与框架无关的智能体同事，适用于任何智能体运行时。 一个包即可将团队智能体、审批、记忆、追踪和交接契约接入你正在使用的任何框架。
Talocode 的一部分 —— 人们信赖的开源工具，背后有托管能力支撑。
AI 智能体很擅长执行任务。难的是围绕它们的一切：谁能运行什么、什么需要审批、上次会话发生了什么，以及事后如何证明。WorkerLane 将这些部分整合到一个包中，可与任何智能体框架配合使用 —— 不绑定任何运行时品牌，无需选边站。
AI 同事 —— 创建带有名称和角色的智能体，将任务加入队列，将破坏性操作置于审批门禁之后
智能体-人工交接 —— 根据 Schema 契约校验并修复逐步传递的载荷，确保运行不会在静默中偏离
完整数据记录，归你所有 —— 追踪带有成本和状态的 Span，以及可跨会话持久化的记忆。除非你选择托管方案，否则所有内容都存储在本地 ~/.workerlane 中
计算机使用 —— 与 workerlane mcp 一起运行 screenlane mcp（@talocode/screenlane），为同一个框架添加屏幕捕获、听写和命令工具
适用于任何框架 —— 将整个工具包以 MCP 工具的形式暴露，并连接任何兼容 MCP 的智能体
Related MCP server: BirdEye
产品生态很强大，但彼此割裂 —— 智能体、追踪、记忆、交接各自独立发布。WorkerLane 省去了组装工作。一次安装、一个界面，所有部件都已连接好。它定位为框架之上的能力层，正是价值复利所在之处。
npm install -g @talocode/workerlane或
pip install talocode-workerlane无需 Office、无需运行时、无需云。本地引擎完全在你的机器上运行。
# start the MCP server — connect any harness to it
workerlane mcp
# create a coworker
workerlane agent create --name "qa-bot" --role "reviews every PR before merge"
# queue a task, gated behind an approval
workerlane agent run --agent <ID> --task "audit the auth flow" --approve
# save and recall memory across sessions
workerlane memory remember --text "deploy is Fridays, freeze after 4pm" --tags ops,deploy
workerlane memory recall --query "deploy"
# start a trace run
workerlane trace start --name "release-check"{
"mcp": {
"workerlane": {
"type": "local",
"command": ["workerlane", "mcp"]
}
}
}连接后，以下工具即可供任何兼容 MCP 的智能体使用：
工具 | 功能 |
| 创建带有名称 + 角色的同事 |
| 列出同事 |
| 将任务加入队列； |
| 批准/拒绝待处理的运行（已记录） |
| 将运行标记为完成并附上结果 |
| 列出运行，按状态筛选 |
| 根据 Schema 契约校验步骤输出 |
| 校验 + 轻度修复（丢弃多余字段、强制类型转换） |
| 开始一次追踪运行 |
| 记录一个 Span（llm/tool/retrieval/handoff），包含状态 + 成本 |
| 完成运行 → 凭证链 |
| 列出追踪运行 |
| 保存一条记忆 |
| 召回相关记忆 |
| 列出已保存的记忆 |
计算机使用（配套服务器）： 安装 @talocode/screenlane，然后添加第二个 MCP 条目：
{
"mcp": {
"screenlane": {
"type": "local",
"command": ["screenlane", "mcp"]
}
}
}向同一个框架暴露 screenlane_capture、screenlane_dictate、screenlane_command、screenlane_send、screenlane_doctor。托管浏览器自动化可通过 Talocode Cloud 上的 Agent Browser（/v1/agent-browser/*）使用。
import { createAgent, createAgentRun, approveAgentRun, validateHandoff, remember, recall, createTraceRun, startTraceSpan } from '@talocode/workerlane'
const bot = createAgent({ name: 'qa-bot', role: 'reviews every PR before merge' })
const run = createAgentRun({ agentId: bot.id, task: 'audit the auth flow', requireApproval: true })
// → a human approves it before it runs
approveAgentRun(run.id, true)
const r = validateHandoff({
value: { intent: 'ship', confidence: 0.9 },
schema: { type: 'object', required: ['intent', 'confidence'], properties: { intent: { type: 'string' }, confidence: { type: 'number' } } },
})
remember('deploy is Fridays, freeze after 4pm', ['ops', 'deploy'])
const facts = recall('deploy')
const trace = createTraceRun('release-check')
const span = startTraceSpan(trace.id, 'verify', 'tool')一切以本地优先。状态存储在 ~/.workerlane/ 中（可通过 WORKERLANE_DIR 覆盖）。
agents.json —— 智能体注册表 + 包含审批决定的运行审计轨迹
memory.json —— 持久记忆
traces.json —— 包含成本 + 状态的 Span 凭证
随时导出或删除这些文件 —— 数据归你所有。
对于需要托管能力的团队，WorkerLane 可在 Talocode Cloud 上通过 /v1/workerlane/* 使用，并采用 Stacklane 计费。本地引擎始终免费。
操作 | 积分（托管） |
| 3 |
| 1 |
| 2 / 4 |
| 1 / 1 / 2 |
| 4 / 2 |
@talocode/worklane · pip install talocode-worklane
@talocode/memorylane · pip install talocode-memorylane
@talocode/handofflane
@talocode/tracelane
@talocode/agent-browser（托管计算机使用）
产品 | 仓库 |
WorkerLane（本包） | |
推理、写作、编码 | |
工作自动化 | |
持久化智能体记忆 | |
逐步 Schema 契约 | |
运行追踪 + 凭证 | |
策略门禁 | |
门禁执行 | |
面向智能体的浏览器自动化 | |
屏幕自动化 | |
搜索能力 | |
X 搜索 | |
面向智能体的 Office 文档 | |
数据分析 | |
视频创作 | |
交易 | |
编码智能体 | |
云控制平面 |
更多： github.com/talocode · talocode.site · docs.talocode.site
MIT © Talocode
This server cannot be deployed
Work management where AI agents are first-class members: tasks, projects, memory over hosted MCP
Private-by-default, local-first memory/context/task orchestrator for MCP apps and agents.
Agent-native notes, tasks, dev-docs, vaults, sync & handoffs. MCP + OpenAPI dual surface.
Shared memory and mail for your AI agents. Verified with Claude Code; other MCP clients in testing.
