多Agent协作（multi-agent collaboration）是一种让多个 AI 编程命令行同时运行，并由一个主控 AI 统一调度的工作模式。它解决了这样一个核心痛点：你一个人，根本盯不过来同时跑着的三四个 AI。

如果你只用过单个 Claude Code 或 Codex 窗口，可能会觉得“够用了”。但当你手头的活多起来——这个让它改代码、那个让它跑测试、第三个让它补文档——你就会发现，真正的瓶颈不在于 AI 写代码的速度，而在于你眼睛来回切换窗口、判断哪个干完了、哪个卡住了的精力消耗。

本文重点讲三件事：多Agent协作有哪几种模式（subagent、MCP、跨机器调度），它们各自适合什么场景，以及跨机器调度具体怎么落地实现。

先给出几个核心判断：

• 多Agent协作有三种模式：subagent（单机分身）、MCP（工具式调用）、跨机器调度（SSH+tmux 托管式），三者边界清晰、互不替代。
• 跨机器调度完全靠 SSH 和 tmux 两个标准工具实现，无需额外框架依赖。
• 三种用法层层递进：省成本（用便宜账号干杂活）→ 满血协作（多台强 AI 并行）→ 架构分离（设计与执行分家）。

什么是多Agent协作

一句话概括：让多个 AI 编程命令行同时工作，由一个主控 AI 统一派发任务并回收结果。

通俗讲：以前你既当指挥又当工人——自己派活、自己盯每个 AI、自己验收。多Agent协作把你从“一个个盯”的繁琐中解放出来，让主力 AI 升级为指挥官，替你去调度其他 AI。你只需开头派单、结尾验收。

它管理的不仅是一台机器上的 AI。本机、局域网里那台 Mac mini、云端某台 Linux——只要那台机器装有 AI 编程命令行（Claude Code、Codex、OpenCode 均可），就能被纳入调度体系。

多Agent协作的三种模式：subagent、MCP 和跨机器调度

多Agent协作并非只有一种实现方式。目前主流的有三种模式，边界清晰，彼此不可替代。

subagent：同一台机器上的分身

subagent 是 Claude Code 自带的原生能力。主力 AI 在本机上派生出几个分身，帮助分担任务。

但它有三个限制：分身全部锁在本机，无法触及其他机器；分身全部使用同一个工具（Claude Code），不能换成 Codex 或 OpenCode；多个分身共享同一个账号的额度，分身开得越多，额度消耗越快。

适用场景：同一个项目中需要上下文隔离的并行任务，例如让一个分身跑测试、另一个分身改代码。

MCP：把另一个 AI 当作工具调用

MCP（Model Context Protocol，模型上下文协议）是一种通用协议，允许不同的 AI 和工具之间互相通信。通过 MCP，Claude Code 确实可以调用 Codex 或其他 AI——但方法是将另一个 AI 包装成一个工具，调用一次、获取一次结果。

这意味着每个要接入的 AI 都需要单独配置一层适配层。若想跨机器，还需自己搭建传输和运维设施。MCP 的优势在于标准化接口，而非长时间托管。

适用场景：需要精准调用某个 AI 的特定能力并一次性获取结果，比如让翻译 AI 翻译一段文本。

跨机器调度：SSH+tmux 托管式

这是第三种模式，也是本文的核心重点。跨机器调度不需要包装、不需要适配，而是直接用 tmux 为远程 AI 挂载一个常驻会话。主控 AI 就像一个真人坐在它面前——盯着它干活、中途随时插话、它卡住了还会主动反馈。

这不是“把 AI 当作工具调用一下”，而是托管一个持续不断干活的 AI。

三者对比如下：

跨机器调度的底层原理：SSH 加 tmux

很多人心里会疑惑：凭什么一台电脑能去操控另一台电脑上的 AI？答案在于两样标准工具：SSH 和 tmux。

SSH：加密的远程通道

通俗讲：SSH（Secure Shell，安全外壳协议）是一条加密通道——隔着网络伸出一只看不见的手，能在另一台机器上敲键盘、执行命令，全程加密。程序员远程登录服务器，用的就是它。

tmux：永远不关灯的房间

通俗讲：tmux（Terminal Multiplexer，终端复用器）是一个常驻会话管理器。你可以把它想象成一个“永远不关灯的房间”——在里面运行一个程序，哪怕你断开连接，程序依然继续运行；想看了随时重新连进去，进度一点不丢。

两者组合起来

第一步，SSH 把手伸过去：主控 AI 顺着加密通道连接到另一台机器，相当于隔空坐到了那台机器的终端前。

第二步，tmux 挂一个常驻会话：在远程机器上启动 AI 编程命令行，放入 tmux 的常驻会话中。从此它的输入和输出全部由这个会话接管。

第三步，主控 AI 像真人一样操作：顺着 SSH 通道往 tmux 会话里“敲”指令，再从屏幕上“读”回应。远程那个 AI 完全分辨不出对面是人还是另一个 AI。

通俗讲：“一台机器上的 AI 指挥另一台机器上的 AI”并非黑科技。底层就是 SSH 加 tmux，再加上各 AI 编程命令行原有的登录态原样照搬。它没有创造新东西，只是把大家熟知的老工具串成了一条调度流水线。

谁需要跨机器多Agent协作

对号入座——如果你符合以下任一情况，跨机器调度能帮到你：

• 你手上杂活多，主力账号价格贵：补注释、批量改名、跑测试这些不费脑的任务，占用最贵的模型在慢慢磨，太浪费。
• 你有闲置机器：家里的 Mac mini、公司的测试机、云端的 VPS，装了 AI 编程命令行却只能闲置。
• 你同时要推进多个独立任务：代码审查、文档生成、数据迁移各自独立，串行处理太慢。
• 你想把设计和执行分离：主力 AI 专心出方案，执行交给另一批 AI 照图施工。

