DSH 插件导航

open-managed-agents

by openma-ai

GitHub ↗
235 开发与运行时github未核验到 manifest收录于 08-16

开源Claude管理代理API实现和自托管Claude标签式代理运行时。即插即用；在Cloudflare Workers/Durable Objects或Node.js上运行。Apache 2.0。

Open-source Claude Managed Agents API implementation and self-hosted Claude Tag-style agent runtime. Drop-in compatible; runs on Cloudflare Workers/Durable Objects or Node.js. Apache 2.0.

安装

dsh plugin --profile web add github:openma-ai/open-managed-agents

GitHub 源码安装：首次需按提示配置 allowBuilds 构建授权后重试

安装与环境配置指引、插件开发教程见 DSH 中文社区文档 ↗

安装即在你的机器上以你的权限运行第三方代码——它可读写文件、使用凭据、访问网络，DSH 的工具审批不会为插件代码加沙箱。「检测到 manifest」仅代表发现 dsh.bundle / dsh.plugin 清单，不构成兼容性或安全审查；安装前请审阅源码，不熟悉的插件先在不含密钥的环境试用。

README

目录

Open Managed Agents

Claude Managed Agents 的开源替代品 —— 一个你可以自部署的 AI 智能体元框架（meta-harness）。

🌐 openma.dev · 📖 docs.openma.dev · 💬 github.com/openma-ai/open-managed-agents

写一个 harness，部署它。平台负责运行 —— 内置会话、沙箱、工具、记忆、保险库和崩溃恢复。API 与 Claude Managed Agents 兼容；可以跑在 Cloudflare Workers + Durable Objects 上，或者直接 docker compose up 在你自己的机器上。

两种运行方式

同一套 harness、业务逻辑和事件日志模型同时支持以下两种部署方式，按你的托管偏好选一种：

自部署（Node） Cloudflare
跑在哪里 你的 VPS / Mac / Docker 主机 / fly.io / k8s Cloudflare Workers + DO + Containers
存储 SQLite 或 Postgres + 本地文件系统 D1 + KV + R2
沙箱 LocalSubprocess / LiteBox / Daytona / E2B / BoxRun Cloudflare Sandbox（Containers）
启动时间 docker compose up（约 2 分钟） wrangler deploy（首次配置后约 10 分钟）
适合谁 开源用户、私有部署、不想用 CF、需要数据驻留 边缘规模、不想运维主机、已在 CF 上

同一套 SDK。 同一套 /v1/agents / /v1/sessions API。同一个 Console UI。同一套崩溃恢复语义。两种部署之间只改环境变量，不改代码。

快速开始：自部署（Docker）

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
cp .env.example .env

# 首次启动前必须设置两个密钥（都在本地生成）：
#   BETTER_AUTH_SECRET   — 用于签发 Console 会话
#   PLATFORM_ROOT_SECRET — 用于加密静态存储的凭证、Model Card API key、集成 token
#                          （丢失后所有加密行将无法解密 —— 务必备份）
$EDITOR .env
# BETTER_AUTH_SECRET=$(openssl rand -hex 32)
# PLATFORM_ROOT_SECRET=$(openssl rand -base64 32)
#
# 可选：ANTHROPIC_API_KEY 让第一个 agent 在还没添加 Model Card 时也能跑起来。
# 生产环境请改为在 Console 里按 tenant 添加 Model Card。

# SQLite + LocalSubprocess 沙箱（默认，最快路径）
docker compose up -d

# 或者用 Postgres
# docker compose -f docker-compose.postgres.yml up -d

curl localhost:8787/health
# → {"status":"ok","backends":{"db":"sqlite ..."}, ...}

open http://localhost:8787   # Console UI 跑在同一个端口

端到端冒烟测试：

AID=$(curl -s -X POST localhost:8787/v1/agents -H 'content-type: application/json' \
  -d '{"name":"hello","model":"claude-sonnet-4-6","tools":[{"type":"agent_toolset_20260401"}]}' | jq -r .id)

SID=$(curl -s -X POST localhost:8787/v1/sessions -H 'content-type: application/json' \
  -d "{\"agent\":\"$AID\"}" | jq -r .id)

curl -s -X POST localhost:8787/v1/sessions/$SID/events -H 'content-type: application/json' \
  -d '{"events":[{"type":"user.message","content":[{"type":"text","text":"Run: uname -a"}]}]}'

完整的自部署指南（沙箱模式、Postgres、BoxRun、vault sidecar、Console UI、运维注意事项）：docs.openma.dev/self-host/overview

