,工作需要成果。Agenvoy 在你的個人電腦上把請求拆成步驟、呼叫工具並交付結果;檔案、工具、排程與工作脈絡始終由你掌控。
- 把對話變成可交付的工作 — 從查即時資料、整理檔案到執行多步驟任務,Agent 會實際動手並回報結果。
- 能力不足時自己補上 — 先找免金鑰的公開 API 直接呼叫;找不到合適的,才建立、測試並保存新工具,下一次直接重用。
- 一套工具供所有 Agent 使用 — Agenvoy、Claude Code、Codex 等 Agent 可共用同一套沙箱工具庫,不必重複建立。
- 讓自動化持續運作 — 一句話建立排程,定期工作可在你的環境中執行並推送結果。
- 每一步都看得見、控得住 — 命令輸出同步顯示於 TUI 與 Web 儀表板;敏感路徑與受限操作仍須確認。
- 模型與外部服務可自由整合 — 依任務路由模型,支援圖片、STT、TTS、stdio/HTTP MCP 與 OAuth。
- 從任何地方私下存取 — Telegram 與 Discord 由本機 daemon 主動連線,不必公開主機或開放入站連接埠。
把你的密鑰與資料留在本地
Meta Muse、OpenAI dots 與 Grok Bot 都把你的 agent 放在廠商營運的雲端虛擬機上,連同你的登入狀態一起。Agenvoy 跑在你本來就有的電腦上,什麼可以離開這台機器,由你決定。
| 保證 | 說明 |
|---|---|
| 資料在你的硬碟 | 對話、記憶與排程存在 ~/.config/agenvoy 下的 SQLite。不需要 Agenvoy 帳號,也沒有雲端副本 |
| 憑證在你的 keychain | API key 與 OAuth token 存放在作業系統 keychain,只由本機 daemon 使用;工具輸出中的密鑰在進入模型或 log 前先遮蓋 |
| 預設沙箱執行 | 指令在 macOS 的 sandbox-exec 或 Linux 的 bwrap 中執行,預設禁網,需要連線時逐次由你確認;管理端點只回應 localhost |
| 模型由你選 | 使用你信任的供應商,或接上 Ollama、LM Studio,讓提示內容完全不離開你的電腦 |
你可以用它做什麼
問即時問題,拿到即時答案(Web Search/Tool Generate)
台北現在天氣如何?
Agent 會找即時資料、呼叫工具,再整理成答案回覆你。
如果缺工具,它會呼叫公開 API,或自己建立。
不用等外掛 —— 它自己打造工具
沒有工具符合即時資料需求時,agent 會先直接呼叫免金鑰的公開 API;沒有合適的,或你自己的 API 需要金鑰時,才撰寫腳本工具、在沙箱測試,並保存給所有 agent 重複使用。無需寫程式。
flowchart LR A[偵測缺口] --> B[尋找 API] B -->|有合適的| D[呼叫與共享] B -->|沒有合適的或需要金鑰| C[撰寫與測試] C --> D
- flowchart LR
- A[偵測缺口] --> B[尋找 API]
- B -->|有合適的| D[呼叫與共享]
- B -->|沒有合適的或需要金鑰| C[撰寫與測試]
- C --> D
讓其他 Agent 也能自己打造工具(MCP Server)
Agenvoy 也是一個 MCP server,這個能力不只給自己用。Claude Code、Codex、OpenCode 與其他 AI Agent 連上後,可以:
- 使用你所有的沙箱工具
- 在缺工具時自動建立新工具
- 讓所有 Agent 共用同一套工具
一行設定,即時共享工具庫。影片中建立的工具:
fetch_weather · fetch_crypto_price單一 Go 執行檔,滿足所有需求
OpenClaw、Hermes Agent、DeepSeek Harness 與 pi 是 TypeScript 或 Python 專案;Agenvoy 的核心是單一 Go 執行檔,以自動生成工具與內建 MCP 伺服器為中心。
| 能力 | 內容 |
|---|---|
| 自動生成工具 | 先呼叫公開 API,找不到合適的才撰寫、沙箱測試並註冊工具 |
| MCP 伺服器與客戶端 | 把每個沙箱工具分享給 Claude Code、Codex 及任何 MCP 客戶端;以 stdio 或 HTTP 連接外部 MCP 服務,工具清單即時刷新並支援 OAuth |
