Molecule AI 图案 Logo

Molecule AI 文字 Logo

English | 中文

面向异构 AI Agent 团队的组织级控制平面

全球最强大的 Agent Team 治理方案。

[![License: BSL 1.1](https://img.shields.io/badge/License-BSL%201.1-orange.svg)](LICENSE) [![Go Version](https://img.shields.io/badge/go-1.25+-00ADD8?logo=go)](https://golang.org/) [![Python Version](https://img.shields.io/badge/python-3.11+-3776AB?logo=python)](https://www.python.org/) [![Next.js](https://img.shields.io/badge/Next.js-15-black?logo=next.js)](https://nextjs.org/)

Visual Canvas • Runtime Compatibility • Hierarchical Memory • Skill Evolution • Operational Guardrails

文档首页 • 快速开始 • 系统架构 • Platform API • Workspace Runtime

[![Deploy on Railway](https://railway.app/button.svg)](https://railway.app/new/template?template=https://git.moleculesai.app/molecule-ai/molecule-core) [![Deploy to Render](https://render.com/images/deploy-to-render-button.svg)](https://render.com/deploy?repo=https://git.moleculesai.app/molecule-ai/molecule-core)
--- ## 一句话定位 Molecule AI 是目前最强的 AI Agent 组织治理方案之一，用来把 agent 从“能跑的 demo”推进到“可管理、可协作、可运营的生产系统”。 它把过去分散在 demo、内部胶水代码和各类 framework 私有工具里的关键能力，收敛成一个产品： - 一套组织原生 control plane，管理团队、角色、层级和生命周期 - 一套 runtime abstraction，让 LangGraph、DeepAgents、Claude Code、CrewAI、AutoGen、OpenClaw 并存运行 - 一套与组织边界对齐的 memory 模型，把 recall、sharing 和 skill evolution 放进同一体系 - 一套面向线上 workspace 的运维面，统一完成观测、暂停、重启、检查和持续改进 今天很多团队能做好 workflow、单 agent、coding agent，或者自定义 multi-agent graph 中的一种。 但很少有团队能把这些能力一起运行成一个有清晰结构、稳定 memory 边界和生产级运维能力的 Agent 组织。 Molecule AI 填的就是这个空白。 ## 为什么 Molecule AI 很不一样 ### 1. 节点是角色，不是任务 在 Molecule AI 里，workspace 是一个组织角色。这个角色今天可以是单 agent，明天可以扩成内部子团队，而且对外身份、层级位置、memory 边界和 A2A 接口都不变。 ### 2. 组织图就是拓扑 你不需要手动画协作边。层级天然决定默认协作路径。这里的组织结构不是装饰性 UI，而是运行模型本身的一部分。 ### 3. Runtime 选择不再是死路 LangGraph、DeepAgents、Claude Code、CrewAI、AutoGen、OpenClaw 都可以挂到同一个 workspace abstraction 下。团队可以统一治理方式，而不必统一到底层 runtime。 ### 4. Memory 被当成基础设施来做 Molecule AI 的 HMA 不是“多存一点上下文”而已。它关注组织边界、durable recall、scope sharing、awareness namespace、skill promotion，把这些放在一个完整体系里。 ### 5. 它自带真正的 control plane Registry、heartbeat、restart、pause/resume、activity、approval、terminal、files、traces、bundles、templates、WebSocket fanout 都不是补丁，而是平台一等能力。 ## Molecule AI 填补了什么市场空白 | 类别 | 擅长什么 | 通常卡在哪里 | Molecule AI 补上的部分 | |---|---|---|---| | Workflow builder | 可视化任务编排 | 节点是任务，不是持久组织角色 | 角色原生 workspace、层级结构、长期团队 | | Agent framework | Runtime 语义强 | 缺统一 control plane 和组织级运维 | 生命周期、Canvas、registry、策略、observability | | Coding agent | 本地执行很强 | 不适合直接当团队基础设施 | Workspace abstraction、A2A 协作、平台化运维 | | 自定义 multi-agent graph | 灵活度高 | 拓扑脆弱、治理分散 | 在保留 runtime 自由度的同时统一 operating model | ## Molecule AI 的可防御优势 | 优势 | 为什么重要 | |---|---| | **角色原生 workspace 抽象** | 模型切换、框架切换、团队扩容都不会打碎你的组织结构 | | **分形式团队扩展** | 一个 specialist 可以平滑升级成一个部门，而不影响上游集成 | | **异构 runtime 兼容** | 不同团队可以保留偏好的 agent 架构，但共用一套平台规则 | | **HMA + awareness namespace** | Memory 分享沿组织边界走，而不是全局乱穿透 | | **Skill 演化闭环** | 成功工作流可以从 memory 逐步提升成可热加载的 skill | | **WebSocket-first 运维体验** | Canvas 能即时反映任务状态、结构变更和 A2A 响应 | | **Global secrets + local override** | 统一管理 provider 凭据，只在需要时做 workspace 级覆写 | ## 兼容哪些 Agent 架构，怎么对比 Molecule AI 并不是要替代下面这些 framework，而是把它们纳入更强的组织级 operating model。 | Runtime / 架构 | 当前仓库状态 | 原生优势 | Molecule AI 额外补上的能力 | |---|---|---|---| | **LangGraph** | `main` 已支持 | 图控制强、工具调用成熟、Python 扩展性好 | Canvas orchestration、层级路由、A2A、memory scope、operational lifecycle | | **DeepAgents** | `main` 已支持 | 规划和任务拆解更强 | 同一套 workspace contract、团队拓扑、activity、restart 行为 | | **Claude Code** | `main` 已支持 | 真实编码工作流、CLI-native continuity | 安全 workspace 抽象、A2A delegation、组织边界、共享 control plane | | **CrewAI** | `main` 已支持 | 角色型 crew 模式清晰 | 持久 workspace 身份、统一策略、共享 Canvas 和 registry | | **AutoGen** | `main` 已支持 | assistant/tool orchestration | 统一部署、层级协作、共享运维平面 | | **OpenClaw** | `main` 已支持 | CLI-native runtime，自有 session 模型 | workspace 生命周期、templates、activity logs、拓扑感知协作 | | **NemoClaw** | `feat/nemoclaw-t4-docker` 分支 WIP | NVIDIA 方向 runtime 路线 | 计划并入同一抽象层，但当前还不是 `main` 已合并能力 | 核心价值就是：**多种 agent runtime，共用一套组织级操作系统**。 ## 为什么我们的 Memory 架构会越跑越强 很多项目停留在“加了 memory”。Molecule AI 走得更远： | 常见 memory 方案 | Molecule AI | |---|---| | 扁平 store 或弱命名空间隔离 | 与层级对齐的 `LOCAL`、`TEAM`、`GLOBAL` scope | | 分享很容易越界 | 分享是显式且结构感知的 | | Memory 和 procedure 混成一团 | Memory 存 durable facts，skills 存 repeatable procedure | | 任意 agent 容易过权 | workspace awareness namespace 缩小 blast radius | | UI memory 和 runtime memory 混在一起 | scoped agent memory、key/value workspace memory、recall surface 分层清晰 | ### 这套飞轮怎么转 ```text 任务执行 -> durable insight 进入 memory -> 重复成功变成 signal -> workflow 提升成 skill -> skill 热加载回 runtime -> 后续协作更快、更稳 ``` 这正是 Molecule AI 最强的长期价值之一：系统会越来越像一个组织，而不是越来越像一段越来越大的隐藏 prompt。 ## Molecule AI 内建的自我进化式 Agent Team 架构 很多 agent 系统停留在“runtime 很聪明”。Molecule AI 往前走了一步: 它让团队可以**把有效经验写入 durable memory，把稳定 workflow 提升成 skill，把这些改进热加载回 live workspace，并且让整条闭环在平台层可见、可治理、可复用**。 | 对比维度 | 常见自我进化 agent 模式 | Molecule AI | |---|---|---| | **进化单元** | 单个 agent session 或 runtime | 一个 workspace、一个团队，最终到整张组织图谱 | | **运维可见面** | 主要隐藏在 agent 内部循环里 | 可被平台、Canvas、activity stream、memory surface、runtime controls 共同观察和治理 | | **战略结果** | 一个更聪明的 agent | 一个会持续复利、沉淀 durable knowledge 和 governed skills 的 AI 组织 | ### 在 Molecule AI 里，这条闭环落在哪些模块 | 核心机制 | Molecule AI 对应模块 | 为什么重要 | |---|---|---| | **跨 session 的 durable memory** | `workspace/builtin_tools/memory.py`、`workspace/builtin_tools/awareness_client.py`、`workspace-server/internal/handlers/memories.go` | 不只是持久化，而且是**按 workspace 隔离**的，可进一步路由到和组织结构绑定的 awareness namespace | | **Cross-session recall** | `workspace-server/internal/handlers/activity.go` 中的 `/workspaces/:id/session-search` | Recall 同时覆盖 activity history 和 memory rows，不需要再造一个隐蔽的新存储层 | | **从经验里长出技能** | `workspace/builtin_tools/memory.py` 里的 `_maybe_log_skill_promotion` | 从 memory 到 skill candidate 的提升会被显式记录成平台 activity，而不是默默发生在黑盒里 | | **技能在使用中持续改进** | `workspace/skill_loader/watcher.py`、`workspace/skill_loader/loader.py`、`workspace/main.py` | Skill 改动可以热加载进 live runtime，下一次 A2A 任务就能直接使用，不需要重启 workspace | | **持久化 skill 生命周期** | `workspace-server/cmd/cli/cmd_agent_skill.go`、`workspace/plugins.py` | Skill 不只是“生成一次”，而是可以 audit、install、publish、plugin 挂载、治理和复用的正式资产 | ### 为什么这在 Molecule AI 里更适合团队级系统 1. **学习闭环是 org-aware 的，而不只是 session-aware。** Memory 可以按 `LOCAL`、`TEAM`、`GLOBAL` scope 运作，awareness namespace 让每个 workspace 都有清晰的持久边界。 2. **学习闭环是对运维可见的。** Promotion events、activity logs、current-task updates、traces、WebSocket fanout 让自我进化进入 control plane，而不是藏在黑盒内部。 3. **学习闭环是可以跨团队复利的。** 某个 workspace 学出来的稳定 workflow 可以变成受治理的 skill，热加载回 runtime，写进 Agent Card，并继续服务更大的组织层级。 