快速开始：Cloudflare 部署

需要 Workers 付费计划（用于 Durable Objects + Containers）。

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
pnpm install

# 本地开发（不需要 CF 账户）—— wrangler dev + 模拟器
cp .dev.vars.example .dev.vars && $EDITOR .dev.vars
# 同上：PLATFORM_ROOT_SECRET 是启动所必需的
pnpm dev
# API     → http://localhost:8787
# Console → http://localhost:5173

# 部署
npx wrangler login
npx wrangler kv namespace create CONFIG_KV   # 把 id 粘贴进 wrangler.jsonc

# 必填密钥（提示时逐个粘贴）
npx wrangler secret put BETTER_AUTH_SECRET    # openssl rand -hex 32
npx wrangler secret put PLATFORM_ROOT_SECRET  # openssl rand -base64 32 —— 务必备份
npx wrangler secret put API_KEY               # REST API 初始引导密钥

# 可选 —— 仅当你想要一个 tenant 无关的默认 LLM（否则请在 Console 里添加 Model Card）
# npx wrangler secret put ANTHROPIC_API_KEY

npm run deploy
# → https://openma.dev（或个人部署：https://managed-agents.<your-subdomain>.workers.dev）

部署内容：

组件 功能
主 Worker API 路由 —— 智能体、会话、环境、保险库、记忆、文件
智能体 Worker SessionDO + harness + 每个环境的沙箱
KV 命名空间 智能体、环境、凭证的配置存储
R2 存储桶 容器重启之间持久化工作区文件

创建你的第一个智能体

上面的冒烟测试对任意部署都适用。完整的 Console 流程（Model Card、保险库、集成）见 docs.openma.dev/quickstart。API 等价的最小版本：

BASE=http://localhost:8787   # 或者你的部署 URL
KEY=dev-test-key             # 即你设置的 API_KEY

AGENT=$(curl -s $BASE/v1/agents \
  -H "x-api-key: $KEY" -H "content-type: application/json" \
  -d '{
    "name": "Coder",
    "model": "claude-sonnet-4-6",
    "system": "你是一个有帮助的编程助手。",
    "tools": [{ "type": "agent_toolset_20260401" }]
  }' | jq -r .id)

SESSION=$(curl -s $BASE/v1/sessions \
  -H "x-api-key: $KEY" -H "content-type: application/json" \
  -d "{\"agent\":\"$AGENT\"}" | jq -r .id)

# 发送一轮消息并逐 token 流式返回回复
curl -N -X POST $BASE/v1/sessions/$SESSION/messages \
  -H "x-api-key: $KEY" -H "content-type: application/json" \
  -d '{"content":"写一个抓 HN 热门文章的 Python 脚本"}'

长会话用 GET /v1/sessions/$SESSION/events/stream —— 连接时回放历史，永不主动关闭。

架构

**元框架（meta-harness）**不是一个智能体 —— 而是运行智能体的平台。它为智能体需要的一切定义了稳定接口，同时不干扰智能体本身的循环：

┌─────────────────────────────────────────────────────────┐
│  Harness（大脑 —— 你的代码）                            │
│  - 读取事件、构建上下文、调用模型                       │
│  - 决定「怎么做」：缓存、压缩、工具交付                 │
│  - 无状态：崩溃 → 从事件日志重建 → 恢复                 │
├─────────────────────────────────────────────────────────┤
│  元框架（平台 —— SessionDO）                            │
│  - 准备「有什么」：工具、技能、历史                     │
│  - 管理生命周期：沙箱、事件、WebSocket                  │
│  - 崩溃恢复、凭证隔离、用量跟踪                         │
├─────────────────────────────────────────────────────────┤
│  基础设施（Cloudflare 或 Node 自部署）                  │
│  - 事件日志：DO 内的 SQLite（CF），或 SQLite/Postgres   │
│  - 沙箱：CF Containers / subprocess / LiteBox / E2B     │
│  - 存储：KV + R2（CF），或本地文件系统（自部署）        │
└─────────────────────────────────────────────────────────┘

平台准备「有什么」可用。Harness 决定「怎么」把这些交给模型。

平台负责 Harness 决定
事件日志持久化（SQLite） 上下文工程（过滤、排序）
沙箱生命周期（容器） 缓存策略（缓存断点）
工具注册（内置 + MCP） 压缩策略（何时压缩）
WebSocket 广播 重试策略（退避、瞬时错误识别）
崩溃恢复 停止条件（最大步数、完成信号）
凭证隔离（保险库） 系统提示构造
记忆（向量检索） 工具交付（一次性 vs 渐进式）

