AI 编程 Agent 全景图：5 大终端 Agent 横评 + Skills / MCP 生态一次讲透

橘和柠
0 阅读13分钟

2026 年 AI 编程 Agent 全景图：5 大终端 Agent 横评 + Skills / MCP 生态一次讲透

数据说明：本文的安装命令、免费额度、功能描述全部来自各项目官方 README 与文档，逐条核实过，不是二手转述。Star 数据来自 GitHub 2026 年 9 月月榜。 适合谁：已经用过一两个 AI 编码工具、但搞不清这一堆 Agent / Skill / MCP 之间是什么关系的人。

一、先看结论

如果你只剩 3 分钟，记住这四句话：

  1. Agent 运行时已经"三大厂商 + 两大开源"格局成型：OpenAI 的 Codex CLI、Google 的 Gemini CLI、Anthropic 的 Claude Code，加上开源社区的 opencode 和 OpenClaw。前三个背后是模型厂商，后两个的价值是模型可换、数据不出本机。

  2. 免费额度最猛的是 Gemini CLI：个人 Google 账号每天 1000 次请求、每分钟 60 次，还带 1M token 上下文——对个人开发者来说，这个配额基本等于不要钱。

  3. Skills 和 MCP 不是一回事，很多人搞混了：MCP 解决"Agent 能碰到什么"（连接外部系统），Skills 解决"Agent 怎么做对"（固化流程与规范）。一个是手，一个是工艺手册。

  4. 这个生态最大的隐患是供应链：Skill 包、MCP Server、记忆库，这三个都是可被投毒的入口。上线前必须扫。

五大 Agent 横评表

工具出品方许可核心优势模型能否换上手成本
Codex CLIOpenAIApache 2.0绑 ChatGPT 套餐，CLI/IDE/桌面/云端四种形态齐全主要用 OpenAI低
Gemini CLIGoogleApache 2.0免费额度最大，1M 上下文，内置搜索 grounding主要用 Gemini极低
opencode开源社区—终端原生，模型随便换，内置 plan 只读模式可换低
OpenClawOpenClaw 基金会MIT本地优先，20+ 聊天渠道，数据不出本机可换（插件）中
Claude CodeAnthropic商业 + 开源组件生态最成熟（Hooks / 子 Agent / 插件市场）主要用 Claude低

二、生态全景：四层结构

在这里插入图片描述

2026 年的关键变化是：竞争重心从"谁家模型强"转移到了模型之上的三层——Agent 运行时、能力装配（Skills + MCP）、记忆。

为什么？因为模型能力在快速趋同，而"如何把模型组织成一个能干活的 Agent"这件事，差距还非常大。同样一个模型，配上不同的 Skills、MCP 工具链和记忆层，产出质量能差出一个量级。

这也解释了为什么 9 月月榜上，插件生态项目会集体上榜：anthropics/claude-plugins-community（3.8k★）、cursor/plugins（7.5k★，本月 +4.9k）——大家都在抢"Agent 能力分发"这个位置。

三、五大终端 Agent 逐个拆

3.1 Codex CLI —— OpenAI 的本地编码 Agent

许可：Apache 2.0 | 出品：OpenAI

一句话：跑在你自己电脑上的编码 Agent，可以用 ChatGPT 账号直接登录。

它其实有四种形态（这点很多人不知道）：

  • Codex CLI：终端里跑，就是本文讨论的对象；
  • IDE 扩展：支持 VS Code、Cursor、Windsurf；
  • 桌面 App：终端里执行 codex app；
  • Codex Web：云端 Agent，在 chatgpt.com/codex。

安装（Mac / Linux）：

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Windows（PowerShell）：

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

也可以走包管理器：

npm install -g @openai/codex
brew install --cask codex

装完运行 codex，选择 Sign in with ChatGPT 即可。ChatGPT 的 Plus / Pro / Business / Edu / Enterprise 套餐都包含 Codex 用量；也可以用 API key，但需要额外配置。

适合谁：已经是 ChatGPT 付费用户、希望"一个账号打通终端 + IDE + 云端"的人。

注意：安装脚本默认从 releases.openai.com 下载，失败时回退到 GitHub Releases。想强制走 GitHub，可以设置环境变量 CODEX_INSTALLER_USE_RELEASES_OPENAI_COM=false。

