Open Multi-Agent — 多 Agent 编排框架
From a goal to a task DAG, automatically. ⭐ 6.2k | 🍴 2.4k | MIT | 仅 3 个运行时依赖。
一句话
给一个目标，Coordinator Agent 自动拆解成任务 DAG，并行化独立任务，合成结果。TypeScript 原生，嵌入式。
ts
const result = await orchestrator.runTeam(team, "Create a REST API for a todo list in /tmp/todo-api/")
console.log(result.success, result.totalTokenUsage.output_tokens)
三种运行模式
| 模式 | 方法 | 场景 |
|---|---|---|
| 单 Agent | runAgent() | 一个 Agent 一个 prompt |
| 自动编排团队 | runTeam() | 给目标，Coordinator 拆 DAG 执行 |
| 显式流水线 | runTasks() | 手动定义任务图 |
核心能力
| 能力 | 说明 |
|---|---|
| Goal-driven Coordinator | 一句话目标 → 自动任务 DAG → 并行执行 → 合成结果 |
| 10 Provider | Anthropic, OpenAI, Azure, Bedrock, Gemini, Grok, DeepSeek, MiniMax, Qiniu, Copilot + OpenAI-compatible |
| 工具 + MCP | 6 内置工具(bash/file_*/grep/glob) + defineTool() + Zod + MCP |
| 流式 + 结构化输出 | Token 级流式，Zod 验证最终答案，解析失败自动重试 |
| 可观测性 | onProgress 事件 + onTrace span + HTML Dashboard |
| 共享内存 | 默认 in-process KV，可换 Redis/Postgres/Engram |
| 生产控制 | maxTurns, contextStrategy, 任务重试+退避, loop检测, maxTokenBudget |
对比竞品
| 框架 | 思路 | 何时选 |
|---|---|---|
| LangGraph JS | 图优先（手动声明 nodes/edges） | 固定拓扑 + 成熟 checkpoint |
| Mastra | Supervisor 手接线 | 工作流已知，要显式控制 |
| CrewAI | Python 多 Agent | Python 技术栈 |
| Vercel AI SDK | LLM 调用层 | 单 Agent / 前端 AI 功能 |
| open-multi-agent | 目标优先（自动拆 DAG） | TypeScript 后端，给目标不写图 |
架构
OpenMultiAgent (Orchestrator)
└─ Team (AgentConfig[] + MessageBus + TaskQueue + SharedMemory)
├─ AgentPool (Semaphore, runParallel)
├─ TaskQueue (依赖图、自动解阻塞、级联失败)
└─ Agent → AgentRunner → ToolRegistry / LLMAdapter (10 providers)
关键数据
- 发布：2026-04-01，v1.4.1 (2026-05-18)
- 244 commits，25+ contributors
- 已知生产用户：temodar-agent（WordPress 安全分析）
- 集成：Engram (AI memory), AgentSonar (sidecar 检测)