编写一个 Harness

默认 harness 开箱即用。当你需要自定义行为 —— 不同的缓存、压缩、上下文工程 —— 时，写你自己的：

// my-harness.ts
import { defineHarness, generateText, stepCountIs } from "@open-managed-agents/sdk";

export default defineHarness({
  name: "research",

  async run(ctx) {
    let messages = ctx.runtime.history.getMessages();

    // 你的上下文工程
    messages = keepOnly(messages, ["web_search", "web_fetch"]);

    // 你的缓存策略
    markLastN(messages, 3, { cacheControl: "ephemeral" });

    // 你的循环 —— 工具、沙箱、广播由平台提供
    const result = await generateText({
      model: ctx.model,
      system: ctx.systemPrompt,
      messages,
      tools: ctx.tools,
      stopWhen: stepCountIs(50),
      onStepFinish: async ({ text }) => {
        if (text) ctx.runtime.broadcast({
          type: "agent.message",
          content: [{ type: "text", text }],
        });
      },
    });

    await ctx.runtime.reportUsage?.(result.usage.inputTokens, result.usage.outputTokens);
  },
});

部署：

oma deploy --harness my-harness.ts --agent agent_abc123

Harness 在构建时被打包进 agent worker。你的代码和 SessionDO 跑在同一个 isolate 里 —— 直接访问事件日志、沙箱和 WebSocket 广播。没有 RPC，没有序列化边界。

API

与 Claude Managed Agents API 兼容。相同端点、相同事件类型，可与现有 SDK 一起使用。

POST   /v1/agents                          # 创建智能体
GET    /v1/agents                          # 列出智能体
GET    /v1/agents/:id                      # 获取智能体
PUT    /v1/agents/:id                      # 更新智能体
DELETE /v1/agents/:id                      # 删除智能体
POST   /v1/agents/:id/archive             # 归档智能体
GET    /v1/agents/:id/versions            # 版本历史
GET    /v1/agents/:id/versions/:version   # 获取特定版本

POST   /v1/environments                   # 创建环境
GET    /v1/environments                   # 列出环境
GET    /v1/environments/:id               # 获取环境
PUT    /v1/environments/:id               # 更新环境
DELETE /v1/environments/:id               # 删除环境

POST   /v1/sessions                        # 创建会话
GET    /v1/sessions                        # 列出会话
GET    /v1/sessions/:id                    # 获取会话
POST   /v1/sessions/:id                    # 更新会话
DELETE /v1/sessions/:id                    # 删除会话
POST   /v1/sessions/:id/archive           # 归档会话

POST   /v1/sessions/:id/events            # 发送事件（用户消息）
GET    /v1/sessions/:id/events             # 获取事件（JSON 或 SSE）
GET    /v1/sessions/:id/events/stream      # SSE 流

POST   /v1/sessions/:id/resources          # 附加资源
GET    /v1/sessions/:id/resources          # 列出资源
DELETE /v1/sessions/:id/resources/:resId   # 移除资源

POST   /v1/vaults                          # 创建保险库
POST   /v1/vaults/:id/credentials          # 添加凭证
GET    /v1/vaults/:id/credentials          # 列出（已脱敏密钥）

附加到会话时，每个存储都会挂载到沙箱的 /mnt/memory/<store_name>/ 路径下。智能体使用标准文件工具（bash/read/write/edit/glob/grep）读写，没有专门的 memory_* 工具。

R2 持有真实字节（key 为 <store_id>/<memory_path>）；D1 持有索引 + 审计，通过 R2 Event Notifications → Cloudflare Queue → Consumer 维持最终一致性。

POST   /v1/memory_stores                                        # 创建存储
GET    /v1/memory_stores                                        # 列出存储
GET    /v1/memory_stores/:id                                    # 检索存储
POST   /v1/memory_stores/:id/archive                            # 归档（单向）
DELETE /v1/memory_stores/:id                                    # 删除存储 + 记忆 + 版本

POST   /v1/memory_stores/:id/memories                           # 创建/更新记忆 {path, content, precondition?}
GET    /v1/memory_stores/:id/memories?path_prefix=&depth=N      # 列出记忆（元数据）
GET    /v1/memory_stores/:id/memories/:mid                      # 检索记忆（含内容）
POST   /v1/memory_stores/:id/memories/:mid                      # 更新记忆 {path?, content?, precondition?}
DELETE /v1/memory_stores/:id/memories/:mid                      # 删除记忆

GET    /v1/memory_stores/:id/memory_versions?memory_id=         # 审计历史（最新优先）
GET    /v1/memory_stores/:id/memory_versions/:ver_id            # 单个版本（含快照内容）
POST   /v1/memory_stores/:id/memory_versions/:ver_id/redact     # 编辑历史版本（拒绝实时 head）

