v1.3.23

Agenvoy

最後更新

Agenvoy


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。


agenvoy%2FAgenvoy | Trendshift


Version License


English · 繁體中文 · 文件


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


  1. 安裝(macOS/Linux;Windows 請在 WSL 裡執行,見下方):
    1. 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。
  2. 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:
  1. wsl --online --list
  2. 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


  1. ❯ 台北現在天氣如何?
  2. ⏺ 先查有沒有現成的天氣工具,再取得目前天氣。
  3. Ran 2 tool calls
  4. ⏺ 台北目前 28°C,多雲,濕度 72%。
  5. 東北風,風速每小時 12 公里。
  6. ⎿ 3.2s(41.5t/s) ↑ 21.4K(11%) ↓ 133 08:12
  7. ❯ 每天早上 8 點在 Telegram 回報台積電股價
  8. ⏺ 載入股價工具,並建立每天 08:00 的排程。
  9. Ran 3 tool calls
  10. ⏺ 完成。已排程每天 08:00 — 結果推送到 Telegram。
  11. ⎿ 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 keychainAPI 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。

網路搜尋/工具生成示範



一句話變成自動化流程(Scheduler)
每天早上 8 點回報台積電股價
Agent 會確認:
  • 要推送到哪裡
  • 你想要什麼格式
  • 何時執行

然後自動建立排程。

排程示範



直接詢問你的本機檔案(File Search/RAG)
找出去年所有發票
哪份文件提到 Prompt guide?
Agent 會搜尋你的本機檔案並直接回答。

檔案搜尋/RAG 示範



完成多步驟工作(Skills/Sub-agents)
幫我整理今天的 GitHub commits,並生成進度報告
Agent 會拆解任務、呼叫工具、整合結果,再回覆給你。

Skill/子代理示範



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
  1. flowchart LR
  2. A[偵測缺口] --> B[尋找 API]
  3. B -->|有合適的| D[呼叫與共享]
  4. B -->|沒有合適的或需要金鑰| C[撰寫與測試]
  5. 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
1. Claude Code 建立天氣工具

Claude Code 建立天氣工具



2. Codex 重用它並建立加密貨幣工具

Codex 建立加密貨幣工具



3. Agenvoy 測試兩個工具

Agenvoy 測試兩個工具



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

Agenvoy Web 儀表板示範


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
AnthropicOpus · Sonnet · Claude Code
OpenAIGPT-5.x · Codex OAuth
GeminiPro · Flash
GitHub CopilotGitHub OAuth
NVIDIA NIMNIM API
xAI GrokAPI 金鑰 · xAI OAuth · 可直接搜尋 X
DeepSeekFlash · Pro
MistralAPI 金鑰
Ollama CloudAPI 金鑰
OpenRouter200+ 模型
CloudflareWorkers AI
+OpenAI 相容端點Ollama · LM Studio · vLLM 或自架

在終端機執行單次 prompt


  1. 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:
  1. 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)
  2. 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
Agenvoy 首次推出設計同方向的實作
2025-06-28 Implement core application
2025-06-29 add traditional memory structure
概要式記憶,實現無限上下文2025-11-24 Claude client-side compaction
2026-01-04 bubblewrap sandbox
2026-02-01 harden bubblewrap sandbox
2026-03-07 block sensitive paths and credentials
2026-03-18 sandbox execution with bubblewrap
沙盒模式,實現安全 Agent2026-03-16 NVIDIA NemoClaw
2026-02-07 Copilot device code login
2026-04-04 OpenAI Codex (OAuth) provider
用既有 AI 訂閱直接登入2026-09-29 Pi 0.99.0 Sign in with ChatGPT
2026-02-27 LLM-driven agent routing
2026-03-10 configurable dispatcher model selection
2026-04-15 strengthen agent tier routing
2026-06-10 tiered routing across providers
2026-09-11 configurable model tiers for agent and subagent routing
2026-09-11 model tier controls on fallback priority
依任務把工作路由到最合適的模型2026-09-14 Copilot auto model selection 三級 tier:efficiency/balance/intelligence
2026-09-29 Pi 0.99.0 virtual models: per-request model and thinking level
2026-09-29 Pi 0.99.0 classifier models
2026-03-23 script tool support with sandboxed execution
2026-05-14 script tool scaffolding skill
2026-06-05 script tool runtime metadata
沙盒工具:自訂 JS / Python 在沙盒內執行2026-09-29 Pi 0.99.0 codemode: model-written JavaScript in a QuickJS sandbox
2026-04-02 deferred tool loading with search_tools
2026-05-05 MCP client adapter with stdio/HTTP transports
2026-06-07 tool search registry
2026-08-08 MCP OAuth flow
工具按需載入,不全數塞進 context2026-09-29 Pi 0.99.0 built-in MCP + tool_search
2026-04-17 invoke_subagent tool
2026-04-25 session action logs
2026-04-25 session log streaming endpoint
2026-04-28 subagent name dispatch
呼叫子代理並追蹤其日誌2026-08-03 Claude Code 跨工作階段傳訊
2026-05-28 extension tool loading
2026-05-28 extension install and upload skills
2026-05-29 extension marketplace
2026-06-08 ext_ extension tools and scaffolding
一切皆插件2026-08-13 DeepSeek Harness 一切皆插件
2026-06-03 ask_user interruption async resume
2026-06-04 preserve in-progress action memory across interruptions
2026-06-29 pending task resume
2026-07-03 write_todo checklist flow
長任務定點恢復2026-08-04 pi harness v2 in-memory storage
2026-08-05 pi indexed harness recovery queries
2026-08-05 pi validate harness recovery record logs
2026-08-05 pi harness v2 jsonl backend
2026-08-06 pi atomic writes + torn-tail truncation
2026-08-14 pi AgentHarness R3 generation recovery
2026-08-14 pi AgentHarness R4 tool execution


文件


完整文件請見 agenvoy.com

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。
Agenvoy contributors


©️ 2026 邱敬幃 Pardn Chiu
EN