自托管智能体平台openma-ai/open-managed-agents

Open Managed Agents

Claude Managed Agents 和 OpenAI Agents API 的开源、自部署替代方案。

🌐 openma.dev · 📖 docs.openma.dev · 💬 Discord · GitHub

OpenMA 提供持久会话、沙箱工具、记忆、加密凭证和崩溃恢复。Cloudflare 与 Node 支持 Claude Managed Agents API；Node 还提供 /openai/v1 入口，可使用官方 OpenAI SDK。你可以使用自己的模型 API key，部署到自己的基础设施上。

两种运行方式

同一套 harness、业务逻辑和事件日志模型同时支持以下两种部署方式，按你的托管偏好选一种：

| | 自部署（Node） | Cloudflare |
|---|---|---|
| 跑在哪里 | 你的 VPS / Mac / Docker 主机 / fly.io / k8s | Cloudflare Workers + DO + Containers |
| 存储 | SQLite 或 Postgres + 本地文件系统 | D1 + KV + R2 |
| 沙箱 | LiteBox / Daytona / E2B / BoxRun | Cloudflare Sandbox（Containers） |
| 启动时间 | docker compose up（约 2 分钟） | wrangler deploy（首次配置后约 10 分钟） |
| 适合谁 | 开源用户、私有部署、不想用 CF、需要数据驻留 | 边缘规模、不想运维主机、已在 CF 上 |

两种部署都提供 Claude 兼容的 /v1/agents、/v1/sessions API 和 Console UI。
OpenAI Agents API 适配器目前挂载在 Node 的 /openai/v1。

OpenAI Agents API 快速开始（Node）

先按下方 Docker 部署说明启动 Node 服务，创建 OpenMA API key，并配置模型。
然后安装支持的 OpenAI SDK 版本：

npm install openai@7.15.0

把客户端地址指向你的 OpenMA 服务：

import OpenAI from "openai";

const client = new OpenAI({
apiKey: process.env.OPENMA_API_KEY,
baseURL: "http://localhost:8787/openai/v1",
});

const session = await client.beta.agents.sessions.create({
agent: { model: "your-configured-model", instructions: "Be concise." },
environment: { type: "none" },
input: "Hello",
});
console.log(session.id);

会话支持文本、等待应用返回结果的函数调用，以及子代理。设置
agent.multi_agent.enabled: true 后，主代理可以把子任务分派给子代理；
你可以向子代理发消息、等待结果、中断、关闭或恢复它。子代理分别保存对话，
共享父代理的文件，不能继续创建下一级子代理。

OpenAI API 目前在 Node 上可用。高级环境和插件设置、部分 MCP 与模型选项
尚不支持。迁移现有应用前，请查看支持的功能与限制；
具体配置见适配器指南。

快速开始：自部署（Docker）

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
cp .env.example .env

首次启动前必须设置两个密钥（都在本地生成）：
BETTER_AUTH_SECRET   — 用于签发 Console 会话
PLATFORM_ROOT_SECRET — 用于加密静态存储的凭证、Model Card API key、集成 token
（丢失后所有加密行将无法解密 —— 务必备份）
$EDITOR .env
BETTER_AUTH_SECRET=$(openssl rand -hex 32)
PLATFORM_ROOT_SECRET=$(openssl rand -base64 32)
#
可选：ANTHROPIC_API_KEY 让第一个 agent 在还没添加 Model Card 时也能跑起来。
生产环境请改为在 Console 里按 tenant 添加 Model Card。
必须显式配置隔离沙箱，例如 SANDBOX_PROVIDER=e2b 和 E2B_API_KEY。

SQLite + 显式配置的隔离沙箱
docker compose up -d

或者用 Postgres
docker compose -f docker-compose.postgres.yml up -d

curl localhost:8787/health
→ {"status":"ok","backends":{"db":"sqlite ..."}, ...}

open http://localhost:8787   # Console UI 跑在同一个端口

端到端冒烟测试：

AID=$(curl -s -X POST localhost:8787/v1/agents -H 'content-type: application/json' \
-d '{"name":"hello","model":"claude-sonnet-4-6","tools":[{"type":"agent_toolset_20260401"}]}' | jq -r .id)

SID=$(curl -s -X POST localhost:8787/v1/sessions -H 'content-type: application/json' \
-d "" | jq -r .id)

curl -s -X POST localhost:8787/v1/sessions/$SID/events -H 'content-type: application/json' \
-d '{"events":[{"type":"user.message","content":[{"type":"text","text":"Run: uname -a"}]}]}'

