隨著 Claude Code CLI、OpenClaw、Codex CLI、Antigravity CLI 等 AI 編程工具（Coding Agents）的快速發展，我們不再只是「使用」AI 工具，而是開始與多個 AI 共同協作。
然而，如何同時管理多個 AI Agent、分派任務、追蹤進度，並讓它們像人類同仁一樣自主回報？這正是 Multica AI 登場的最佳時機！
📌 什麼是 Multica AI？
Multica 是一款開源（Open-Source）的「人機協作專案管理平台」（Project Management for Human + Agent Teams）。是一個專為「人類+ AI 代理人（Human + Agent）」打造的專案管理平台。不同於傳統將 AI 視為單純提示詞工具（Prompt Tool）的模式，Multica 將 AI Agent 提升為真正的「真實的團隊成員（Real Teammates）」。
在 Multica 中，AI Agent 擁有自己的專屬檔案（Profile）、能自主更新任務狀態(Status)、建立任務議題（Issues）、在 Task 中留言討論、提交 Code Review，並自動推動工作流程。
💡核心設計理念：Project Management for Human + Agent Teams
Multica 的主要目標是幫您管理未來的「AI 員工」。它提供了完整的任務佇列、佇列領取（Claim）、自主執行、實時 WebSocket 串流監控與失敗回報機制，解決了直接使用 CLI 代理時缺乏可視化與團隊協同的痛點。
簡單來說，Multica 把 AI 代理人（Coding Agents）轉化為你的數位同事。在 Multica 的看板中，你不僅可以指派 Issue 給團隊裡的人類工程師 Alex 或 Sarah，也可以直接指派給數位工程師 AI Agent Claude 或 OpenClaw。
✨ Multica 的核心特色
1. 人類與 AI 混合看板 (Human + Agent Board)
Multica 提供了統一的專案看板與指派選單。指派任務給 AI Agent 的操作與指派給人類同事完全相同。
- 成員統一面板： 人類工程師（如 Alex, Sarah）與 AI Agent（如 Claude, Tina-dev）並列於指派選單中。
- 自主參與 (Autonomous Participation)： AI Agent 不僅能接受指派，還能主動建立議題、回報卡關 blocker、修改任務狀態（Todo → In Progress → Complete）。
- 統一動態時序 (Activity Feed)： 將人類的留言與 Agent 的工具呼叫、代碼修改歷史交織呈現在同一個時間軸中。
2. 全自動任務生命週期 (Task Lifecycle)
任務遵循嚴謹的流轉流程：Enqueue (入列) → Claim (領取) → Start (開始) → In Review / Complete / Fail (完成/失敗)。
- 即時串流監控 (Real-time Streaming)： 透過 WebSocket 實時展示 Agent 呼叫的工具（Read file, Edit file, Bash Command 等）與執行進度。
- 主動阻礙回報 (Proactive Block Reporting)： 當Agent 在執行過程中遇到權限不足、測試失敗或需求模糊時，會主動將Issue 狀態改為 blocked 並標示阻礙原因，避免任務默默掛死。
3. 可複用的技能庫 (Skill Library)
Skill 是將團隊的 Best Practices、部署腳本、Code Review 規範打包成可重複使用的能力模組。
複利成長 (Compound Growth)： 只要一位成員撰寫好 Skill，團隊中所有的 AI Agent 都能立即繼承該能力。
4. 實時進度串流(Real-time Progress)
基於WebSocket 的即時更新機制。團隊成員可以在動態牆(Activity Timeline) 實時觀察Agent 的終端輸出、檔案修改與評估邏輯。
⚙️ 安裝方法（Installation）
Multica 提供極簡的 PowerShell 一鍵安裝腳本（適用於 Windows 環境），能自動完成 CLI 環境設置與 Daemon 服務配置。
第一步：執行 PowerShell 一鍵安裝腳本
- 進入 Multica AI 網站
- 從"免費開始"，進行註冊、登入。
- 下載桌面版進行初始化設定。
或者
開啟 PowerShell（建議使用系統管理員身分執行），複製並貼上以下指令：
irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex
💡 說明： irm (Invoke-RestMethod) 會從 GitHub 官方儲存庫下載最新版本的安裝腳本，並透過 iex (Invoke-Expression) 即時執行。
第二步：執行初始化設定（Setup）
安裝完成後，或在命令列中輸入以下命令：multica setup
會自動執行以下流程：
OAuth 身份驗證：引導登入並連接你的 Multica Workspace ( Multica 採用多租戶Workspace 隔離機制。每個Workspace 包含獨立的成員、專案、議題與Agent 隊伍)。
啟動背景 Daemon：在背景建立佇列與任務監聽服務。
自動掃描 CLI 工具：自動掃描並支援多達14 種主流AI 編程工具與Agent 引擎（如 Claude Code CLI, OpenClaw, Codex CLI, Antigravity CLI 等），並自動將其註冊為可用的 Runtimes (運行時)。
建立第一個 Agents : 會引導建立名為 " Multica Helper " 的 Agents。已建立的 Issues 一定先要由 Agents 來接手，再由其交給 Runtimes 來執行。這裡 Runtimes 中文會被翻譯成"運行時"，是比較不熟悉中文名詞。
🗼 核心概念與物件架構
物件關係與層級結構
Multica 內部的核心物件呈現嚴謹的樹狀關係：
Workspace（工作區）：最頂層容器，存放所有成員、專案與 Agent 設定。 Projects（專案）：綁定特定的程式碼資源（如 github_repo 或 local_directory ）。 Issues（議題/ 任務）：具體需執行的開發需求，擁有狀態、優先級與指派對象。 Agents（代理人）：綁定特定 Prompt 指示、技能( Skills ) 與 Runtimes。 Squads（小隊）：由 Multiple Agents 組成的團隊，並指定一位 Agent 作為 Leader 負責任務分配。 Autopilot（自動化服務）：基於 Cron 排程或 Webhook 觸發的自動運作任務。
🚀 使用方法（Usage Guide）
1. 建立 Agents 角色
登入 Multica 桌面端介面後，前往 Agents 頁面，點擊 + New Agent：
可選擇自行建立或 AI 協助建立。
當然，選 AI 協助建立。選擇由哪個 Runtime 與 Model 協助建立，再按下 Start conversation 。
如果也不知道如何請 AI 協助建立，可以找 gemini 幫忙，例如: "參考附圖(以下2圖)，要在 Multica 由 AI 協助建立寫 code 的 agent， 有附上目前安裝的 skills，提供提示詞"。
建立 Agent 的參考資源 : (持續更新......)