通过 precondition: { type: "content_sha256", content_sha256 } 实现 CAS。每条记忆 100KB 上限。版本保留 30 天，每条记忆的最新版本始终保留。回滚 = 检索旧版本并将其内容写为新一条修订（无需专门端点）。

CLI：

oma memory stores create "用户偏好"
oma memory write <store-id> /preferences/formatting.md --content "始终使用制表符。"
oma memory ls <store-id> --prefix /preferences/
oma memory versions <store-id> --memory-id <mem-id>

POST   /v1/files                           # 上传文件
GET    /v1/files/:id/content               # 下载文件
POST   /v1/skills                          # 创建技能
GET    /v1/skills                          # 列出技能

内置工具

agent_toolset_20260401 提供：

工具 描述
bash 在沙箱中执行命令
read 从沙箱文件系统读文件
write 写入/创建文件（自动创建目录）
edit 在文件中做精确字符串替换
glob 按模式查找文件
grep 用正则搜索文件内容
web_fetch URL → markdown，通过 Workers AI；当 agent.aux_model 设置时自动摘要，原文保存到 /workspace/.web/
web_search 通过 Tavily API 的网页搜索（需要 TAVILY_API_KEY）
schedule / cancel_schedule / list_schedules Cron 风格的自唤醒，用于长时运行的 agent
browser（按需启用） 无头浏览器会话 —— 导航、点击、截屏。需通过 tools: [{ name: "browser", enabled: true }] 显式启用，默认工具列表会优先引导 agent 使用更便宜的 web_fetch

派生工具会根据会话配置自动生成：

工具 来源
call_agent_* 可调用智能体（多智能体委派）
mcp__<server>__<tool> MCP 服务器（双下划线是真正的分隔符）

（记忆存储不新增专门工具 —— 智能体通过标准文件工具访问 /mnt/memory/<store_name>/ 下的挂载。）

MCP servers

OMA 接受任何挂在 agent 上的 Model Context Protocol 服务器。每个上游工具暴露给模型的名字是 mcp__<server>__<tool>（双下划线，照抄）。每个 agent 最多挂 20 个 server。

Transport 何时用 怎么配
HTTP / SSE 托管 MCP server（Linear、GitHub Copilot、Notion ……） {"type":"url","url":"https://mcp.linear.app/mcp"}
stdio 没有托管端点的 npm / PyPI MCP 包 {"type":"stdio","command":"uvx","args":[...],"port":8765} —— OMA 在沙箱容器里起进程，连 127.0.0.1:port/sse

凭证不进沙箱；出站 resolver 按 host 匹配，转发时注入。

Auth 模式 怎么配 401/403 时刷新
none 不写 authorization_token，也没匹配的 vault 凭证 n/a
内联 bearer server entry 上写 "authorization_token": "..." 不刷
vault static bearer 会话 vault 里有 static_bearer 凭证，其 mcp_server_url 匹配 不刷
vault OAuth 会话 vault 里有 mcp_oauth 凭证（带 refresh_token + token_endpoint） 刷 —— 401 和 403 都刷（Airtable / Asana / Sentry 用 403 表示 token 过期），CAS 写新 token 到 D1，重试一次 
# server 挂在 agent 上（不是 session）
curl -X PUT $BASE/v1/agents/$AGENT -H "x-api-key: $KEY" -H "content-type: application/json" \
  -d '{"mcp_servers":[{"name":"linear","type":"url","url":"https://mcp.linear.app/mcp"}]}'

# 通过 Vault 绑 OAuth 凭证
oma connect linear --vault $VAULT_ID

每个 server 的工具发现超时 15 秒；一个坏掉的 server 会日志记录后跳过，其它继续。完整设计见 docs.openma.dev/build/vault-and-mcp。

Skills

一个 skill = 一个 SKILL.md + 参考文件（模板、schema、示例）。会话开始时平台把所有文件挂到沙箱的 /home/user/.skills/{name}/，并把 SKILL.md 正文直接 inline 进 system prompt —— 不是惰性读，不需要 agent 再调 read 工具去发现。格式和 Anthropic Claude Code skills 兼容。

创建 skill（JSON，文件 inline 进去）：

POST /v1/skills
{
  "files": [
    { "filename": "SKILL.md", "content": "---\nname: invoice-parser\ndescription: 解析供应商发票。\n---\n\n# 步骤\n1. ..." },
    { "filename": "schema.json", "content": "{...}" }
  ]
}

