CLI Agent Orchestrator (CAO)

English | 简体中文

CLI Agent Orchestrator (CAO) 是一个开源的多 Agent 编排框架，面向 Claude Code、Kiro CLI、Codex CLI、Antigravity CLI、Hermes Agent、Kimi CLI、MiniMax Code、GitHub Copilot CLI、OpenCode、Oh My Pi 和 Cursor CLI 等 AI 编程 CLI。CAO 会把每个 Agent 运行在隔离的 tmux 会话中，并通过 Model Context Protocol (MCP) 以 supervisor-worker 模式协调它们。一个 supervisor Agent 可以并行、串行，或以 swarm 方式把任务分派给多个专长不同的 Agent。

📚 文档站点 —— 指南、参考文档，以及两门交互式课程（英文）。

CAO 是什么？

CAO（读作 "kay-oh"）是一个轻量的本地编排器，位于你和常用 CLI 编程 Agent 之间。你不再只能一次运行一个 Agent，而是可以让 supervisor Agent 启动、发送消息并协调多个 worker Agent。每个 worker 都是真实的 CLI 工具（如 Claude Code、Kiro、Codex 等），运行在自己的 tmux 终端里。

Agent 之间通过 MCP 暴露的原语通信，包括 handoff、assign 和 send_message。你可以通过 CLI、内置 Web UI，或 MCP 管理服务器来管理它们。由于每个 Agent 都是完整的 CLI 进程，CAO 能保留原工具的行为、鉴权方式和高级能力，例如 Claude Code sub-agents、Kiro CLI custom agents 等。这些是普通 API wrapper 难以完整保留的。

常见使用场景

并行代码审查 / 实现：supervisor 同时分派 N 个 reviewer 审查 N 个文件，然后汇总结果。
跨 provider 工作流：supervisor 使用一个 CLI（如 Kiro），worker 使用另一个 CLI（如 Claude Code），也可以按 profile 指定 provider。
定时 Agent 任务：通过 Flows 设置类似 cron 的触发器，例如「每天早上 9 点」运行。
CI 中的无头 Agent 执行：使用 cao launch --headless --async 无人值守地运行任务。
带 HITL 的多 Agent swarm：人可以 attach 到任意 tmux 会话，随时介入或调整方向。
由 Agent 管理 Agent：主 Agent 可以在自己的对话循环中使用 cao-ops-mcp 创建和监控 CAO 会话。

分层多 Agent 系统

CAO 实现的是分层多 Agent 系统：一个 supervisor Agent 把任务委派给专门的 worker Agent，而不是把所有事情都塞进同一个上下文。

核心能力

分层 supervisor-worker 编排：supervisor 负责协调与分派，worker 专注自己的任务域。整体上下文得以保留，worker 的上下文也不会被污染。
通过 tmux 隔离会话：每个 Agent 都运行在自己的 tmux 会话中。上下文清晰隔离，保留真实 PTY 访问能力，人也可以随时 tmux attach 进去调整。
基于 MCP 的编排原语：handoff（同步，等待完成）、assign（异步，fire-and-forget）和 send_message（Agent 间 inbox 投递）。Hermes worker 还会使用 answer_user_prompt 处理结构化审批和澄清提示；其他 provider 在实现等价 prompt 状态前，可能回退为普通文本投递。详见 Multi-Agent Orchestration。
跨 provider 混用：同一个会话里可以让 worker 运行在不同 CLI 上。可以通过 Agent frontmatter 把某个 profile 固定到指定 provider。详见 Cross-Provider Orchestration。
定时 flows：用类似 cron 的方式调度无人值守的 Agent 运行。详见 docs/flows.md。
Web UI、CLI 和 MCP 三种控制面：可以从浏览器、cao session 命令，或 cao-ops-mcp server 管理会话。详见 docs/control-planes.md。
按 Agent 限制工具权限：通过 profile 中的 role 和 allowedTools 控制权限，并在可用时转换为各 provider 的原生限制。详见 docs/tool-restrictions.md。
持久化 Agent 记忆：Agent 可以通过 memory_store 和 memory_recall MCP 工具跨会话保存和召回知识。CAO 会在会话启动时自动注入相关记忆作为上下文。详见 docs/memory.md。
直接介入 worker：不同于传统的「sub-agent」功能，你可以 attach 到正在运行的 worker，并在任务中途介入。
保留完整 CLI 能力：Agent 保留原 CLI 的能力，包括 Claude Code sub-agents、Kiro CLI custom agents、provider 原生鉴权等。
用于 outbound events 的插件系统：可以把 Agent 间消息转发到 Discord、Slack、Telegram 或任意 webhook 目标。详见 Plugins。