完整的自部署指南（沙箱模式、Postgres、BoxRun、vault sidecar、Console UI、运维注意事项）：docs.openma.dev/self-host/overview

快速开始：Cloudflare 部署

需要 Workers 付费计划（用于 Durable Objects + Containers）。

git clone https://github.com/openma-ai/open-managed-agents.git
cd open-managed-agents
pnpm install

本地开发（不需要 CF 账户）—— wrangler dev + 模拟器
cp .dev.vars.example .dev.vars && $EDITOR .dev.vars
同上：PLATFORM_ROOT_SECRET 是启动所必需的
pnpm dev
API     → http://localhost:8787
Console → http://localhost:5173

部署
npx wrangler login
npx wrangler kv namespace create CONFIG_KV   # 把 id 粘贴进 wrangler.jsonc

必填密钥（提示时逐个粘贴）
npx wrangler secret put BETTER_AUTH_SECRET    # openssl rand -hex 32
npx wrangler secret put PLATFORM_ROOT_SECRET  # openssl rand -base64 32 —— 务必备份
npx wrangler secret put API_KEY               # REST API 初始引导密钥

可选 —— 仅当你想要一个 tenant 无关的默认 LLM（否则请在 Console 里添加 Model Card）
npx wrangler secret put ANTHROPIC_API_KEY

npm run deploy
→ https://openma.dev（或个人部署：https://managed-agents..workers.dev）

部署内容：

| 组件 | 功能 |
|---|---|
| 主 Worker | API 路由 —— 智能体、会话、环境、保险库、记忆、文件 |
| 智能体 Worker | SessionDO + harness + 每个环境的沙箱 |
| KV 命名空间 | 智能体、环境、凭证的配置存储 |
| R2 存储桶 | 容器重启之间持久化工作区文件 |

创建你的第一个智能体

上面的冒烟测试对任意部署都适用。完整的 Console 流程（Model Card、保险库、集成）见 docs.openma.dev/quickstart。API 等价的最小版本：

BASE=http://localhost:8787   # 或者你的部署 URL
KEY=dev-test-key             # 即你设置的 API_KEY

AGENT=$(curl -s $BASE/v1/agents \
-H "x-api-key: $KEY" -H "content-type: application/json" \
-d '{
"name": "Coder",
"model": "claude-sonnet-4-6",
"system": "你是一个有帮助的编程助手。",
"tools": [{ "type": "agent_toolset_20260401" }]
}' | jq -r .id)

SESSION=$(curl -s $BASE/v1/sessions \
-H "x-api-key: $KEY" -H "content-type: application/json" \
-d "" | jq -r .id)

发送一轮消息并逐 token 流式返回回复
curl -N -X POST $BASE/v1/sessions/$SESSION/messages \
-H "x-api-key: $KEY" -H "content-type: application/json" \
-d '{"content":"写一个抓 HN 热门文章的 Python 脚本"}'

长会话用 GET /v1/sessions/$SESSION/events/stream —— 连接时回放历史，永不主动关闭。

架构

元框架（meta-harness）不是一个智能体 —— 而是运行智能体的平台。它为智能体需要的一切定义了稳定接口，同时不干扰智能体本身的循环：

┌─────────────────────────────────────────────────────────┐
│  Harness（大脑 —— 你的代码）                            │
│  - 读取事件、构建上下文、调用模型                       │
│  - 决定「怎么做」：缓存、压缩、工具交付                 │
│  - 无状态：崩溃 → 从事件日志重建 → 恢复                 │
├─────────────────────────────────────────────────────────┤
│  元框架（平台 —— SessionDO）                            │
│  - 准备「有什么」：工具、技能、历史                     │
│  - 管理生命周期：沙箱、事件、WebSocket                  │
│  - 崩溃恢复、凭证隔离、用量跟踪                         │
├─────────────────────────────────────────────────────────┤
│  基础设施（Cloudflare 或 Node 自部署）                  │
│  - 事件日志：DO 内的 SQLite（CF），或 SQLite/Postgres   │
│  - 沙箱：CF Containers / LiteBox / E2B / Daytona        │
│  - 存储：KV + R2（CF），或本地文件系统（自部署）        │
└─────────────────────────────────────────────────────────┘

平台准备「有什么」可用。Harness 决定「怎么」把这些交给模型。

| 平台负责 | Harness 决定 |
|---|---|
| 事件日志持久化（SQLite） | 上下文工程（过滤、排序） |
| 沙箱生命周期（容器） | 缓存策略（缓存断点） |
| 工具注册（内置 + MCP） | 压缩策略（何时压缩） |
| WebSocket 广播 | 重试策略（退避、瞬时错误识别） |
| 崩溃恢复 | 停止条件（最大步数、完成信号） |
| 凭证隔离（保险库） | 系统提示构造 |
| 记忆（向量检索） | 工具交付（一次性 vs 渐进式） |