2. 設置 Runtimes (運行時)
在 Configure 下設置 Runtimes (運行時) ：
3. 設置 Skills
在 Configure 下設置 Skills，按 " + New skill " 按鈕
當然先選 " Copy from runtime "
就可以用勾選的方式將 skills " Import to Workspace " 了。
- Antigravity : 只會使用到 " ~/.gemini/antigravity-cli/skills/ " 下的 skills，並不會使用全域 " ~/.gemini/config/skills/ "下的 skills。
4. Agent 使用 Skills
Agent 可以使用 Workspace 中所有已安裝的 skills 。
- 方法1 : 從 Configure 中的 Skills ，Add to agent。
3、進入 skills 後，按下右上角的 " Add to agent "
4、選擇將此 skills 給予的 agent，可以一次給予多個 agent。
- 方法2 : 從 Agents 中 Capabilities 分頁的 Skills，Add skill。
1、進入 Workspace 中的 Agents 、這裡會看到 Agents 的 list。選擇要設定 skills 的 agent。
2、進入 agent 後，選擇 Capabilities 分頁中的 Skills 項目，進行 Add skill。
3、進入 add skill 後，選擇將哪些 skills 給予這個 agent，最後按下 Add 按鈕。
5. 語言( Language ) Settings (設置)
在 Configure 下的 Settings (設置)中的 Preferences ，可以選擇偏好的語言。
6. 在看板中建立、指派任務（Issue Board）
在 Issues Board 建立任務時，這裡以 Todo (待辦) 示範，按下 " + " 按鈕後就可新建 issue (任務)。
開始此 issue 的描述與設置，最後按下 " Create Issue " 按鈕，就成功建立 issue 。
工作中
7. 即時監控執行狀態（Real-time Streaming）
點擊任務卡片，即可即時觀看 Agent 執行的思考過程與 Tool Call 呼叫紀錄：
8. Runtime 算力管理儀表板（Dashboard）
前往 Runtimes 頁面，可以掌握所有本機與雲端環境的運行狀況：
8. 資安承諾 (Code Safety Assurance)：
無論使用雲端版還是私有部署版，AI Agent 的實際代碼執行皆發生在您的本地機器或私人雲端 Runtime 上。Multica 伺服器僅負責協調任務狀態、派發 Task 事件與廣播進度，確保原始碼絕不出境。
❓常見問題解答 (FAQ)
Q1: Multica 與直接使用 Claude Code 或 Cursor 等 CLI 有何不同？
CLI 工具擅長「單點執行」，而 Multica 補足了「團隊管理層」。Multica 提供了任務佇列、歷史紀錄、跨人與 Agent 的協同面板、技能共享以及算力（Runtime）的監控儀表板。
Q2: Agent 可以長時間自主運行長任務嗎？
可以。Multica 具備完整的生命週期管理，Agent 會在背景持續推進任務，遇到卡關會自動標示。您可以放心地讓 Agent 在夜間自主執行重構或寫測試套件。
Q3: 可以同時執行多少個 Agent？
開源版本沒有任何人工數量限制。執行上限僅取決於您的硬體算力與 LLM API 配額。您可以連接多台機器作為 Runtime 來平行擴充運算能力。
🎯 總結
Multica AI 將原本零碎的 AI 指令互動，提升為系統化的專案管理與團隊協作架構。不論你是個人開發者想帶領 AI 軍團，或是團隊想引入 AI 代理人來加速 CI/CD 與 Code Review，Multica 都提供了一個直覺、開源且無 Vendor Lock-in 的理想解決方案。
👉 立即體驗：Multica.ai 官方網站 | GitHub 開源庫
測試留言功能，原來要 Google Blog 帳號才能留言。
回覆刪除