项目结构和架构细节请参考 CODEBASE.md。

安装

环境要求

curl 和 git：用于下载安装脚本和克隆仓库。
Python 3.10 或更高版本：详见 pyproject.toml。
tmux 3.3+：用于 Agent 会话隔离。
uv：快速的 Python 包安装器和虚拟环境管理器。

1. 安装 Python 3.10+

# macOS (Homebrew)
brew install python@3.12

# Ubuntu/Debian
sudo apt update && sudo apt install python3.12 python3.12-venv

# Amazon Linux 2023 / Fedora
sudo dnf install python3.12

验证：

python3 --version   # 3.10 or higher

建议使用 uv，而不是 Anaconda 这类系统级 Python 安装。uv 会按项目处理虚拟环境和 Python 版本解析。

2. 安装 tmux (3.3+)

bash <(curl -s https://raw.githubusercontent.com/awslabs/cli-agent-orchestrator/refs/heads/main/tmux-install.sh)

3. 安装 uv

curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env   # 将 uv 加入 PATH，或重启 shell

4. 安装 CLI Agent Orchestrator

uv tool install git+https://github.com/awslabs/cli-agent-orchestrator.git@main --upgrade

该命令会拉取最新的 main commit，并把预构建的 Web UI 一起打包进 wheel。因此，使用 CAO 不需要安装 Node.js，也不需要运行 npm install。只有在你要以前端开发模式（hot-reload）运行或自行重新构建 bundle 时，才需要 Node.js。详见 docs/web-ui.md。

从 PyPI 安装（可选）

PyPI 只发布带 tag 的 release，因此在两个 release 之间会落后于 main。如果你想使用最新修复，优先使用上面的 git+ 安装方式。

uv tool install cli-agent-orchestrator --upgrade

# 固定到某个 release
uv tool install cli-agent-orchestrator==2.1.0

本地开发（git clone + uv sync）以及测试 / 质量检查流程，请参考 DEVELOPMENT.md。

Devcontainer Feature

CAO 提供官方 devcontainer feature，支持以容器原生方式安装。

使用方式和选项：docs/devcontainer-feature.md
本地验证命令：docs/devcontainer-feature.md#validation
发布计划：docs/devcontainer-feature.md#release-plan

前置条件：CLI Agent 工具

CAO 驱动的是已有 CLI Agent 工具，它并不会替代这些工具。使用 CAO 前，请至少安装下面一种工具。你也可以安装多个，并在同一次编排中混用。

Provider	文档	鉴权
Kiro CLI（默认）	Provider docs · Installation	AWS credentials
Claude Code	Provider docs · Installation	Anthropic API key
Codex CLI	Provider docs · Installation	OpenAI API key
Hermes Agent	Provider docs	Hermes auth；可选 `hermesProfile` wrapper；在选中的 Hermes profile 中配置 `cao-mcp-server` 以启用编排工具
Kimi CLI	Provider docs · Installation	Moonshot API key
MiniMax Code	Provider docs · Installation	`mcode login` 或 BYOK 配置
GitHub Copilot CLI	Provider docs · Installation	GitHub auth
OpenCode CLI（实验性；多 Agent callback 暂时使用 inbox polling fallback，见 #203）	Provider docs · Installation	Per-model API key
Oh My Pi	Provider docs · Installation	OMP authenticated model account
Cursor CLI	Provider docs · Installation	Cursor subscription / API key
Antigravity CLI	Provider docs · Installation	Google account（与 Antigravity IDE 登录共用）