编写一个 Harness

默认 harness 开箱即用。当你需要自定义行为 —— 不同的缓存、压缩、上下文工程 —— 时，写你自己的：

// my-harness.ts
import { defineHarness, generateText, stepCountIs } from "@open-managed-agents/sdk";

export default defineHarness({
name: "research",

async run(ctx) {
let messages = ctx.runtime.history.getMessages();

// 你的上下文工程
messages = keepOnly(messages, ["web_search", "web_fetch"]);

// 你的缓存策略
markLastN(messages, 3, { cacheControl: "ephemeral" });

// 你的循环 —— 工具、沙箱、广播由平台提供
const result = await generateText({
model: ctx.model,
system: ctx.systemPrompt,
messages,
tools: ctx.tools,
stopWhen: stepCountIs(50),
onStepFinish: async ({ text }) => {
if (text) ctx.runtime.broadcast({
type: "agent.message",
content: [{ type: "text", text }],
});
},
});

await ctx.runtime.reportUsage?.(result.usage.inputTokens, result.usage.outputTokens);
},
});

部署：

oma deploy --harness my-harness.ts --agent agent_abc123

Harness 在构建时被打包进 agent worker。你的代码和 SessionDO 跑在同一个 isolate 里 —— 直接访问事件日志、沙箱和 WebSocket 广播。没有 RPC，没有序列化边界。

API

以下端点为 /v1 下的 Claude Managed Agents API。
Node 另在 /openai/v1 提供 OpenAI Agents API，
其独立的资源与事件合同见上方 OpenAI SDK 快速开始及兼容状态文档。

智能体 —— 创建和管理智能体配置

POST   /v1/agents                          # 创建智能体
GET    /v1/agents                          # 列出智能体
GET    /v1/agents/:id                      # 获取智能体
PUT    /v1/agents/:id                      # 更新智能体
DELETE /v1/agents/:id                      # 删除智能体
POST   /v1/agents/:id/archive             # 归档智能体
GET    /v1/agents/:id/versions            # 版本历史
GET    /v1/agents/:id/versions/:version   # 获取特定版本

环境 —— 沙箱执行环境

POST   /v1/environments                   # 创建环境
GET    /v1/environments                   # 列出环境
GET    /v1/environments/:id               # 获取环境
PUT    /v1/environments/:id               # 更新环境
DELETE /v1/environments/:id               # 删除环境

会话 —— 运行智能体对话

POST   /v1/sessions                        # 创建会话
GET    /v1/sessions                        # 列出会话
GET    /v1/sessions/:id                    # 获取会话
POST   /v1/sessions/:id                    # 更新会话
DELETE /v1/sessions/:id                    # 删除会话
POST   /v1/sessions/:id/archive           # 归档会话

POST   /v1/sessions/:id/events            # 发送事件（用户消息）
GET    /v1/sessions/:id/events             # 获取事件（JSON 或 SSE）
GET    /v1/sessions/:id/events/stream      # SSE 流

POST   /v1/sessions/:id/resources          # 附加资源
GET    /v1/sessions/:id/resources          # 列出资源
DELETE /v1/sessions/:id/resources/:resId   # 移除资源

保险库 —— 安全凭证存储

POST   /v1/vaults                          # 创建保险库
POST   /v1/vaults/:id/credentials          # 添加凭证
GET    /v1/vaults/:id/credentials          # 列出（已脱敏密钥）

记忆存储 —— 持久化存储；与 Claude Managed Agents Memory 合约一致

附加到会话时，每个存储都会挂载到沙箱的 /mnt/memory// 路径下。智能体使用标准文件工具（bash/read/write/edit/glob/grep）读写，没有专门的 memory_ 工具。

R2 持有真实字节（key 为 /）；D1 持有索引 + 审计，通过 R2 Event Notifications → Cloudflare Queue → Consumer 维持最终一致性。

POST   /v1/memory_stores                                        # 创建存储
GET    /v1/memory_stores                                        # 列出存储
GET    /v1/memory_stores/:id                                    # 检索存储
POST   /v1/memory_stores/:id/archive                            # 归档（单向）
DELETE /v1/memory_stores/:id                                    # 删除存储 + 记忆 + 版本