所以 Molecule AI 的目标不只是“一个会学习的 agent”，而是**一个会随着工作沉淀出 durable memory 和 reusable procedure、并持续变强的 AI 组织**。 ## `main` 分支已经具备什么 ### Canvas - Next.js 15 + React Flow + Zustand - drag-to-nest 团队构建 - empty state + onboarding wizard - template palette - bundle import/export - 包含 chat、activity、details、skills、terminal、config、files、memory、traces、events 的 10 个侧栏 tab ### Platform - Go/Gin control plane - workspace CRUD 和 provisioning - registry 与 heartbeat - 浏览器安全的 A2A proxy - team expansion/collapse - activity logs 与 approvals - secrets 和 global secrets - files API、terminal、bundles、templates、viewport persistence ### Runtime - 统一 `workspace/` 镜像 - adapter 驱动执行 - Agent Card 注册 - awareness-backed memory - plugin 挂载共享 rules/skills - 本地 skills 热加载 - coordinator-only delegation 路径 ### Ops - Langfuse traces - current-task reporting - pause/resume/restart - activity streaming - runtime tiers - 终端与文件层面的 workspace 直接排障 ## 适合什么团队 Molecule AI 特别适合下面这些场景： - 需要 PM / Dev Lead / QA / Research / Ops 等角色协作的 AI 工程团队 - 不同子团队偏好不同 agent runtime 的组织 - 需要长期 memory 边界和技能沉淀的 agent 系统 - 想把 agent team 作为正式基础设施，而不是零散脚本的内部平台团队 ## 架构总览 ```text Canvas (Next.js :3000) <--HTTP / WS--> Platform (Go :8080) <---> Postgres + Redis | | | +--> Docker provisioner / bundles / templates / secrets | +-------------------- 展示 --------------------> workspaces, teams, tasks, traces, events Workspace Runtime (Python image with adapters) - LangGraph / DeepAgents / Claude Code / CrewAI / AutoGen / OpenClaw - Agent Card + A2A server - heartbeat + activity + awareness-backed memory - skills + plugins + hot reload ``` ## 快速开始 ```bash git clone https://git.moleculesai.app/molecule-ai/molecule-core.git cd molecule-core cp .env.example .env # 默认值即可在本地启动整套服务。.env.example 里有针对生产部署的 # 安全配置说明（ADMIN_TOKEN、SECRETS_ENCRYPTION_KEY 等）。 ./infra/scripts/setup.sh # 启动 Postgres (:5432)、Redis (:6379)、Langfuse (:3001) # 以及 Temporal (:7233 gRPC, :8233 UI)，全部挂在共享的 # `molecule-monorepo-net` Docker 网络上。Temporal 默认无鉴权， # 仅用于本地开发；生产环境必须加 mTLS / API Key。 # # 同时会根据 manifest.json 拉取所有模板/插件仓库到 # workspace-configs-templates/、org-templates/、plugins/ 三个目录。 # 需要安装 jq：`brew install jq`（macOS）或 `apt install jq`（Debian）。 # 脚本幂等：已经存在内容的目录会被跳过，可以安全重跑。 cd workspace-server go run ./cmd/server # 首次启动会自动跑 schema_migrations 里未应用的迁移 cd ../canvas npm install npm run dev ``` 然后打开 `http://localhost:3000`： 1. 在 empty state 中部署模板，或者创建 blank workspace。 2. 跟着 onboarding guide 进入 `Config`。 3. 在 `Secrets & API Keys` 中添加 provider key。 4. 打开 `Chat` 并发送第一条任务。 ## 文档导航 - [文档首页](./docs/index.md) - [快速开始](./docs/quickstart.md) - [产品概览](./docs/product/overview.md) - [系统架构](./docs/architecture/architecture.md) - [记忆架构](./docs/architecture/memory.md) - [Platform API](./docs/api-protocol/platform-api.md) - [Workspace Runtime](./docs/agent-runtime/workspace-runtime.md) - [Canvas UI](./docs/frontend/canvas.md) - [本地开发](./docs/development/local-development.md) - [生态观察](./docs/ecosystem-watch.md) — 值得关注的相邻项目（Holaboss、Hermes、gstack 等） ## 当前范围说明 当前 `main` 已经包含核心平台、Canvas、memory model、6 个正式 adapter、skill lifecycle 和主要运维面。像 **NemoClaw** 这样的相邻 runtime 路线仍然属于分支级工作，只有合并后才会进入正式支持列表，这里会明确区分。 ## License [Business Source License 1.1](LICENSE) — 版权所有 © 2025 Molecule AI。 允许个人、内部与非商业用途。不得使用本作品提供与本产品竞争的商业服务。2029 年 1 月 1 日起转为 Apache 2.0。