24fec62d7f
Forked clean from public hackathon repo (Starfire-AgentTeam, BSL 1.1) with full rebrand to Molecule AI under github.com/Molecule-AI/molecule-monorepo. Brand: Starfire → Molecule AI. Slug: starfire / agent-molecule → molecule. Env vars: STARFIRE_* → MOLECULE_*. Go module: github.com/agent-molecule/platform → github.com/Molecule-AI/molecule-monorepo/platform. Python packages: starfire_plugin → molecule_plugin, starfire_agent → molecule_agent. DB: agentmolecule → molecule. History truncated; see public repo for prior commits and contributor attribution. Verified green: go test -race ./... (platform), pytest (workspace-template 1129 + sdk 132), vitest (canvas 352), build (mcp). Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
291 lines
14 KiB
Markdown
291 lines
14 KiB
Markdown
<div align="center">
|
||
|
||
<p>
|
||
<img src="./docs/assets/branding/molecule-icon.png" alt="Molecule AI 图案 Logo" width="160" />
|
||
</p>
|
||
|
||
<p>
|
||
<picture>
|
||
<source media="(prefers-color-scheme: dark)" srcset="./docs/assets/branding/molecule-text-white.png">
|
||
<img src="./docs/assets/branding/molecule-text-black.png" alt="Molecule AI 文字 Logo" width="420" />
|
||
</picture>
|
||
</p>
|
||
|
||
<p>
|
||
<a href="./README.md">English</a> | <a href="./README.zh-CN.md">中文</a>
|
||
</p>
|
||
|
||
<h3>面向异构 AI Agent 团队的组织级控制平面</h3>
|
||
|
||
<p>
|
||
全球最强大的 Agent Team 治理方案。
|
||
</p>
|
||
|
||
[](https://opensource.org/licenses/MIT)
|
||
[](https://golang.org/)
|
||
[](https://www.python.org/)
|
||
[](https://nextjs.org/)
|
||
|
||
<p>
|
||
Visual Canvas • Runtime Compatibility • Hierarchical Memory • Skill Evolution • Operational Guardrails
|
||
</p>
|
||
|
||
<p>
|
||
<a href="./docs/index.md"><strong>文档首页</strong></a> •
|
||
<a href="./docs/quickstart.md"><strong>快速开始</strong></a> •
|
||
<a href="./docs/architecture/architecture.md"><strong>系统架构</strong></a> •
|
||
<a href="./docs/api-protocol/platform-api.md"><strong>Platform API</strong></a> •
|
||
<a href="./docs/agent-runtime/workspace-runtime.md"><strong>Workspace Runtime</strong></a>
|
||
</p>
|
||
|
||
[](https://railway.app/new/template?template=https://github.com/Molecule-AI/molecule-monorepo)
|
||
[](https://render.com/deploy?repo=https://github.com/Molecule-AI/molecule-monorepo)
|
||
|
||
</div>
|
||
|
||
---
|
||
|
||
## 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-template/builtin_tools/memory.py`、`workspace-template/builtin_tools/awareness_client.py`、`platform/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** | `platform/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-template/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-template/skill_loader/watcher.py`、`workspace-template/skill_loader/loader.py`、`workspace-template/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** | `platform/cmd/cli/cmd_agent_skill.go`、`workspace-template/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-template/` 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://github.com/Molecule-AI/molecule-monorepo.git
|
||
cd molecule-monorepo
|
||
|
||
./infra/scripts/setup.sh
|
||
|
||
cd platform
|
||
go run ./cmd/server
|
||
|
||
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
|
||
|
||
MIT
|