3.2 Gemini CLI —— 免费额度最猛的那个

许可：Apache 2.0 | 出品：Google

一句话：把 Gemini 直接搬进终端，免费额度大到离谱。

免费额度（官方 README 明示）：

认证方式额度
个人 Google 账号登录60 次请求/分钟、1000 次请求/天
Gemini API Key1000 次请求/天（Gemini 3 flash 与 pro 混合）
Vertex AI企业级，按量计费

配合 Gemini 3 的 1M token 上下文，对个人项目来说这个配额基本用不完。

安装（三种任选）：

npx @google/gemini-cli                 # 免安装直接跑
npm install -g @google/gemini-cli      # 全局安装
brew install gemini-cli                # macOS / Linux

受限环境（比如公司网络）可以用 conda 装 Node 再装：

conda create -y -n gemini_env -c conda-forge nodejs
conda activate gemini_env
npm install -g @google/gemini-cli

几个实用能力：

gemini                                          # 当前目录启动
gemini --include-directories ../lib,../docs     # 同时挂载多个目录
gemini -m gemini-2.5-flash                      # 指定模型
gemini -p "解释这个代码库的架构"                  # 非交互模式
gemini -p "..." --output-format json            # 输出结构化 JSON
gemini -p "..." --output-format stream-json     # 流式事件，适合长任务监控
  • 内置 Google Search grounding：可以拿实时信息，不用自己接搜索 API；
  • Conversation checkpointing：长会话能存能恢复，不怕中途断；
  • GEMINI.md：项目级上下文文件，把规范写进去，每次自动生效；
  • MCP 支持：在 ~/.gemini/settings.json 里配置。

最适合的一个用法：接进 GitHub Actions。官方提供了 run-gemini-cli Action，可以做 PR 自动评审、Issue 自动分类，在 issue 里 @gemini-cli 就能让它帮忙排查。对团队来说是零成本的自动化入口。

发布节奏很稳：preview 每周二 UTC 23:59，stable 每周二 UTC 20:00，nightly 每天。想尝鲜装 @preview，求稳装 @latest。

3.3 opencode —— 终端原生、模型随便换

出品：开源社区（现由 anomalyco 维护）

一句话："The open source AI coding agent"，不被任何模型厂商绑定。

安装（覆盖极全，几乎所有包管理器都支持）：

curl -fsSL https://opencode.ai/install | bash      # 一键脚本
npm i -g opencode-ai@latest                        # 或 bun / pnpm / yarn
scoop install opencode                             # Windows
choco install opencode                             # Windows
brew install anomalyco/tap/opencode                # macOS / Linux（推荐，更新最快）
sudo pacman -S opencode                            # Arch（稳定版）
paru -S opencode-bin                               # Arch（AUR 最新版）
mise use -g opencode                               # 任意系统
nix run nixpkgs#opencode                           # Nix

它也有桌面 App（BETA），macOS / Windows / Linux 都提供安装包。

它最大的设计亮点：内置两种 Agent，Tab 键切换

  • build：默认，全权限，用于实际开发；
  • plan：只读模式——默认拒绝文件编辑，执行 bash 前会先问你。

这个设计非常实用：接手一个陌生代码库时，先用 plan 模式让它读代码、出方案，确认无误后再切 build 执行。比"直接让它改然后祈祷"靠谱得多。

另外还有个 general 子 Agent，在消息里用 @general 调用，适合复杂搜索和多步任务。

注意：官方明确提示，安装前请先卸载 0.1.x 之前的旧版本。安装路径优先级是 $OPENCODE_INSTALL_DIR > $XDG_BIN_DIR > $HOME/bin > $HOME/.opencode/bin。

3.4 OpenClaw —— 数据不出本机的个人助手

许可：MIT | 出品：OpenClaw Foundation（独立 501(c)(3) 非营利基金会）

一句话：跑在你自己机器上的 AI 助手，在你已经在用的聊天工具里跟你见面。

它和前面几个定位不太一样：前面是"编码 Agent"，OpenClaw 是常驻的个人助手，能接 Discord、iMessage、Slack、Teams、Telegram、WhatsApp 等 20+ 渠道，也有 macOS / iOS / Android / Windows / Linux 原生 App。

架构分四块：

  • Gateway：本地控制平面，管会话、工具、事件、渠道连接；
  • Control UI / CLI / TUI：三种操作界面，都连 Gateway；
  • Channels：接各种聊天服务；
  • Companion apps / nodes：语音、画布、摄像头、屏幕等设备本地能力。