大 skill 带二进制：POST /v1/skills/upload multipart 上传 file=<my-skill.zip>。

挂到 agent 上要用对象数组，光给字符串数组不会生效：

{ "skills": [{ "skill_id": "skill_abc123", "type": "custom" }] }

会话开始时，agent 的 system prompt 收到：

<source name="skill:skill_abc123">
<skill name="invoice-parser">
{完整 SKILL.md 正文}
</skill>
</source>

文件出现在 /home/user/.skills/invoice-parser/SKILL.md 等位置。

四个内置 skill 开箱即用（不用上传）：xlsx、pdf、docx、pptx。用 {"skill_id":"builtin_pdf","type":"anthropic"} 这种方式挂上去。

Vaults 与出站凭证

工具看不到你的 token。 沙箱发起 HTTP 请求时，出站 resolver —— 自部署上是 oma-vault sidecar（mockttp HTTPS 代理 + 自签 CA），Cloudflare 上是 agent worker 的 outboundByHost 拦截器 —— 按 host 匹配会话的 vault，剥掉入站的 Authorization/x-api-key/x-goog-api-key，注入真实凭证，再转发。被 prompt injection 的 agent 拿不到任何东西可泄露；沙箱里 env | grep TOKEN 什么都没有。

# 建一个 vault 并加一条绑到 api.github.com 的 static bearer
VID=$(curl -sX POST $BASE/v1/vaults -H "x-api-key: $KEY" \
  -d '{"name":"github-prod"}' | jq -r .id)

curl -sX POST $BASE/v1/vaults/$VID/credentials -H "x-api-key: $KEY" -d '{
  "display_name": "gh-pat",
  "auth": {
    "type": "static_bearer",
    "token": "ghp_xxx",
    "mcp_server_url": "https://api.github.com"
  }
}'

# 创建 session 时绑上
curl -sX POST $BASE/v1/sessions -H "x-api-key: $KEY" \
  -d "{\"agent\":\"$AGENT\",\"vault_ids\":[\"$VID\"]}"

# 沙箱内: curl https://api.github.com/user → 200，Authorization 在网络层注入

三种凭证类型共用一个 resolver：

类型 匹配方式 刷新
static_bearer 请求 host 匹配 mcp_server_url 永不
mcp_oauth 请求 host 匹配 mcp_server_url 401 / 403 时用 token_endpoint 刷新，CAS 写回 D1
cap_cli 沙箱里 CLI 调用按 cli_id 在 cap registry 里查（gh、glab、aws ……） 按每个 CLI 处理

每个 vault 最多 20 条凭证。每次转发会发一条结构化的 op:"mcp_proxy.forward" 日志。完整设计：docs/mcp-credential-architecture.md、docs.openma.dev/build/vault-and-mcp。

集成

把一个 agent 发布到第三方工具里，让它像真正的团队成员一样在那边工作 —— 被分配、被 @、像普通用户一样收到回复。

Linear

让 agent 成为 Linear workspace 的成员，拥有自己的身份、头像和 @autocomplete 槽位。它出现在 assignee 下拉框里，被 @提及 时收到通知、在 Agent panel 里回复，并把状态推回它正在处理的 issue。

两种安装方式：

方式 何时用 怎么装
personal_token（PAT） 单 workspace，最快路径，无 OAuth App oma linear install-pat --workspace <slug> --pat <linear-pat>
dedicated（OAuth App） 多 workspace、独立 bot 身份、OAuth 自动刷新 Console 集成 → Linear → 发布智能体（向导会签发 per-publication 的 callback + webhook URL，你拿去贴到自己在 linear.app/settings/api 注册的 OAuth App 里）

完整的 agent 侧操作手册（何时询问人、如何提供浏览器自动化、应该往 Linear 表单里粘贴什么）见 skills/openma/integrations-linear.md。

PAT 模式自动派单 —— 按 label / state / project 让 bot 自己捡未分配 issue：

oma linear rules create <pub-id> --label triage --state Backlog --project "Inbox"
oma linear rules list <pub-id>
oma linear rules delete <rule-id>

查看 / 管理：

oma linear list                                       # workspaces
oma linear pubs <installation-id>                     # 发布列表（status=live、persona、caps）
oma linear get <pub-id>                               # 单条发布
oma linear update <pub-id> --caps issue.read,comment.write,issue.update,…
oma linear unpublish <pub-id>

工作原理：

部件 功能
每发布独立身份 dedicated 给每个 agent 注册自己的 Linear OAuth App；personal_token 复用人的 PAT（不注册 App）
入站 webhook Linear 事件转成会话上的用户消息 —— 分配、@提及、comment-mention、活跃 thread 里的新 comment、Agent panel（agentSessionCreated / agentSessionPrompted、commentReply 用于线程延续）
出站 MCP agent 通过 mcp.linear.app/mcp 用自己的 bearer 写回去（PAT 或 OAuth-refreshed），写入归属到对应人格
能力门 每次发布的 allowlist（issue / comment / label / assign / triage）限制 agent 能做什么

