如果你用过 Claude Code、Codex 或 Cursor Agent。大概经历过这样的场景：终端里开了一堆窗口，手动复制 prompt，盯着执行进度，跑完了还得自己把结果贴回 Issue。其实，Agent 很强，但用起来像外包——你得时刻盯着，沟通全靠复制粘贴。

Multica 想解决的就是这个问题。它不造新的 Agent，而是给已有的 Coding Agent 套了一层项目管理壳。让它们变成看板上可分配、可追踪、可协作的“队友”。话说回来，

至于项目地址。官网文档：

一、它到底解决什么问题

先把痛点摆出来再看 Multica 怎么接的招。

. Agent 是个黑盒。跑完才知道结果

平时用 Agent CLI，你敲一个命令进去，它闷头跑，跑完输出一堆文字。中间出了什么问题、卡在哪一步、有没有改错文件，你只能等它跑完才知道。

Multica 的做法：把 Agent 执行过程拆成 Task 生命周期，通过 WebSocket 实时推送进度。说起来，你在看板上能看到每个 Agent 当前在干什么跟看同事的 Jira 状态一样。

. 多 Agent 协作全靠人工转达

前端 Agent 跑完了要交给后端 Agent，你得手动把前者的输出整理成后者的 prompt。Agent 一多，人工路由的负担直线上升。

Multica 的做法：Squad 机制。把多个 Agent 编成一个小队，指定一个 Leader Agent。任务分给 Squad，Leader 自己判断该转给谁。你不用操心路由细节，@前端组 比 @小张或小李或小王 省事得多。

. 技能没法复用。每次从头来

Agent 帮你做了一次数据库迁移，下次做一样的迁移，你得把上次的 prompt 再贴一遍。经验没法积累，

. 定时任务没人盯就停

每天要跑的日报、定期的代码巡检，没人在场就没人触发 Agent。

Multica 的做法：Autopilots。Cron / Webhook / 手动三种触发方式。到点自动创建 Issue 并分配给 Agent 或 Squad，不需要人干预。

. Agent 只能在本机跑。团队没法共享

你电脑上装了 Claude Code，同事电脑上装了 Codex。 两个人没法互相用对方的 Agent，更没法在一个看板上统一管理。

Multica 的做法：Daemon + Runtime 架构。Daemon 跑在你自己的机器上，自动检测本地装了哪些 Agent CLI 并注册为 Runtime。服务器只做协调，不跑 Agent 代码。团队共享一个 Multica 工作区，但各自用各自的 Runtime。

二、业务流程：一个任务从创建到交付

下面用一个具体的场景走一遍完整流程。假设你要让 Agent 帮你修复一个 GitHub Issue。按理说，

完整流程图

逐步拆解

步骤 1 ：创建 Issue

在看板上创建一个 Issue。写清楚要做什么，跟你在 Jira / GitHub Issue 上创建任务一模一样。

步骤 2 ：分配

把 Issue 分配给某个 Agent 或某个 Squad。分配的一瞬间，Multica 会：

• 创建一条 Task 记录。状态为 dispatched
• 至于准入检查，对应 Runtime 是否在线？说起来，在线才入队
• 再看去重检查。同一个 Issue + 同一个 Agent 是否已有 pending Task？有则跳过

If you assign to a Squad,Leader receives a Briefing。which contains:

• 操作协议：You are Leader;decide who should handle task.
• 成员名册：Name,type,role,skill list of each member.
• 组级指令：If Squad has special rules,y are listed here.

步骤 3 ：Leader 路由决策

The Leader evaluates Briefing:

• If it can handle it → process itself.
• If anor member is more suitable → delegate。generating a Handoff Note that compresses context.
• If task is too big → split into sub‑tasks and assign separately.

步骤 4 ：Agent 执行

监听 Multica 服务器的 Task 队列
→ 收到 Task
→ 调用对应的 Agent CLI
→ 把执行进度通过 WebSocket 回传服务器
→ 执行完毕，将结果写回 Issue

The Daemon runs on your local machine;Multica server only coordinates.

步骤 5 ：协作

If an Agent needs help from anor,it comments on Issue and @mentions peer. The mentioned Agent receives a new Task—exactly like @mentioning a teammate on GitHub.

# Agent A 在 Issue 下评论
我这边需要对接。# Agent B 收到 Task 后回复
使用 OAuth。client_id 在 .env 中，callback 地址是 /auth/callback。

步骤 6 ：完成与技能沉淀

三、Squad 路由：Multica 最有意思的设计

A Squad = a set of Agents + one Leader Agent. Tasks are assigned to Squad;Leader decides who actually executes.

为什么不直接分配给具体 Agent

• You can’t remember every agent’s specialty when y number dozens.
• No‑obvious point of contact for newcomers.
• Add/remove agents without rewriting routing logic.

The Squad abstracts routing into Leader,so you only @@前端组.

Leader 怎么做决策

• The Briefing injects only names。roles,and skill lists—no deep memory access.
• This mirrors a manager assigning work based on skill matrix rar than reading each engineer’s mind.

C跨 Agent 协作通过 Issue 评论

• 
  如果你用过 Claude Code、Codex 或 Cursor Agent，大概经历过这样的场景：终端里开了一堆窗口，手动复制 prompt，盯着执行进度，跑完了还得自己把结果贴回 Issue。
  
  
  
  
  
  
  
  

  **Mult **
  • If you're looking for how many days per week you'd need an assistant for your project.

  The following is an overview of what we might ask for in terms of tasks:

  • We have many tasks that revolve around different types of problems.
  • This includes both coding-related problems and non-coding related. javascript const x = {

  }; will be a link

  It seems your message got cut off or mixed up. Could you please clarify what you need?If you want me to continue formatting or rewrite something specific,let me know!

---