| 多模型調度 | 11 家供應商共用統一介面,另可接任何 OpenAI 相容端點;每個任務路由到最適合的模型 |
| 排程器 | 一句話建立綁定 skill 的一次性或 cron 任務 |
| 三層記憶 | Context window、語意向量搜尋與全文 SQLite 封存;工具失敗與其解法跨 session 保留 |
| 沙箱執行 | 每一條指令與腳本都在 OS 原生沙箱中執行 —— Linux 用 bubblewrap、macOS 用 sandbox-exec |
| Skill 與子代理 | 可載入的 markdown 指令包與多 Agent 協作,完成多步驟工作 |
| 自我修正 | 工具失敗時重寫並重試;工具動過的每個檔案都有版本,可還原單一版本或整個任務 |
| 即時語音 | Web 儀表板透過 Gemini Live 即時語音對話,可在它說話中途插話打斷 |
| 即時輸出與豐富顯示 | 命令進度串流至 TUI 與 Web 儀表板;Web 對話渲染圖表、Mermaid 圖、數學公式與程式碼高亮 |
| 密鑰遮罩 | 工具輸出中的金鑰與 token 在進入模型或 log 前先遮蓋 |
| 語音轉錄與圖片 | 音訊與影片轉文字;透過已設定的 provider 生成圖片 |
37 個內建工具:相關動作收斂成單一名稱加
mode 參數,每次執行只帶七個 schema,其餘按需取得,prompt cache 在整個 session 內得以保留。見內建工具。隨處都能與你的 Agent 對話
同一個 agent、同一批工具、同一份記憶 —— 可從終端機、聊天軟體、HTTP 或其他 AI agent 存取。
| 管道 | 使用方式 |
|---|---|
| TUI | 互動式終端機,支援斜線指令與 session 切換 |
| Web 儀表板 | 內建於執行檔,位於 http://127.0.0.1:17989;管理 session、工具、排程與記憶 |
| Telegram/Discord | 本機 daemon 以 bot token 主動向外連線,不必開放入站連接埠或架反向代理。任務執行中的新訊息會 steer 該任務;/new <訊息> 另開任務 |
| REST API | 相容 OpenAI 的 chat completions 端點,另有 agen -p 單次執行 |
| MCP 伺服器 | 把工具開放給 Claude Code、Codex、OpenCode 與 Cursor |
v1.3.4 介面改版前後的比較(old / new、淺色 / 深色)請見 Web UI 介面差異比較。
供應商
11 家模型供應商共用統一介面,另可接任意數量的 OpenAI 相容端點。Claude Code、Codex、Copilot、xAI 等訂閱可直接用既有方案登入,不必另買 API key。
| 供應商 | 模型/驗證方式 |
|---|---|
| Anthropic | Opus · Sonnet · Claude Code |
| OpenAI | GPT-5.x · Codex OAuth |
| Gemini | Pro · Flash |
| GitHub Copilot | GitHub OAuth |
| NVIDIA NIM | NIM API |
| xAI Grok | API 金鑰 · xAI OAuth · 可直接搜尋 X |
| DeepSeek | Flash · Pro |
| Mistral | API 金鑰 |
| Ollama Cloud | API 金鑰 |
| OpenRouter | 200+ 模型 |
| Cloudflare | Workers AI |
| +OpenAI 相容端點 | Ollama · LM Studio · vLLM 或自架 |
在終端機執行單次 prompt
- agen -p "摘要今天的 commit" --stream
agen -p 把一則 prompt 送給本機 daemon 並印出回覆,預設唯讀且留在沙箱;加上 --allow-edit 允許寫入、--skip-sandbox 允許離開 $HOME。--skip-sandbox(/v1/send 的 enable_sandbox:false)非常危險:不經確認即可使用 sudo 與 $HOME 外路徑,daemon 只接受本機呼叫。完整旗標見文件。建議的模型設定