Linear 集成以 packages/linear/（provider 逻辑、webhook 签名、MCP 配线）落地，CF 路由薄壳在 apps/integrations/src/routes/linear/publications.ts。

GitHub

给 agent 一个自己的 GitHub App + 真实 bot 身份 —— 能被 issue 分配、能被 PR 提名为 reviewer、用自己的 @<slug>[bot] 句柄发评论。每个 agent 都是 github.com 上一个独立的 App（per-publication，不是共享 marketplace bot），凭证和审计日志彼此隔离。

# (1) Console —— 适合人通过向导点击
集成 → GitHub → 发布智能体

# (2) CLI —— 适合代表用户驱动 openma 的 agent
oma github bind <agent-id> --env <env-id>       # → 打开一键 GitHub App Manifest 流程
oma github handoff <form-token>                 # 备选：7 天有效的 URL 让 org 管理员去走完
oma github list
oma github pubs <installation-id>
oma github update <pub-id> --caps pr.read,pr.review.write,issue.comment.write,…
oma github unpublish <pub-id>

bind 返回 manifestStartUrl；打开后会自动 POST 一份 App manifest 到 github.com/settings/apps/new，redirect URL、webhook URL、建议权限都已经填好。确认后 GitHub 把你引到 "Install on org" 页面，安装完毕，publication 变 live。手动 fallback：oma github submit <form-token> --app-id … --private-key-file … --webhook-secret …（如果你手动注册过 App）。

触发是基于 label 的。 安装时 OMA 会在每个选中仓库自动创建一个 label（默认是人格名字小写）。给任意 issue / PR 加上这个 label 就能让 bot 接管那条 thread 的后续所有动作；移除 label 就静音。@<slug>[bot] 在正文 / 评论里 mention 是 fallback 路径（GitHub @ 自动补全不会带 Bot 账户，所以要纯文本输入）。

工作原理：

部件 功能
每发布独立 App 每个 agent 通过 Manifest 流程注册自己的 GitHub App；凭证 per-publication 加密存储
入站 webhook issues、issue_comment、pull_request、pull_request_review、pull_request_review_comment 转成会话上的用户消息（每个 <repo>#<num> 一个 session）
出站 MCP agent 用 installation token 直接打到 GitHub 自家的 MCP api.githubcopilot.com/mcp/；同一个 token 也作为 GITHUB_TOKEN 注入到沙箱里的 gh / git
token 轮换 1 小时的 installation token 在每次 webhook 派发时通过 App JWT 自动刷新
能力门 per-publication allowlist；破坏性操作（pr.merge、repo.branch.delete、workflow.dispatch、release.create、*.delete）必须显式 opt-in

GitHub 集成的 provider 逻辑在 packages/github/，CF 路由薄壳在 apps/integrations/src/routes/github/。

Slack

把 agent 发到 Slack workspace 里当一个 dedicated bot —— 在 channel 里能被 @mention、在 thread 里回复、能进 DM、托管 AI 助手面板。每 channel 一个 session：一个 (publication, channel) 对应一个运行中的 session，该 channel 里所有事件都汇到同一个 session id 上。

# (1) Console —— 适合人通过向导点击
集成 → Slack → 发布智能体          # ↑ 会打开 api.slack.com，manifest 已预填

# (2) CLI —— 适合代表用户驱动 openma 的 agent
oma slack publish <agent-id> --env <env-id>    # → 返回 manifestLaunchUrl + formToken（60 分钟 TTL）
oma slack submit <form-token> --client-id … --client-secret … --signing-secret …
oma slack handoff <form-token>                 # 备选：7 天有效的 URL 让 workspace 管理员去走完
oma slack list
oma slack pubs <installation-id>
oma slack update <pub-id> --caps message.write,thread.reply,reaction.add,…
oma slack unpublish <pub-id>

完整的 agent 侧操作手册（manifest 流程注意事项、GATEWAY_ORIGIN 必须 HTTPS、应该把什么粘到哪、MCP 开关探测）见 skills/openma/integrations-slack.md。

