agent-hub

让一个"主导智能体"通过 MCP 调度其他模型和智能体协同干活。

主导者可以是 Claude Code，也可以是 Codex，或任何支持 MCP 的客户端。agent-hub 把 DeepSeek、智谱 GLM 这类大模型，以及 Codex、Claude Code 这类命令行智能体统一包装成 MCP 工具。你想让谁来主导，就在谁那里接上 agent-hub，其他人就成了它可以调度的帮手。

        主导者（随时可换）
   Claude Code    Codex    其他 MCP 客户端
        └────────────┼────────────┘
                     ▼
          agent-hub（MCP 服务，stdio）
       ┌─────────────┴──────────────┐
  模型类：直接调用接口           命令行类：后台子进程
  DeepSeek / 智谱 GLM …         Codex / Claude Code …

English summary

为什么做这个

直接用 shell 调用其他智能体，会踩到这些坑：

• 在 Windows 上，claude 等命令是 .cmd 包装器，带换行的提示词会被截断，表现为莫名其妙的"模型不存在"报错

• 报错被掩盖，主导者看不出真实原因，于是盲目重试，白白消耗额度

• 每调用一次就启动一个完整的智能体，固定开销往往高达数万 token

• 看不到进度，长任务也没办法取消

agent-hub 的应对方式：

• 提示词一律通过 stdin 传入

• 报错原样返回，并且绝不自动重试

• 纯文本任务直接调用模型接口，没有额外开销

• 长任务在后台异步运行，可以查询进度、读取结果、随时取消

Related MCP server: mcp-swarm-router

提供的 MCP 工具

安装

需要 Python 3.11 及以上版本，以及 uv。

git clone https://github.com/LJUN0308/agent-hub.git
cd agent-hub
uv sync

配置

把 config.example.toml 复制到 ~/.agent-hub/config.toml，然后按需修改：

• allowed_roots：start_task 的工作目录必须位于这些目录之下

• [workers.xxx]：每个工人一节，kind = "model" 表示大模型，kind = "cli" 表示命令行智能体

• command：命令行智能体的启动参数，可以使用 {workdir} 和 {output_file} 两个占位符。提示词总是通过 stdin 传入，所以命令里要包含让对方从 stdin 读取的参数，比如 Codex 的 -

• command_glob：可选。如果可执行文件的路径会变，比如 Codex 桌面版带哈希的目录，可以用通配符匹配，自动选最新的那个；匹配不到时回退到 PATH 查找。%VAR% 和 ~ 会被展开

API Key 不要写进配置文件。 支持两种方式：

• api_key_env：从环境变量读取

• api_key_ccswitch：从 cc-switch 的数据库中，只读取出同名供应商的 Key

接入主导智能体

# Claude Code
claude mcp add agent-hub -- uv --directory /path/to/agent-hub run agent-hub

# Codex
codex mcp add agent-hub -- uv --directory /path/to/agent-hub run agent-hub

接入以后，直接用自然语言让主导者分派任务就行，比如："用 DeepSeek 写第一章初稿，同时让 Codex 画 6 张插图"。

调用记录保存在 ~/.agent-hub/usage.jsonl，每个后台任务的日志保存在 ~/.agent-hub/jobs/。

安全说明

• allowed_roots 只约束工作目录，它不是沙箱。 智能体实际能访问什么，取决于它自己的权限设置，比如 Codex 的 -s workspace-write。请在 command 里按最小权限原则配置

• 命令行智能体会继承 agent-hub 进程的环境变量。如果你通过 api_key_env 提供了 Key，被调度的智能体也能读取到

• 模型的 API Key 不写入日志和用量记录。接口报错信息里如果回显了 Key，会先替换成 *** 再返回

• 在 Windows 上，如果命令行智能体是 .cmd/.bat 包装器，含有 &|<>^%!" 的参数会被拒绝，以防 cmd.exe 把它们当成命令语法解析

• 后台任务只保存在内存里，不跨重启保留。agent-hub 退出时会结束所有仍在运行的任务，避免它们在无人管理的情况下继续消耗额度

路线图

• 第一阶段：模型调用、后台任务、stdin 传参、失败即停

• 预算限额：为每个工人设置单次和每日的 token 上限

• 并发上限、任务记录清理，以及子进程的环境变量白名单

• MCP 类工人：转接其他 MCP 服务，比如 WorkBuddy 本地的连接器代理，用来接入企业微信等国内生态

• 任务看板：在网页上实时查看所有任务

• 更多模型预设：智谱、Kimi、通义等

开发

uv run pytest --cov=agent_hub
uv run ruff check .

English

agent-hub is a small MCP server that lets a lead agent (Claude Code, Codex, or any MCP client) delegate work to other LLMs (any OpenAI-compatible API such as DeepSeek or GLM) and CLI agents (Codex, Claude Code). Text tasks go straight to the model API, so there is no agent start-up overhead. CLI tasks run in the background and expose status, result and cancel tools. Prompts are always passed via stdin, which avoids Windows .cmd argument truncation. Errors come back verbatim and are never retried automatically. Configure workers in ~/.agent-hub/config.toml (see config.example.toml).

License

MIT