POST   /v1/memory_stores/:id/memories                           # 创建/更新记忆 {path, content, precondition?}
GET    /v1/memory_stores/:id/memories?path_prefix=&depth=N      # 列出记忆（元数据）
GET    /v1/memory_stores/:id/memories/:mid                      # 检索记忆（含内容）
POST   /v1/memory_stores/:id/memories/:mid                      # 更新记忆 {path?, content?, precondition?}
DELETE /v1/memory_stores/:id/memories/:mid                      # 删除记忆

GET    /v1/memory_stores/:id/memory_versions?memory_id=         # 审计历史（最新优先）
GET    /v1/memory_stores/:id/memory_versions/:ver_id            # 单个版本（含快照内容）
POST   /v1/memory_stores/:id/memory_versions/:ver_id/redact     # 编辑历史版本（拒绝实时 head）

通过 precondition: { type: "content_sha256", content_sha256 } 实现 CAS。每条记忆 100KB 上限。版本保留 30 天，每条记忆的最新版本始终保留。回滚 = 检索旧版本并将其内容写为新一条修订（无需专门端点）。

CLI：
oma memory stores create "用户偏好"
oma memory write  /preferences/formatting.md --content "始终使用制表符。"
oma memory ls  --prefix /preferences/
oma memory versions  --memory-id

文件与技能

POST   /v1/files                           # 上传文件
GET    /v1/files/:id/content               # 下载文件
POST   /v1/skills                          # 创建技能
GET    /v1/skills                          # 列出技能

内置工具

agent_toolset_20260401 提供：

| 工具 | 描述 |
|---|---|
| bash | 在沙箱中执行命令 |
| read | 从沙箱文件系统读文件 |
| write | 写入/创建文件（自动创建目录） |
| edit | 在文件中做精确字符串替换 |
| glob | 按模式查找文件 |
| grep | 用正则搜索文件内容 |
| web_fetch | URL → markdown，通过 Workers AI；当 agent.aux_model 设置时自动摘要，原文保存到 /workspace/.web/ |
| web_search | 通过 Tavily API 的网页搜索（需要 TAVILY_API_KEY） |
| schedule / cancel_schedule / list_schedules | Cron 风格的自唤醒，用于长时运行的 agent |
| browser（按需启用） | 无头浏览器会话 —— 导航、点击、截屏。需通过 tools: [{ name: "browser", enabled: true }] 显式启用，默认工具列表会优先引导 agent 使用更便宜的 web_fetch |

派生工具会根据会话配置自动生成：

| 工具 | 来源 |
|---|---|
| call_agent_ | 可调用智能体（多智能体委派） |
| mcp____ | MCP 服务器（双下划线是真正的分隔符） |

（记忆存储不新增专门工具 —— 智能体通过标准文件工具访问 /mnt/memory// 下的挂载。）

MCP servers

OMA 接受任何挂在 agent 上的 Model Context Protocol 服务器。每个上游工具暴露给模型的名字是 mcp____（双下划线，照抄）。每个 agent 最多挂 20 个 server。

| Transport | 何时用 | 怎么配 |
|---|---|---|
| HTTP / SSE | 托管 MCP server（Linear、GitHub Copilot、Notion ……）| {"type":"url","url":"https://mcp.linear.app/mcp"} |
| stdio | 没有托管端点的 npm / PyPI MCP 包 | {"type":"stdio","command":"uvx","args":[...],"port":8765} —— OMA 在沙箱容器里起进程，连 127.0.0.1:port/sse |

凭证不进沙箱；出站 resolver 按 host 匹配，转发时注入。

| Auth 模式 | 怎么配 | 401/403 时刷新 |
|---|---|---|
| none | 不写 authorization_token，也没匹配的 vault 凭证 | n/a |
| 内联 bearer | server entry 上写 "authorization_token": "..." | 不刷 |
| vault static bearer | 会话 vault 里有 static_bearer 凭证，其 mcp_server_url 匹配 | 不刷 |
| vault OAuth | 会话 vault 里有 mcp_oauth 凭证（带 refresh_token + token_endpoint）| 刷 —— 401 和 403 都刷（Airtable / Asana / Sentry 用 403 表示 token 过期），CAS 写新 token 到 D1，重试一次 |

server 挂在 agent 上（不是 session）
curl -X PUT $BASE/v1/agents/$AGENT -H "x-api-key: $KEY" -H "content-type: application/json" \
-d '{"mcp_servers":[{"name":"linear","type":"url","url":"https://mcp.linear.app/mcp"}]}'

通过 Vault 绑 OAuth 凭证
oma connect linear --vault $VAULT_ID

每个 server 的工具发现超时 15 秒；一个坏掉的 server 会日志记录后跳过，其它继续。完整设计见 docs.openma.dev/build/vault-and-mcp。