快速开始

1. 安装 Agent profiles

cao install code_supervisor      # 负责委派 worker 的 supervisor
cao install developer            # 可选 worker
cao install reviewer             # 可选 worker

也可以从本地文件或 URL 安装 Agent：

cao install ./my-custom-agent.md
cao install https://example.com/agents/custom-agent.md

如何创建自定义 Agent profile，请参考 docs/agent-profile.md。

Profile 管理（`cao profile`）

cao profile list                                    # 列出所有已安装 profile
cao profile show <name|file>                        # 查看 frontmatter 详情
cao profile validate <name|file>                    # Schema 和弃用项检查
cao profile templates                               # 列出脚手架模板
cao profile create -t aws/stepfunction -c config.json  # 基于模板生成
cao profile remove <name>                           # 从本地 store 删除

2. 启动 server

cao-server

3. 启动 supervisor

在另一个终端中运行：

cao launch --agents code_supervisor

# 或指定 provider
cao launch --agents code_supervisor --provider claude_code
# 可选值：kiro_cli | claude_code | codex | antigravity_cli | hermes | kimi_cli | mcode | copilot_cli | opencode_cli | omp | cursor_cli

# 不限制访问、跳过确认（危险）
cao launch --agents code_supervisor --yolo

supervisor 会使用这些编排模式协调并委派任务给 worker Agent。

4. 关闭

cao shutdown --all                      # 关闭所有 CAO 会话
cao shutdown --session cao-my-session   # 关闭指定会话

会话运行在 tmux 中

所有 Agent 会话都运行在 tmux 中。你可以通过 tmux attach -t <session-name> 实时观察 Agent。完整 tmux 快捷键列表和交互式窗口选择器请参考 docs/tmux.md。

CAO 也实验性支持 herdr 作为替代后端。herdr 能感知 Agent 状态，因此可以用实时状态事件替代 tmux 输出轮询。配置方式见 docs/herdr.md。

Web UI

CAO 自带 Web dashboard，可在浏览器中管理 Agent、终端和 flows。预构建 UI 已经打包在 wheel 中，不需要额外安装。启动 server 即可：

cao-server

然后打开 http://localhost:9889。

hot-reload 开发模式、通过 SSH 远程访问，以及从源码重新构建前端（只有这些场景需要 Node.js），请参考 docs/web-ui.md。前端架构见 web/README.md。

MCP Apps：host-rendered fleet UI

除浏览器 dashboard 外，CAO 也可以通过 MCP Apps 扩展（SEP-1865），把 fleet UI 渲染到支持 MCP App 的 host 内部，例如 Claude / Claude Desktop、ChatGPT、VS Code GitHub Copilot、Microsoft 365 Copilot、Goose、Postman、MCPJam、Archestra.AI。客户端支持情况见 client matrix。这样你可以在不离开聊天 host 的情况下观察并控制 Agent。

该能力包含三个单文件视图（ui://cao/dashboard、ui://cao/agent、ui://cao/event-stream）和一个无需构建的 topology widget，后端由进程内 event ring buffer 和单一审计过的 submit_command mutation 路径支撑。

fleet dashboard 由构建后的 ui://cao/dashboard bundle 渲染。完整动态演示（dashboard → agent detail → live event stream）：docs/media/mcp-apps-demo.webm。可通过 cd cao_mcp_apps && npm run build:all && node scripts/record-demo.mjs 重新生成。

该能力默认关闭，并且不改变既有行为。它以内置 mcp_apps plugin 的形式打包，只有显式启用时才会注册：

export CAO_MCP_APPS_ENABLED=true
cao-server        # REST + SSE /events on :9889
cao-mcp-server    # 为你的 host 注册 MCP App tools/resources

这一部分新增了 src/cli_agent_orchestrator/ext_apps/（resources + topology widget）、cao_mcp_apps/（JIT-free React views）和 src/cli_agent_orchestrator/plugins/builtin/mcp_apps.py（plugin）。相关文档见 docs/mcp-apps.md，示例见 examples/mcp-apps/，operator playbook 见 skills/cao-mcp-apps。如果配置了 IdP，可选且默认关闭的 OAuth 2.1 scopes（cao:read / cao:write / cao:admin）会保护 mutation 操作。