Note不再推薦免費方案。 Ollama Cloud 自 2026-11-09(PT 下午 5:40)起 Free 方案改為 pay-as-you-go:gemma4:31b、gpt-oss:120b、gpt-oss:20b、nemotron-3-super、nemotron-3-ultra等雲端模型需購買 credits,已無法免費試用 Agenvoy。以 Ollama 在本機執行仍然免費,但小型本機模型的 tool calling 不穩定。最低成本的推薦是下方的 GitHub Copilot($10/月)。
NVIDIA NIM 的免費 API 也不推薦:NIM 自 2026-09-04 不再提供gpt-oss-120b,此後剩下的模型多數會逾時、回應緩慢,達不到 agent 所需的最低回應速度與基本推理能力。
以下是一組容易上手、成本較低的配置:
- 選擇一個訂閱制模型作為日常主要模型,例如:
- GitHub Copilot($10/月)—— 指定
luna模型,額度損耗夠慢、能力也夠日常使用 - OpenAI ChatGPT Plus($20/月)
- SuperGrok($30/月)
- GitHub Copilot($10/月)—— 指定
- 強力推薦:以 TypeSafe 的 Jev 作為 decision model:在 TypeSafe Console 建立金鑰,以
/model add→ API Key → TypeSafe 加入,再到/model→ decision 選typesafe@jev-latest。它只依輸入 token 計費(每十億 $42,輸出不收費,依 2026-11-11 TypeSafe 模型頁),能把無關的 skill、記憶條目、搜尋結果、網頁樣板,以及無關的檔案與歷史讀取擋在每輪 context 之外;作者本機實測有 95.8% 的 skill 條目不必放進 turn context。設定步驟與實測數據見新手入門。
適合誰使用
如果你希望 AI 不只回覆,而是能在你掌握的環境中完成工作,Agenvoy 適合你:
- 想把研究、檔案處理、例行回報轉成可重用自動化流程的人
- 想自架 AI Agent,同時保有本機資料與沙箱安全邊界的開發者
- 想讓 Claude Code、Codex 與其他 Agent 共用工具、避免重複建置的團隊
- 需要透過 Web、Telegram 或 Discord 私下存取本機 Agent 的技術工作者
被驗證的設計
以下是 Agenvoy 已實作的設計方向,之後陸續也有其他團隊採用相近做法,印證這些方向能解決 Agent 在實際工作中遇到的問題。每個節點都附上公開的 commit 或發布紀錄,可自行對照。
展開時間軸
文件
完整文件請見 agenvoy.com
- Getting Started
- Sessions & Agents
- Providers
- Built-in Tools
- MCP Server
- MCP Client
- Memory System
- Skill System
- Sandbox
- Architecture
License
本專案採雙授權。
- 開源授權 — GNU Affero General Public License v3.0。可自由使用、修改與散布,但衍生作品與基於本專案提供的網路服務,須以相同授權釋出並提供原始碼。
- 商業授權 — 無法滿足 AGPL-3.0 原始碼公開義務的使用情境,可洽詢商業授權。僅涵蓋軟體本身的使用權利;任何委由開發者進行、與本專案有關的改動皆另行計價。詳見 COMMERCIAL.zh.md。
依 AGPL-3.0 第 7(b) 條,Web 介面
Config > System 分頁 Other 區塊中的 License 與 Source 兩張卡片必須保留:它們承載著作權聲明、無擔保聲明、授權聲明,以及第 13 條要求的對應原始碼連結。可以調整位置或樣式,但須維持顯眼可及,不得移除或隱藏。取得商業授權即免除此義務。Author
歡迎 開 issue 分享想法。
©️ 2026 邱敬幃 Pardn Chiu