Skills

一个 skill = 一个 SKILL.md + 参考文件（模板、schema、示例）。会话开始时平台把所有文件挂到沙箱的 /home/user/.skills/{name}/，并把 SKILL.md 正文直接 inline 进 system prompt —— 不是惰性读，不需要 agent 再调 read 工具去发现。格式和 Anthropic Claude Code skills 兼容。

创建 skill（JSON，文件 inline 进去）：

POST /v1/skills
{
"files": [
{ "filename": "SKILL.md", "content": "---\nname: invoice-parser\ndescription: 解析供应商发票。\n---\n\n# 步骤\n1. ..." },
{ "filename": "schema.json", "content": "{...}" }
]
}

大 skill 带二进制：POST /v1/skills/upload multipart 上传 file=。

挂到 agent 上要用对象数组，光给字符串数组不会生效：

{ "skills": [{ "skill_id": "skill_abc123", "type": "custom" }] }

会话开始时，agent 的 system prompt 收到：

{完整 SKILL.md 正文}

文件出现在 /home/user/.skills/invoice-parser/SKILL.md 等位置。

四个内置 skill 开箱即用（不用上传）：xlsx、pdf、docx、pptx。用 {"skill_id":"builtin_pdf","type":"anthropic"} 这种方式挂上去。

Vaults 与出站凭证

工具看不到你的 token。 沙箱发起 HTTP 请求时，出站 resolver —— 自部署上是 oma-vault sidecar（mockttp HTTPS 代理 + 自签 CA），Cloudflare 上是 agent worker 的 outboundByHost 拦截器 —— 按 host 匹配会话的 vault，剥掉入站的 Authorization/x-api-key/x-goog-api-key，注入真实凭证，再转发。被 prompt injection 的 agent 拿不到任何东西可泄露；沙箱里 env | grep TOKEN 什么都没有。

建一个 vault 并加一条绑到 api.github.com 的 static bearer
VID=$(curl -sX POST $BASE/v1/vaults -H "x-api-key: $KEY" \
-d '{"name":"github-prod"}' | jq -r .id)

curl -sX POST $BASE/v1/vaults/$VID/credentials -H "x-api-key: $KEY" -d '{
"display_name": "gh-pat",
"auth": {
"type": "static_bearer",
"token": "ghp_xxx",
"mcp_server_url": "https://api.github.com"
}
}'

创建 session 时绑上
curl -sX POST $BASE/v1/sessions -H "x-api-key: $KEY" \
-d ""

沙箱内: curl https://api.github.com/user → 200，Authorization 在网络层注入

三种凭证类型共用一个 resolver：

| 类型 | 匹配方式 | 刷新 |
|---|---|---|
| static_bearer | 请求 host 匹配 mcp_server_url | 永不 |
| mcp_oauth | 请求 host 匹配 mcp_server_url | 401 / 403 时用 token_endpoint 刷新，CAS 写回 D1 |
| cap_cli | 沙箱里 CLI 调用按 cli_id 在 cap registry 里查（gh、glab、aws ……）| 按每个 CLI 处理 |

每个 vault 最多 20 条凭证。每次转发会发一条结构化的 op:"mcp_proxy.forward" 日志。完整设计：docs/mcp-credential-architecture.md、docs.openma.dev/build/vault-and-mcp。

集成

把一个 agent 发布到第三方工具里，让它像真正的团队成员一样在那边工作 —— 被分配、被 @、像普通用户一样收到回复。

Linear

让 agent 成为 Linear workspace 的成员，拥有自己的身份、头像和 @autocomplete 槽位。它出现在 assignee 下拉框里，被 @提及 时收到通知、在 Agent panel 里回复，并把状态推回它正在处理的 issue。

两种安装方式：

| 方式 | 何时用 | 怎么装 |
|---|---|---|
| personal_token（PAT）| 单 workspace，最快路径，无 OAuth App | oma linear install-pat --workspace  --pat  |
| dedicated（OAuth App）| 多 workspace、独立 bot 身份、OAuth 自动刷新 | Console 集成 → Linear → 发布智能体（向导会签发 per-publication 的 callback + webhook URL，你拿去贴到自己在 linear.app/settings/api 注册的 OAuth App 里）|

完整的 agent 侧操作手册（何时询问人、如何提供浏览器自动化、应该往 Linear 表单里粘贴什么）见 skills/openma/integrations-linear.md。

PAT 模式自动派单 —— 按 label / state / project 让 bot 自己捡未分配 issue：

oma linear rules create  --label triage --state Backlog --project "Inbox"
oma linear rules list
oma linear rules delete