工作原理：

部件 功能
每发布独立 App 每个 agent 通过 "Create from manifest" URL 流程注册自己 dedicated 的 Slack App —— 独立的 client id、signing secret、bot user；没有共享 marketplace App
入站 webhook app_mention / DM / thread 回复 → direct_invocation 信号；channel 顶层发言 → 防抖窗口 channel_scan_armed（90 秒窗口）；对 bot 自己消息的 reaction → reaction_on_bot_message；bot 自身 member_joined/member_left_channel → joined_channel / session_closed；channel_archive / channel_unarchive → 关闭 / 重开
双 token 出站 OAuth v2 同时拿到 bot（xoxb-）和 user（xoxp-）两个 token。xoxp- vault 绑到 mcp.slack.com/mcp 提供 mcp__slack__* 类型化工具（搜索、history、canvas）；xoxb- vault 绑到 slack.com/api 提供 chat.postMessage、reaction 等。bot 默认在 thread 里回复
能力门 per-publication allowlist（message.read/write/update/delete、thread.reply、reaction.add/remove、user.read、search.read、canvas.write）
断点续装 publication-first —— shell 行一开始就建好，callback + webhook URL 第一秒就烤进 manifest。中途失败仍能从 Console 继续（pending_setup → credentials_filled → awaiting_install → live）

Slack 集成的 provider 逻辑在 packages/slack/，CF 路由薄壳在 apps/integrations/src/routes/slack/。

运维要求： 集成网关需要把 GATEWAY_ORIGIN 指向可公网访问的 HTTPS host —— Slack 会在让你完成安装前先验证 OAuth redirect URL 和 Events Request URL。

项目结构

open-managed-agents/
├── apps/
│   ├── main/              # API worker（Cloudflare） —— Hono 路由、认证、限流
│   ├── main-node/         # API worker（Node 自部署） —— 同一套路由跑在 Hono/Node 上
│   ├── agent/             # Agent worker —— SessionDO + harness + 沙箱
│   ├── integrations/      # 集成网关 —— Linear / GitHub / Slack OAuth + webhook
│   ├── oma-vault/         # 保险库 sidecar —— 出站请求按 host 注入鉴权头
│   ├── console/           # Web 控制台 —— React + Vite + Tailwind v4
│   ├── docs/              # 文档站点（Astro Starlight） —— 发布到 docs.openma.dev
│   └── web/               # 营销站点（Astro） —— 发布到 openma.dev
├── packages/
│   ├── cli/                       # `oma` CLI —— 智能体 / 会话 / 集成命令
│   ├── sdk/                       # Harness SDK —— defineHarness、generateText 等
│   ├── api-types/                 # 共享 TypeScript 类型（配置 schema、事件类型）
│   ├── http-routes/               # 公开 REST 路由定义（main 与 main-node 共用）
│   ├── session-runtime/           # Harness 运行时 —— 事件日志、广播、恢复
│   ├── sandbox/                   # 沙箱适配器（subprocess / litebox / daytona / e2b / boxrun）
│   ├── credentials-store/         # 加密凭证存储（基于 PLATFORM_ROOT_SECRET 的 AES-GCM）
│   ├── model-cards-store/         # 加密的 Model Card API key 存储
│   ├── vaults-store/              # 保险库定义 + 出站鉴权配线
│   ├── linear/  github/  slack/   # Provider 逻辑（OAuth、webhook 签名、MCP 配线）
│   ├── integrations-core/         # Provider 无关的持久化接口
│   └── integrations-adapters-{cf,node}/  # D1 / KV / Workers + Postgres / FS 实现
├── docs/                  # 内部设计 RFC（不是面向用户的站点）
├── test/                  # 单元 + 集成测试
└── scripts/               # 部署 + 运维脚本

配置

启动和加密静态存储所必需的变量：

变量 必需 描述
PLATFORM_ROOT_SECRET 是 credentials.auth、model_cards.api_key_cipher 以及集成 token 的 AES-GCM 密钥。Worker 没有它无法启动。务必备份 —— 丢失后所有加密行都将无法解密。用 openssl rand -base64 32 生成。
BETTER_AUTH_SECRET 是（生产） better-auth 用来签发会话的 key，缺了之后会话无法在重启后保留。用 openssl rand -hex 32 生成。
API_KEY 是 开发 / 首次启动用的 REST API 引导 key。Console 跑起来后，优先在那里按 tenant 申请 API key。
INTEGRATIONS_INTERNAL_SECRET 是（启用 apps/integrations 时） apps/main 与 apps/integrations 之间的共享密钥。
ANTHROPIC_API_KEY 否 tenant 还没添加 Model Card 时使用的备用 LLM 凭证。生产环境请在 Console 里按 tenant 添加 Model Card —— 它会基于 PLATFORM_ROOT_SECRET 加密静态存储、按 tenant 隔离、并且能不重新部署就轮换。
ANTHROPIC_BASE_URL 否 切到任意 Anthropic 兼容代理。
PUBLIC_BASE_URL 否（开发） / 是（生产） Cookie 域和 OAuth redirect 的根。默认 * trusted-origins —— 只适合本地开发。
SANDBOX_PROVIDER 否 subprocess（默认，无隔离）、litebox（Firecracker）、daytona、e2b、boxrun。运行不可信 agent 请用带隔离的后端。
TAVILY_API_KEY 否 web_search 内置工具的后端。