不需要跨机器调度的场景：只有一台机器、只用一个账号、任务量不大——这种情况下 subagent 已经足够。

多Agent协作的三种用法：从省成本到架构分离

原理讲清楚了，落地点就是——跨机器调度能帮你做什么。凡是你平时坐在命令行前面、一句句喂着 AI 干的事，几乎都能整批甩出去让它们并行执行：批量补注释、批量改文件名、跑完整测试套件、通读代码做审查、根据代码反向生成文档。

三种用法是一道递进的阶梯：第一种帮你省钱，第二种让多台强 AI 并行推进，第三种把分工玩到极致。

用法一：省成本——便宜账号干杂活

最直接的一种。你手头的活从来不是同一难度。补注释、批量改名、整理格式这类杂活，不需要最贵的主力模型；真正烧脑的重构和架构设计，才应该让满血主力来干。

把两类活分开：杂活铺给便宜的基础款账号去慢慢磨，主力腾出手来啃硬骨头。

这不是旁门左道。Claude Code 官方文档也建议按模型能力分级使用——简单任务用便宜快速的档位，复杂任务才切换最强模型。跨机器调度只是用一条命令把这个建议自动化了。

用法二：满血协作——多台强 AI 并行

把“便宜账号”换成“另一台满血的 Codex 或 Claude Code”，性质就完全不同了。

此时：你的主控 AI 在指挥另一个满血的 AI 干活。

一条命令把任务交给另一台机器上的满血账号，再来一条命令把多个满血任务一次铺出去——多台机器、多个登录好的满血账号同时下场。让一台机器专门跑代码审查，另一台专门生成文档，第三台啃一个烧脑的重构，几个强 AI 各干各的、齐头并进。

通俗讲：不是把同一个 AI 反复调用，而是真正让多个强 AI 同时干活。你不再是“我和我的 AI”，而是“我和我指挥的一队 AI”。

用法三：架构分离——设计与执行分家

再深一层，把“想”和“做”彻底拆开。

主控 AI 专门干高级工作：写完整方案、做设计评审——只出“图纸”。“照图施工”整个交给外部的 AI 编程命令行去执行。

主控管设计评审，外部 AI 管落地执行，中间盯着进度、随时补充指令、最后拿结果验收。出图纸的和施工的，彻底分开。

通俗讲：这就好比一个项目里，架构师只管画图、施工队只管盖。这套“先规划、再执行”的分工在软件工程中是成熟做法，跨机器调度把它在 AI 编程领域自动化了——动脑的设计评审用贵模型，重复的执行用便宜快模型。

从省钱，到多台强 AI 并行，再到设计与执行彻底分家——这三层台阶能踩到哪一层，取决于你如何拆分任务，而非工具本身。

翔宇判断

多Agent协作的真正拐点，不在于 AI 写代码的速度，而在于你是否能从“一个人盯一个 AI”升级成“一个人指挥一队 AI”。

慢的那个，从来不是 AI——而是那个还在逐句喂、逐个盯的人。

从经验来看，当你拥有两台以上机器、两个以上 AI 账号时，跨机器调度的投入产出比会明显高于 subagent 和 MCP。原因很简单——subagent 再怎么分身也共享同一份额度，MCP 调一次取一次结果只适合短任务。真正占你时间的那些长任务（通读整个仓库做审查、对几十个文件做批量重构），需要的是一台被托管、持续干活的 AI，而不是调一下就走的工具。

常见问题

多Agent协作和普通的 AI 对话有什么区别？

普通对话是一个人对一个 AI，一问一答。多Agent协作是让一个主控 AI 调度多个 AI 同时干活——可以是本机分身，也可以是不同机器上的独立 AI 编程命令行。区别在于你从“一对一喂活”变成“一对多派单”。

subagent、MCP 和跨机器调度应该怎么选？

三者适用场景不同。subagent 适合同一台机器内的并行任务。MCP 适合把另一个 AI 当作工具调用一次。跨机器调度适合把任务分发到不同机器上的 AI 并行执行。具体选哪个，取决于你是否需要跨机器、跨账号、长时间托管。

跨机器调度需要什么技术基础？

需要 SSH 和 tmux 两个标准工具。两者都是 Linux 和 macOS 系统自带的，无需额外安装框架。只要会在终端敲命令就能上手使用。

跨机器多Agent协作能省多少成本？

取决于杂活数量和账号价格差。核心逻辑是不烧脑的任务用便宜账号，烧脑的才用贵账号。官方文档也建议按模型能力分级使用。

跨机器调度和 Claude Code Agent Teams 有什么关系？

Agent Teams 是 Claude Code 内建的多会话协作功能，所有队友共享同一台机器和账号。跨机器调度通过 SSH 连接到不同机器上的独立 AI 命令行，各自使用自己的账号和额度。两者可以叠加使用。

哪些 AI 编程命令行可以被跨机器调度？

任何能在终端中运行的 AI 编程命令行都可以。目前主流的 Claude Code、Codex CLI 和 OpenCode 均支持。只要那台机器装好了工具、登录好了账号，SSH 连过去就能使用。

架构分离模式具体怎么理解？

把“想”和“做”拆开。主控 AI 负责出方案和评审（出图纸），执行 AI 负责照着方案写代码和跑测试（施工）。主控用贵模型保证判断质量，执行用便宜模型压低成本。

一个人最多能同时调度多少个 AI？

技术上没有硬上限。实际操作中同时调度 3 到 5 个比较稳定，再增多的话任务拆分和结果合并的管理成本会上升。关键不是数量，而是任务拆分是否合理。