查看 / 管理：

oma linear list                                       # workspaces
oma linear pubs                      # 发布列表（status=live、persona、caps）
oma linear get                                # 单条发布
oma linear update  --caps issue.read,comment.write,issue.update,…
oma linear unpublish

工作原理：

| 部件 | 功能 |
|---|---|
| 每发布独立身份 | dedicated 给每个 agent 注册自己的 Linear OAuth App；personal_token 复用人的 PAT（不注册 App）|
| 入站 webhook | Linear 事件转成会话上的用户消息 —— 分配、@提及、comment-mention、活跃 thread 里的新 comment、Agent panel（agentSessionCreated / agentSessionPrompted、commentReply 用于线程延续）|
| 出站 MCP | agent 通过 mcp.linear.app/mcp 用自己的 bearer 写回去（PAT 或 OAuth-refreshed），写入归属到对应人格 |
| 能力门 | 每次发布的 allowlist（issue / comment / label / assign / triage）限制 agent 能做什么 |

Linear 集成以 packages/linear/（provider 逻辑、webhook 签名、MCP 配线）落地，CF 路由薄壳在 apps/integrations/src/routes/linear/publications.ts。

GitHub

给 agent 一个自己的 GitHub App + 真实 bot 身份 —— 能被 issue 分配、能被 PR 提名为 reviewer、用自己的 @[bot] 句柄发评论。每个 agent 都是 github.com 上一个独立的 App（per-publication，不是共享 marketplace bot），凭证和审计日志彼此隔离。

(1) Console —— 适合人通过向导点击
集成 → GitHub → 发布智能体

(2) CLI —— 适合代表用户驱动 openma 的 agent
oma github bind  --env        # → 打开一键 GitHub App Manifest 流程
oma github handoff                  # 备选：7 天有效的 URL 让 org 管理员去走完
oma github list
oma github pubs
oma github update  --caps pr.read,pr.review.write,issue.comment.write,…
oma github unpublish

bind 返回 manifestStartUrl；打开后会自动 POST 一份 App manifest 到 github.com/settings/apps/new，redirect URL、webhook URL、建议权限都已经填好。确认后 GitHub 把你引到 "Install on org" 页面，安装完毕，publication 变 live。手动 fallback：oma github submit  --app-id … --private-key-file … --webhook-secret …（如果你手动注册过 App）。

触发是基于 label 的。 安装时 OMA 会在每个选中仓库自动创建一个 label（默认是人格名字小写）。给任意 issue / PR 加上这个 label 就能让 bot 接管那条 thread 的后续所有动作；移除 label 就静音。@[bot] 在正文 / 评论里 mention 是 fallback 路径（GitHub @ 自动补全不会带 Bot 账户，所以要纯文本输入）。

工作原理：

| 部件 | 功能 |
|---|---|
| 每发布独立 App | 每个 agent 通过 Manifest 流程注册自己的 GitHub App；凭证 per-publication 加密存储 |
| 入站 webhook | issues、issue_comment、pull_request、pull_request_review、pull_request_review_comment 转成会话上的用户消息（每个 # 一个 session）|
| 出站 MCP | agent 用 installation token 直接打到 GitHub 自家的 MCP api.githubcopilot.com/mcp/；同一个 token 也作为 GITHUB_TOKEN 注入到沙箱里的 gh / git |
| token 轮换 | 1 小时的 installation token 在每次 webhook 派发时通过 App JWT 自动刷新 |
| 能力门 | per-publication allowlist；破坏性操作（pr.merge、repo.branch.delete、workflow.dispatch、release.create、.delete）必须显式 opt-in |

GitHub 集成的 provider 逻辑在 packages/github/，CF 路由薄壳在 apps/integrations/src/routes/github/。

Slack

把 agent 发到 Slack workspace 里当一个 dedicated bot —— 在 channel 里能被 @mention、在 thread 里回复、能进 DM、托管 AI 助手面板。每 channel 一个 session：一个 (publication, channel) 对应一个运行中的 session，该 channel 里所有事件都汇到同一个 session id 上。

(1) Console —— 适合人通过向导点击
集成 → Slack → 发布智能体          # ↑ 会打开 api.slack.com，manifest 已预填

(2) CLI —— 适合代表用户驱动 openma 的 agent
oma slack publish  --env     # → 返回 manifestLaunchUrl + formToken（60 分钟 TTL）
oma slack submit  --client-id … --client-secret … --signing-secret …
oma slack handoff                  # 备选：7 天有效的 URL 让 workspace 管理员去走完
oma slack list
oma slack pubs
oma slack update  --caps message.write,thread.reply,reaction.add,…
oma slack unpublish