单文件视图的源码位于 cao_mcp_apps/。开发流程（构建、测试、CI coverage/JIT/bundle-size gates）请参考 cao_mcp_apps/README.md。Node.js 只在重新构建它们时需要，运行 CAO 时不需要。

Multi-Agent Orchestration

CAO Agent 通过本地 HTTP server（默认 localhost:9889）协调。CLI Agent 通过 MCP tools 访问该 server，从而路由消息、跟踪状态并驱动编排。

每个 Agent 终端都会被分配一个唯一的 CAO_TERMINAL_ID 环境变量。server 使用这个 ID 路由消息、跟踪终端状态（IDLE / PROCESSING / COMPLETED / ERROR），并协调操作。当 Agent 调用 MCP tool 时，server 会根据调用方的 CAO_TERMINAL_ID 识别它。

编排模式

Note: 当通过 CAO_ENABLE_WORKING_DIRECTORY=true 启用时，所有编排模式都支持可选的 working_directory 参数。详见 docs/working-directory.md。

1. Handoff：把控制权移交给另一个 Agent，并等待其完成。

创建一个使用指定 Agent profile 的新终端。
发送任务消息，并等待 Agent 完成。
把 Agent 输出返回给调用方，并退出该 Agent。
成功后自动删除 worker 终端：scrollback 和 metadata 会在删除前保存到 ~/.cao/logs/terminal/。只要会话仍然存在，你就可以用 cao terminal restore <terminal_id> 恢复终端以便调试。完整生命周期、snapshot schema 和 restore 语义见 docs/terminal-lifecycle.md。
适合需要同步执行并拿到结果的场景。

示例：串行代码审查工作流。

2. Assign：创建一个独立工作的 Agent（异步）。

创建新终端，发送带 callback instructions 的任务，然后立即返回。
supervisor 的 terminal ID 会自动附加到任务消息中（可用 CAO_ENABLE_SENDER_ID_INJECTION=false 禁用），并记录在 worker 终端上，使 callback 以结构化方式路由。
分派出去的 Agent 完成后，通过 send_message 回传结果。如果省略 receiver_id，回复会路由到分派它的终端；如果 supervisor 正忙，消息会排队。
适合异步执行或 fire-and-forget 操作。

示例：supervisor 把并行数据分析任务分派给多个 analyst，同时用 handoff 生成报告模板，然后合并结果。详见 examples/assign。

3. Send Message：与已有 Agent 通信。

把消息发送到指定终端的 inbox；终端空闲时投递。
支持持续协作和多轮对话。
常用于 swarm 操作。
对会在处理期间缓冲输入的 provider，支持 eager delivery，用于消除轮次之间的延迟。

示例：多角色功能开发。

Cross-Provider Orchestration

默认情况下，worker 会继承创建它们的终端所使用的 provider。如果要把某个 profile 固定到指定 provider，请在 frontmatter 中加入 provider：

---
name: developer
provider: claude_code
---

有效值包括：kiro_cli、claude_code、codex、antigravity_cli、hermes、kimi_cli、mcode、copilot_cli、opencode_cli、omp、cursor_cli。初始会话始终以 cao launch --provider 参数为准。详见 examples/cross-provider/。

Tool Restrictions

CAO 通过 profile 中的 role 和 allowedTools 控制每个 Agent 可以做什么。CAO 会在可用时把这些限制转换为各 provider 的原生 enforcement。完整参考见 docs/tool-restrictions.md。

Custom Orchestration

cao-server 暴露 REST APIs，用于会话管理、终端控制和消息传递。内置 CLI 命令和 MCP tools 只是这些 API 的封装。你可以组合三种编排模式构建自定义工作流，也可以基于底层 API 构建新的模式。详见 docs/api.md。

扩展与集成

CAO 提供三种从外部驱动它的编程界面，以及两个扩展点（skills 和 plugins）。如何选择合适界面，请参考 docs/control-planes.md。