它最硬核的一点是"模型可插拔"：Claude、Codex、本地模型都只是插件，换掉模型不影响其他任何配置。状态、记忆、凭据全部存在你自己硬件上。

隐私承诺（写在 README 里）：默认情况下 OpenClaw 本身只做每日一次版本检查；匿名特性统计是 opt-in；设置 update.checkOnStart: false 可把两者都关掉。你的 prompt 只发给你自己配置的模型服务商和聊天平台。

治理结构也值得说：由独立的 501(c)(3) 基金会运营，没有付费档位、没有托管服务、没有代币。OpenAI 是捐赠方之一，但不是拥有者。捐赠方还包括密歇根大学、Amazon、Red Hat 等；基础设施由 GitHub、NVIDIA、Vercel 等支持。

安装：

# macOS / Linux / WSL2
curl -fsSL https://openclaw.ai/install.sh | bash

# Windows PowerShell
iwr -useb https://openclaw.ai/install.ps1 | iex

# 或走 npm（需要 Node 24.16+ 或 26.1+，推荐 Node 26）
npm install -g openclaw@latest --allow-scripts=openclaw

openclaw onboard --install-daemon    # 引导配置 + 装守护进程
openclaw gateway status              # 查看状态
openclaw dashboard                   # 打开控制台

插件从 ClawHub（clawhub.ai）获取。

安全红线（官方原文强调）：把入站消息当作不可信输入。支持私聊的渠道对陌生发送者默认走配对机制，需要你手动批准：

openclaw pairing approve <channel> <code>

另外，工具默认在你的主机上运行，除非你主动配置沙箱。在把 Gateway 暴露给其他人或远程访问之前，务必先读官方的安全指南和沙箱指南。

3.5 Claude Code 与 Cursor —— 生态最成熟的两个

Claude Code 是 Anthropic 的终端 Agent，也是目前周边生态最成熟的一个：Hooks（生命周期钩子）、Subagents（子 Agent）、Plugins（插件）体系完整。9 月月榜上 anthropics/claude-plugins-community（3.8k★）就是它的社区插件市场镜像。

安装（以官方文档为准）：

npm install -g @anthropic-ai/claude-code

项目规范写在 CLAUDE.md 里，和 Gemini CLI 的 GEMINI.md、Codex 的 AGENTS.md 是同一类东西。

Cursor 则是 AI IDE 的代表，把 Agent 能力嵌进编辑器。它的插件规范 cursor/plugins（7.5k★，本月 +4.9k）也已开源。

四、Skills 与 MCP：很多人搞混了，这里一次讲清

这是本文最想讲清楚的部分。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

4.1 两者的本质区别

MCP（Model Context Protocol）Skills（技能）
解决的问题Agent 能碰到什么Agent 怎么做对
本质连接协议流程与规范的封装
提供什么工具（tools）、资源（resources）、提示词模板做法说明、脚本、参考资料
类比手（能伸到哪里）工艺手册（怎么干）
举例连 GitHub、查数据库、发 Slack 消息怎么画架构图、怎么做安全扫描、怎么写周报
是否常驻配置后长期可用按需加载，用完即卸

一句话区分：MCP 让 Agent 有能力，Skills 让 Agent 有章法。

4.2 为什么 Skills 在 2026 年突然爆发

看 9 月月榜就明白了：archify 一个月涨 47k Star 拿下榜首，diagram-design 涨 32.7k，scientific-agent-skills 涨 11.4k，i-have-adhd 涨 21.0k——这四个全都是 Skill。

原因很简单：Skill 是一种极轻量的能力分发形式。一个目录、一个 SKILL.md、几个脚本，就能把一个人摸索出来的工作方法打包分享出去。比做一个完整的 MCP Server 成本低一个数量级，比写 prompt 又规范得多。

典型的 Skill 形态（以 archify 为例）：Agent 产出带类型的 JSON 中间表示，再确定性编译成 HTML/SVG，交付前还要过 schema / 布局 / 路径等一整套校验。这不是"让 AI 随便画一下"，而是把一套做事规范固化下来。