完整的 agent 侧操作手册（manifest 流程注意事项、GATEWAY_ORIGIN 必须 HTTPS、应该把什么粘到哪、MCP 开关探测）见 skills/openma/integrations-slack.md。

工作原理：

| 部件 | 功能 |
|---|---|
| 每发布独立 App | 每个 agent 通过 "Create from manifest" URL 流程注册自己 dedicated 的 Slack App —— 独立的 client id、signing secret、bot user；没有共享 marketplace App |
| 入站 webhook | app_mention / DM / thread 回复 → direct_invocation 信号；channel 顶层发言 → 防抖窗口 channel_scan_armed（90 秒窗口）；对 bot 自己消息的 reaction → reaction_on_bot_message；bot 自身 member_joined/member_left_channel → joined_channel / session_closed；channel_archive / channel_unarchive → 关闭 / 重开 |
| 双 token 出站 | OAuth v2 同时拿到 bot（xoxb-）和 user（xoxp-）两个 token。xoxp- vault 绑到 mcp.slack.com/mcp 提供 mcp__slack__ 类型化工具（搜索、history、canvas）；xoxb- vault 绑到 slack.com/api 提供 chat.postMessage、reaction 等。bot 默认在 thread 里回复 |
| 能力门 | per-publication allowlist（message.read/write/update/delete、thread.reply、reaction.add/remove、user.read、search.read、canvas.write）|
| 断点续装 | publication-first —— shell 行一开始就建好，callback + webhook URL 第一秒就烤进 manifest。中途失败仍能从 Console 继续（pending_setup → credentials_filled → awaiting_install → live）|

Slack 集成的 provider 逻辑在 packages/slack/，CF 路由薄壳在 apps/integrations/src/routes/slack/。

运维要求： 集成网关需要把 GATEWAY_ORIGIN 指向可公网访问的 HTTPS host —— Slack 会在让你完成安装前先验证 OAuth redirect URL 和 Events Request URL。

项目结构

open-managed-agents/
├── apps/
│   ├── main/              # API worker（Cloudflare） —— Hono 路由、认证、限流
│   ├── main-node/         # API worker（Node 自部署） —— 同一套路由跑在 Hono/Node 上
│   ├── agent/             # Agent worker —— SessionDO + harness + 沙箱
│   ├── integrations/      # 集成网关 —— Linear / GitHub / Slack OAuth + webhook
│   ├── oma-vault/         # 保险库 sidecar —— 出站请求按 host 注入鉴权头
│   ├── console/           # Web 控制台 —— React + Vite + Tailwind v4
│   ├── docs/              # 文档站点（Astro Starlight） —— 发布到 docs.openma.dev
│   └── web/               # 营销站点（Astro） —— 发布到 openma.dev
├── packages/
│   ├── cli/                       # oma CLI —— 智能体 / 会话 / 集成命令
│   ├── sdk/                       # Harness SDK —— defineHarness、generateText 等
│   ├── api-types/                 # 共享 TypeScript 类型（配置 schema、事件类型）
│   ├── http-routes/               # 公开 REST 路由定义（main 与 main-node 共用）
│   ├── session-runtime/           # Harness 运行时 —— 事件日志、广播、恢复
│   ├── sandbox/                   # 沙箱 Port 与 provider-neutral 编排
│   ├── credentials-store/         # 加密凭证存储（基于 PLATFORM_ROOT_SECRET 的 AES-GCM）
│   ├── model-cards-store/         # 加密的 Model Card API key 存储
│   ├── vaults-store/              # 保险库定义 + 出站鉴权配线
│   ├── linear/  github/  slack/   # Provider 逻辑（OAuth、webhook 签名、MCP 配线）
│   ├── integrations-core/         # Provider 无关的持久化接口
│   └── integrations-adapters-{cf,node}/  # D1 / KV / Workers + Postgres / FS 实现
├── docs/                  # 内部设计 RFC（不是面向用户的站点）
├── test/                  # 单元 + 集成测试
└── scripts/               # 部署 + 运维脚本