Session Management CLI

cao session 命令用于以程序化方式管理会话，适合脚本、CI pipeline，或任何可以运行 shell 命令的调用方。

命令	说明
`cao session list`	列出活跃会话
`cao session status <name>`	显示 conductor 状态和最新输出
`cao session status <name> --workers`	同时包含 worker 终端状态
`cao session send <name> "msg"`	发送消息并等待完成
`cao session send <name> "msg" --async`	Fire-and-forget
`cao session send <name> "msg" --timeout N`	最多等待 N 秒
`cao launch --agents <profile>`	启动新的 supervisor 会话
`cao shutdown --session <name>`	关闭指定会话
`cao shutdown --all`	关闭所有 CAO 会话
`cao terminal restore <terminal_id>`	把已删除终端的 scrollback 恢复到新窗口中，便于调试

无头启动（发送初始任务但不 attach）：

cao launch --agents supervisor --headless --yolo \
  --session-name my-task --working-directory '/path/to/project' "Your task here"

加上 --async 可以立即返回，不等待任务完成。

Session name 会自动加上 cao- 前缀。后续命令中请使用带前缀的形式，例如 cao-my-task。

命令参考和面向 Agent 的 skill，请查看 Session Management skill。

由于 cao session 本质上是 shell 命令，任何支持调用 shell skill 的 AI assistant 理论上都能用这种方式驱动 CAO，例如 Claude Code、Kiro CLI、OpenClaw 或 Hermes Agent。把 CAO session management 集成到外部工具的方式见 docs/external-tool-integration.md。

CAO Ops MCP Server

cao-ops-mcp 以结构化 MCP tools 的形式，为主 Agent（Claude Code、Claude Desktop 等）暴露同样的管理操作。它是 cao session 的 MCP 版本：调用方支持 MCP 时用 cao-ops-mcp，否则用 cao session。

Server	使用者	用途
`cao-mcp-server`	CAO 会话内部的 Agent	Agent 间编排（`handoff`、`assign`、`send_message`）
`cao-ops-mcp`	CAO 会话外部的主 Agent	元管理（安装 profile、启动 / 监控会话）

设置：添加到主 Agent 的 MCP 配置中。需要先运行 cao-server，监听 localhost:9889。

Claude Code 可添加到 .mcp.json：

{
  "mcpServers": {
    "cao-ops-mcp": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/awslabs/cli-agent-orchestrator.git@main", "cao-ops-mcp-server"]
    }
  }
}

其他 Agent 使用等价的 stdio MCP 命令：

uvx --from git+https://github.com/awslabs/cli-agent-orchestrator.git@main cao-ops-mcp-server

可用工具：list_profiles、get_profile_details、install_profile、launch_session、send_session_message、list_sessions、get_session_info、shutdown_session。

典型流程：list_profiles → install_profile → launch_session → send_session_message → get_session_info → shutdown_session。

Flows：定时 Agent 会话

使用 cron expressions 定时运行 Agent 会话：

cao schedule add daily-standup.md
cao schedule list
cao schedule run daily-standup   # 手动运行，忽略 schedule

Flows 支持静态 prompts，也支持通过 gating script 做条件执行。定时执行要求 cao-server 正在运行。

完整指南，包括 flow 文件格式、条件执行模式和所有 cao schedule 命令，请参考 docs/flows.md。

Skills

Skills 是可移植的结构化指南，遵循通用 SKILL.md 格式，用来为 Agent 编码领域知识。它们可以跨编程 assistant 使用，包括 Claude Code、Kiro CLI、Codex CLI、Kimi CLI、GitHub Copilot、Cursor、OpenCode、LobeHub，也可以用于 Strands Agents SDK 和 Microsoft Agent Framework 等框架。

CAO 自带内置 skills，也会管理所有 Agent 会话共享的 "managed skills"。内置项（cao-supervisor-protocols、cao-worker-protocols）会在 server 启动时自动 seed。你也可以添加自己的 skill：

cao skills list
cao skills add ./my-coding-standards
cao skills add ./my-coding-standards --force   # 覆盖
cao skills remove my-coding-standards