4.3 这三层都是可被投毒的入口

看图底部那块红色提示，这不是危言耸听：

  • 恶意 Skill：可以内嵌恶意代码、下载远程载荷、劫持工具调用。腾讯朱雀实验室的 SkillJack 研究已经证明，被投毒的运行轨迹能给自进化 Agent 的技能系统注入持久化后门——不是一次性攻击，是长期潜伏。
  • 恶意 MCP Server：可以在工具描述里埋提示注入（tool poisoning），诱导 Agent 越权调用。这个攻击面在 Black Hat Europe 2025 上有专门议题（"MCP Unchained"）。
  • 被污染的记忆：一旦写进长期记忆库，会持续影响后续所有决策，而且极难发现。

怎么防（用上篇介绍过的 AI-Infra-Guard）：

pip install aig-skill-scan
export LLM_API_KEY="your-api-key"

aig-skill-scan --repo /path/to/your/skill \
           -m deepseek-v4-flash \
           --language en \
           -o result.json

它在 SkillTrustBench 上的 F1 是 0.9848、召回率 0.9974，把 Skill 风险分成 9 类（指令劫持、记忆投毒、远控下载、内嵌恶意代码、提权、持久化、工具劫持、不安全依赖、不安全编码）。任何第三方 Skill / MCP 配置入库前先扫一遍，成本几秒钟。

五、记忆层：让 Agent 隔天还认得你

这一层是 2026 年最拥挤的赛道，承接上一篇的内容：

  • OpenViking（36.8k★）：用 viking:// 虚拟文件系统管理上下文，L0/L1/L2 三层按需加载。实测记忆准确率从 24–57% 提到 80–83%，输入 token 反降 34.3–91.0%。支持 Claude Code、Codex、Cursor、TRAE 等（Hooks + MCP 方式接入）。
  • ai-memory（6.6k★，Rust）：解决"上午用 A 工具、下午换 B 工具，上下文全丢"的问题，让记忆在不同 Agent 之间迁移。

如果你在用多个编码 Agent 来回切换，这一层迟早要补上。

六、怎么选：按场景对号入座

在这里插入图片描述

展开说一下：

场景一：我主要在终端 / 服务器上干活 → 首选 Codex CLI（如果你有 ChatGPT 付费套餐）或 opencode（如果你想模型随便换、还要 plan 只读模式）。

场景二：我在 IDE 里写代码 → Cursor，或者 Codex 的 IDE 扩展（支持 VS Code / Cursor / Windsurf）。

场景三：我想在微信、Slack、Telegram 里让助手干活 → OpenClaw，20+ 渠道，数据留在本机。

场景四：我想要免费额度 + 超大上下文 → Gemini CLI，每天 1000 次请求、1M token 上下文，个人项目基本够用。

场景五：我想在 CI 里自动跑 → Gemini CLI 的 GitHub Action（PR 自动评审、Issue 自动分类），零成本起步。

无论选哪个，都建议先做这三件事

  1. 写一份项目上下文文件：AGENTS.md / GEMINI.md / CLAUDE.md，把编码规范、目录结构、常用命令写进去。这是投入产出比最高的一步——五分钟写完，长期受益。
  2. 给 Agent 配一个只读探索模式：比如 opencode 的 plan agent。接手陌生代码库时先让它读、先出方案，确认后再执行。
  3. 装 Skill / MCP 之前先扫一遍：aig-skill-scan，几秒钟的事。

七、我的三个判断

  1. "模型可换"会成为硬需求。 今天你用 A 家模型，明天 B 家可能更便宜更强。把 Agent 运行时和模型解耦（opencode、OpenClaw 的路线），长期风险最小。

  2. Skills 会成为新的"包管理器"战场。 就像 npm 之于 Node，Skill 的分发、版本、依赖、安全审计，都会长出一套基础设施。谁能做成"Skill 的 npm"，谁就掌握了 Agent 生态的入口。

  3. 安全会从"加分项"变成"准入项"。 当 Agent 开始自动执行代码、自动发请求、自动改生产配置，"它到底做了什么、用的 Skill 干不干净"就必须有答案。现在布局这一层，比事后补救便宜得多。

如果这篇理清了你对 Agent 生态的困惑，点个赞、收个藏。

问你一句：你现在主力用哪个 Agent？踩过什么坑？评论区聊聊，下期我挑典型问题做成"避坑清单"。

资料来源：各项目官方 README 与文档（Codex CLI、Gemini CLI、opencode、OpenClaw），GitHub Trending 2026 年 9 月月榜。免费额度与功能描述以官方最新文档为准。

avatar
文章
阅读
粉丝