配置

启动和加密静态存储所必需的变量：

| 变量 | 必需 | 描述 |
|---|---|---|
| PLATFORM_ROOT_SECRET | 是 | credentials.auth、model_cards.api_key_cipher 以及集成 token 的 AES-GCM 密钥。Worker 没有它无法启动。务必备份 —— 丢失后所有加密行都将无法解密。用 openssl rand -base64 32 生成。 |
| BETTER_AUTH_SECRET | 是（生产） | better-auth 用来签发会话的 key，缺了之后会话无法在重启后保留。用 openssl rand -hex 32 生成。 |
| API_KEY | 是 | 开发 / 首次启动用的 REST API 引导 key。Console 跑起来后，优先在那里按 tenant 申请 API key。 |
| INTEGRATIONS_INTERNAL_SECRET | 是（启用 apps/integrations 时） | apps/main 与 apps/integrations 之间的共享密钥。 |
| ANTHROPIC_API_KEY | 否 | tenant 还没添加 Model Card 时使用的备用 LLM 凭证。生产环境请在 Console 里按 tenant 添加 Model Card —— 它会基于 PLATFORM_ROOT_SECRET 加密静态存储、按 tenant 隔离、并且能不重新部署就轮换。 |
| ANTHROPIC_BASE_URL | 否 | 切到任意 Anthropic 兼容代理。 |
| PUBLIC_BASE_URL | 否（开发） / 是（生产） | Cookie 域和 OAuth redirect 的根。默认 * trusted-origins —— 只适合本地开发。 |
| SANDBOX_PROVIDER | 是（Node/Fly） | 显式选择隔离后端：litebox（本机 Firecracker）、daytona、e2b 或 boxrun。可部署入口没有 subprocess 回退。 |
| TAVILY_API_KEY | 否 | web_search 内置工具的后端。 |

完整变量列表（集成 OAuth 凭证、Postgres URL、沙箱调参、记忆桶配置、Google 登录等）：docs.openma.dev/reference/configuration 以及 .env.example / .dev.vars.example。

Model Cards

按 tenant 隔离的 LLM 凭证。Agent 通过 agent.model = "" 引用一张 card，worker 查到这张 card 后用它的 api_key、base_url、headers 签出站请求。这是全局 ANTHROPIC_API_KEY env 的官方替代品。

Provider（wire tag → 请求形态）：

| tag | 形态 | 典型用途 |
|---|---|---|
| ant | Anthropic /v1/messages | api.anthropic.com 上的 Claude |
| ant-compatible | Anthropic 形态，自定义 base_url | Bedrock 代理、自部署 Anthropic 兼容 |
| oai | OpenAI /v1/chat/completions | OpenAI、Azure OpenAI |
| oai-compatible | OpenAI 形态，自定义 base_url | vLLM、OpenRouter、Groq 等 |

在 Console → Model Cards 里加一张，或者用 CLI：

oma models create \
--model-id claude-prod \
--provider ant \
--model claude-sonnet-4-6 \
--api-key sk-ant-...
oma models list

REST：POST /v1/model_cards、GET /v1/model_cards、POST /v1/model_cards/:id（轮换）、DELETE /v1/model_cards/:id。创建时会跑一次 6 秒的探测，让坏 key 立刻报错，不至于到第一轮真实调用时才挂。

Key 以 AES-256-GCM 加密静态存储，密钥派自 PLATFORM_ROOT_SECRET（label model.cards.keys）；list 接口只返回末 4 位预览。轮换 = POST 新 api_key —— 不需要重新部署，没有 key 版本号（如果是轮换 PLATFORM_ROOT_SECRET 本身，跑一次 backfill 脚本）。

测试

npm test          # 单元 + 集成套件
npm run typecheck # 零错误
pnpm run test:openai-agents      # OpenAI SDK、HTTP 与会话行为
pnpm run test:openai-agents:node # Node 执行与子代理
pnpm run test:e2e:openai-agents # 官方 SDK 访问真实 Node 服务的 E2E

已测试的 SDK 版本、覆盖范围和已知限制见
OpenAI 兼容报告与
上游测试审计。

文档

面向用户的文档站点位于 apps/docs（Astro Starlight），发布到 docs.openma.dev。

pnpm dev:docs       # 本地预览在 http://localhost:4321
pnpm build:docs     # 静态构建到 apps/docs/dist/
pnpm deploy:docs    # 构建 + wrangler 部署（Cloudflare Worker 静态资源）

仓库根目录下的 docs/ 文件夹是内部设计 RFC —— 不是面向用户的站点。

贡献

1. Fork 仓库
2. 创建功能分支（git checkout -b feat/amazing-feature）
3. 跑测试（npm test && npm run typecheck）
4. 提交修改
5. 开 Pull Request

社区交流

一键加入 OpenMA Discord →

扫码加入 OpenMA Discord 社区。

加入 OpenMA Discord 社区，交流安装部署、使用问题和项目实践。支持中文和英文交流；加入后先看 #welcome，再进入 open-managed-agents 分区。

可复现的 Bug 和功能建议请提交到 GitHub Issues，方便持续跟踪。

许可证

Apache 2.0