Skills 会自动投递给 provider（Kiro CLI 使用原生 skill:// resources；Claude Code / Codex / Kimi / MiniMax Code 使用运行时 prompt injection；Copilot 则烘焙进 .agent.md）。

完整参考，包括 authoring、loading 和 delivery mechanics，请查看 docs/skills.md。与 OpenClaw 或其他外部工具集成，请参考 docs/external-tool-integration.md。

Plugins

Plugins 是 observer-only 的 Python 扩展，会在 cao-server 内部响应 server-side events，包括生命周期变化和消息投递。它们是 CAO 的 outbound 扩展面：上面介绍的界面用于驱动 CAO，plugins 则把事件流向外部。常见用途包括把 Agent 间消息转发到 Discord / Slack / Telegram、审计日志和指标导出。

安装、事件、故障排查：docs/plugins.md
可直接运行的示例：examples/plugins/cao-discord/
编写自己的 plugin：cao-plugin skill
plugins 与 inbound surfaces 的关系：docs/control-planes.md

安全

cao-server 设计为仅在 localhost 使用。WebSocket terminal endpoint（/terminals/{id}/ws）提供完整 PTY 访问能力，并拒绝非 loopback 连接。不要在没有鉴权的情况下把 server 暴露给不可信网络。

DNS rebinding 防护：server 会校验 HTTP Host headers。如果 host 不是 localhost 或 127.0.0.1，请求会以 400 Bad Request 拒绝。这可以防护 DNS rebinding attacks。

如果你确实需要把 server 暴露到网络中（开发场景下不推荐），Host header 校验也会拒绝这些请求，除非该 hostname 已加入 allowed list。

漏洞报告和最佳实践请参考 SECURITY.md。

贡献

贡献指南请参考 CONTRIBUTING.md。

发布

CAO 通过使用 OIDC 鉴权的 GitHub Actions pipeline 发布到 PyPI（TestPyPI → smoke test → maintainer-approved prod）。详见 docs/RELEASING.md。

许可证

Apache-2.0。

Navigation Menu

Uh oh!

CLI Agent Orchestrator (CAO)

CAO 是什么？

常见使用场景

分层多 Agent 系统

核心能力

安装

环境要求

1. 安装 Python 3.10+

2. 安装 tmux (3.3+)

3. 安装 uv

4. 安装 CLI Agent Orchestrator

从 PyPI 安装（可选）

Devcontainer Feature

前置条件：CLI Agent 工具

快速开始

1. 安装 Agent profiles

Profile 管理（`cao profile`）

2. 启动 server

3. 启动 supervisor

4. 关闭

会话运行在 tmux 中

Web UI

MCP Apps：host-rendered fleet UI

Multi-Agent Orchestration

编排模式

Cross-Provider Orchestration

Tool Restrictions

Custom Orchestration

扩展与集成

Session Management CLI

CAO Ops MCP Server

Flows：定时 Agent 会话

Skills

Plugins

安全

贡献

发布

许可证

Uh oh!

FilesExpand file tree

README.zh-CN.md

Latest commit

History

README.zh-CN.md

File metadata and controls

CLI Agent Orchestrator (CAO)

CAO 是什么？

常见使用场景

分层多 Agent 系统

核心能力

安装

环境要求

1. 安装 Python 3.10+

2. 安装 tmux (3.3+)

3. 安装 uv

4. 安装 CLI Agent Orchestrator

从 PyPI 安装（可选）

Devcontainer Feature

前置条件：CLI Agent 工具

快速开始

1. 安装 Agent profiles

Profile 管理（cao profile）

2. 启动 server

3. 启动 supervisor

4. 关闭

会话运行在 tmux 中

Web UI

MCP Apps：host-rendered fleet UI

Multi-Agent Orchestration

编排模式

Cross-Provider Orchestration

Tool Restrictions

Custom Orchestration

扩展与集成

Session Management CLI

CAO Ops MCP Server

Flows：定时 Agent 会话

Skills

Plugins

安全

贡献

发布

许可证

Profile 管理（`cao profile`）