Show HN: 用于实验的多智能体协调层
一句话看懂：开发者 Theo Kirby 在 GitHub 上开源了一个极简的多智能体协调框架 Chassis，它用 Docker 容器管理多个由 AI 智能体组成的“车队”，旨在为实验和研究提供一个轻量、可扩展的底层结构，而非生产级平台。
事件核心：发生了什么
Chassis 是一个 Docker 容器内运行的智能体编排层，核心抽象只有三个：智能体（agent）是一个目录，包含系统提示和配置文件；任务（task）是包含指令和调度 cron 的子目录；容器本身则充当一个“底盘”，持有整个智能体车队。它的设计强调最小化与可扩展——通过 /home/agent/ 下的文件系统来定义智能体和任务，从而让研究者能快速搭建和修改多智能体系统。
Chassis 内置了一个特权工具调度器，智能体通过 sudo run-tool 调用验证过模式（JSON schema）的工具，且敏感信息（如 API 密钥）只在工具子进程环境中注入，不进入智能体的地址空间，保障安全。同时，它支持多租户——不同 Git 分支名可映射为不同底盘实例，并排运行在同一主机上。
默认运行时可替换为其他大模型服务（如 OpenAI 兼容端点或本地容器），目前已发布的支线 harness-pi-agent 和 harness-claude-code 展示了两种不同的运行时。
为什么重要
当前多智能体框架（如 CrewAI、AutoGen）往往功能丰富但复杂，对于实验性的研究来说，过于臃肿的抽象层会拖慢迭代速度。Chassis 的贡献在于暴露了一个极度精简的协调层——它不试图替代 OpenClaw 这类完整平台，而是聚焦于“文件系统即配置”这一核心思想，让研究人员能用最少的代码或配置快速构建、观察和调试智能体 fleet。对于学术和创业团队而言，这种低配学习成本的设计可能加速多智能体系统的实验性探索。
对用户/开发者/创作者的影响
对开发者：如果正在试验 Agent 协作或任务调度，Chassis 提供了一个“即插即用”的起步模版。通过 ./chassis install && chassis init && chassis up 即可在本地搭建一个多代理环境，所有配置都在文件系统上，支持 cron 驱动的定期任务和交互式管理 manager 智能体，调试非常简单。
对研究人员：该框架的 main 分支与各类运行时（harness-*）分离的设计，使得可以轻松更换底层 LLM 甚至完全替换运行时逻辑，适合对比不同模型在同一任务上的表现。
对普通用户：目前仍处于早期阶段，需要一定的 Docker 和终端使用基础，但项目文档和设置向导（chassis setup）降低了上手门槛。暂时没有 GUI 点触式操作。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 生态扩展性：当前预置的工具只有 web-search 和 web-fetch，社区是否能快速贡献其他常用工具（如文件读/写、数据库查询、代码执行）将成为其是否被广泛接纳的关键。
2. 运行时兼容性：虽然已列出 Claude Code 和 Pi 的支线，但实测中不同大模型在工具调用格式上的差异可能成为集成难点。后续是否会标准化工具调用接口值得观察。
3. 生产化意愿：项目明确表示不打算替代 OpenClaw，但如果未来被用于长时间运行的实际业务（如客服、监控），其持久化、故障恢复及日志审计能力需要进一步验证。
来源：github.com