完整变量列表（集成 OAuth 凭证、Postgres URL、沙箱调参、记忆桶配置、Google 登录等）：docs.openma.dev/reference/configuration 以及 .env.example / .dev.vars.example。

Model Cards

按 tenant 隔离的 LLM 凭证。Agent 通过 agent.model = "<model_id>" 引用一张 card，worker 查到这张 card 后用它的 api_key、base_url、headers 签出站请求。这是全局 ANTHROPIC_API_KEY env 的官方替代品。

Provider（wire tag → 请求形态）：

tag 形态 典型用途
ant Anthropic /v1/messages api.anthropic.com 上的 Claude
ant-compatible Anthropic 形态，自定义 base_url Bedrock 代理、自部署 Anthropic 兼容
oai OpenAI /v1/chat/completions OpenAI、Azure OpenAI
oai-compatible OpenAI 形态，自定义 base_url vLLM、OpenRouter、Groq 等

在 Console → Model Cards 里加一张，或者用 CLI：

oma models create \
  --model-id claude-prod \
  --provider ant \
  --model claude-sonnet-4-6 \
  --api-key sk-ant-...
oma models list

REST：POST /v1/model_cards、GET /v1/model_cards、POST /v1/model_cards/:id（轮换）、DELETE /v1/model_cards/:id。创建时会跑一次 6 秒的探测，让坏 key 立刻报错，不至于到第一轮真实调用时才挂。

Key 以 AES-256-GCM 加密静态存储，密钥派自 PLATFORM_ROOT_SECRET（label model.cards.keys）；list 接口只返回末 4 位预览。轮换 = POST 新 api_key —— 不需要重新部署，没有 key 版本号（如果是轮换 PLATFORM_ROOT_SECRET 本身，跑一次 backfill 脚本）。

测试

npm test          # 单元 + 集成套件
npm run typecheck # 零错误

文档

面向用户的文档站点位于 apps/docs（Astro Starlight），发布到 docs.openma.dev。

pnpm dev:docs       # 本地预览在 http://localhost:4321
pnpm build:docs     # 静态构建到 apps/docs/dist/
pnpm deploy:docs    # 构建 + wrangler 部署（Cloudflare Worker 静态资源）

仓库根目录下的 docs/ 文件夹是内部设计 RFC —— 不是面向用户的站点。

贡献

  1. Fork 仓库
  2. 创建功能分支（git checkout -b feat/amazing-feature）
  3. 跑测试（npm test && npm run typecheck）
  4. 提交修改
  5. 开 Pull Request

许可证

Apache 2.0

原始 README： https://github.com/openma-ai/open-managed-agents/blob/main/README.zh-CN.md ↗

同类插件

查看全部 →
开发与运行时xiaods

k8e

k8e.sh — 开源 Agentic AI 沙箱矩阵

查看详情
473github+08-17
开发与运行时hashgraph-online

hol-guard

开源AI代理防病毒：运行时拦截风险工具、秘密访问、提示注入、恶意软件包、MCP服务器、插件和技能。

查看详情
435github+08-16
开发与运行时alibaba

anolisa

ANOLISA（Agentic Nexus Operating Layer & Interface System Architecture）：具备运行时、安全性、可观测性和 Tokenless 响应压缩能力的 Agentic OS，可降低 Token 使用量与成本。

查看详情
351github+08-17
开发与运行时nutshellai-tech

mobius

首个自我演进的开源 Agent OS：连接你的团队、AI agent、设备与算力

查看详情
284github+08-23
开发与运行时hairyf

deepseek-harness-desktop

DeepSeek Harness Tauri 桌面版 | Only 5mb installer, zero environment setup. Windows / macOS / Linux.

查看详情
272github+08-16
开发与运行时bruc3van

awesome-dsh-plugin

用 30 秒为你的 DeepSeek Harness（DSH）找到合适的插件。 这不是又一个仓库清单：GitHub 上所有打着 dsh-plugin 标签的仓库由脚本每天自动抓取，再经人工逐个核实——真插件进目录，蹭热度的进黑名单，每条剔除理由公开可查。并告诉你每个插件适合谁、从哪里开始。

查看详情
165github+08-16