我做了一个 Claude Code 多 Agent 工作流的可视化编排平台

我做了一个 Claude Code 多 Agent 工作流的可视化编排平台

痛点:用 Claude Code 跑多 Agent 像在盲飞

我最近把不少工作流都搬到了 Claude Code 的 Agent Teams 上。

理论上很美好------定义一批 agents,各司其职,通过 Agent 工具互相调度,Claude 自动并行或串行执行,最后汇总结果。

但实际操作起来,有几个问题很快就冒出来了:

1. 配置文件太散

每个 agent 都是 ~/.claude/agents/ 下一个 Markdown 文件,workflow 是 YAML,skill 又是另一批文件,settings 还有 JSON。改一个协作模式,要同时动好几个文件,稍不注意就漏掉某个关系。

2. 流程关系不直观

谁调度谁?谁等谁的结果?Dispatch/Report/Sync/Roundtrip 这四种边类型文档里都有说明,但实际搭复杂流程的时候,脑子里要一直维护一张隐形的 DAG 图,很费劲。

3. 调试效率低

一条 workflow 跑起来,哪个节点卡了,哪个 agent 报错了,靠命令行日志来 trace 基本是大海捞针。

于是我就想:既然 Claude Code 本质上只是读 ~/.claude/ 下的文件,那我能不能做一个 GUI,把这些文件的编辑和管理可视化掉?

这就是 claude-studio 的来历。


产品介绍:claude-studio

claude-studio 是 Claude Code Agent Teams 的可视化编排平台。

一句话定义它的本质:

javascript 复制代码
claude-studio(设计)→ ~/.claude/(文件)→ Claude Code(运行)

它不是 Claude Code 的替代品,也不是一个新的运行时。它只是 ~/.claude/ 目录的一个 GUI 编辑器。你在 studio 里做的一切,最终都落地为 Markdown 和 YAML 文件------Claude Code 原样读取,零额外依赖。

安装只需要一行命令:

bash 复制代码
npx claude-code-studio

核心功能演示

1. 可视化 DAG 工作流编辑器

这是我觉得最有价值的功能。

画布上可以拖拽 agent 节点,用 4 种边类型连线,清楚地表达 agent 之间的协作关系:

边类型 样式 用途
Dispatch 实线灰色 任务指派、执行依赖
Report 虚线青色 结果回报、反馈
Sync 点线紫色 平行协作、信息同步
Roundtrip 实线青绿双向箭头 双向指派+回报

搭一个「Code Review 流水线」的 workflow,完整流程一眼看清:Commander 指派 → Reviewer 并行执行 → 结果回报 → Commander 汇总。

不再需要在脑子里维护那张隐形的图了。

2. Agent 节点编辑

点击画布上的 agent 节点,右侧面板直接编辑:

  • System prompt:Monaco Editor 内嵌,语法高亮,支持 Markdown 预览
  • 绑定 Skill:从左侧 skill 列表拖拽到节点,即时生效
  • 绑定 MCP:同理,把需要的 MCP tool 挂到这个 agent 上
  • 9 个内置模板:planner、tdd-guide、code-reviewer、security-reviewer 等常用角色开箱即用

创建的每个 agent 自动保存为 .claude/agents/<name>.md,格式与手写完全一致。

3. 项目工作区

左侧是项目导航区:当前项目的 agents、skills、workflows、memories 一目了然。

这里有个我很喜欢的设计------CLAUDE.md 自动同步 。每次保存 workflow,studio 会自动把工作流定义同步写入 CLAUDE.md,这样 Claude Code 打开同一个项目时,agent 团队结构直接可用,不需要手动同步。

4. AI 智能生成

这个功能挺 magic 的。

在 Generate 面板里用自然语言描述你想要的工作流,比如:

「带安全检查的 Code Review 流水线,包含 planner、reviewer 和 security 三个角色」

点击 Generate,claude-studio 在后台调用 claude -p,输出一个完整的 DAG------agents、edges、skills、checkpoints 全部到位。生成之后你可以在画布上继续可视化微调。

对于快速搭原型来说,这个功能省了很多时间。

5. 执行引擎与 Checkpoint

Workflow 搭好直接点 Run,studio 按拓扑序执行各节点,实时展示每个 agent 的运行状态。

如果某个节点设置了 Checkpoint,执行到那里会暂停,等待人工审批------适合需要人在循环里的流程(比如「发布前确认」)。

6. 深色 / 浅色主题

支持深色、浅色、跟随系统三种模式,Monaco Editor 也会跟着切换配色。


架构设计

scss 复制代码
┌─────────────────────────────────┐
│  GUI (React + React Flow v12)   │
├─────────────────────────────────┤
│  Next.js API Routes             │
├─────────────────────────────────┤
│  ~/.claude/ (source of truth)   │
├─────────────────────────────────┤
│  Claude Code (runtime)          │
└─────────────────────────────────┘

技术栈:Next.js · React Flow v12 · Monaco Editor · TypeScript · Tailwind CSS · Lucide Icons

核心设计原则只有一条:claude-studio 不拥有任何数据

所有数据的 source of truth 是 ~/.claude/ 目录。studio 做的事情只是:

  1. 读取目录里的文件,渲染成可视化界面
  2. 把用户的操作写回对应的文件

这个设计带来几个好处:

  • 无锁定:随时可以用任何文本编辑器直接改文件,studio 里的视图自动更新
  • 无运行时依赖:studio 只在设计阶段用,Claude Code 执行时完全不依赖 studio
  • 格式兼容:生成的文件格式与手写完全一致,不引入任何私有格式

你在 studio 中创建的内容与文件系统的对应关系:

在 studio 中创建 保存为 Claude Code 识别为
Agent .claude/agents/name.md Agent 定义(可通过 Agent 工具调度)
Skill .claude/skills/name.md 斜杠命令(/skill-name
Workflow .claude/workflows/name.yaml 团队编排蓝图
CLAUDE.md 编辑 CLAUDE.md 项目指令
Settings .claude/settings.json MCP 服务器、Hook、权限

快速上手

启动

bash 复制代码
npx claude-code-studio

默认在 http://localhost:3100 启动。自定义端口:

bash 复制代码
npx claude-code-studio --port 3200

基本流程

  1. 打开项目目录(指向任何有 .claude/ 的目录,或新建)
  2. 在 Agents 面板创建 agent(从模板或 AI 生成)
  3. 在 Workflows 面板拖拽 agent 到画布,连接边
  4. 绑定 Skill 和 MCP
  5. Run 执行,查看实时状态
  6. 用 Claude Code 打开同一目录,agent/skill/workflow 即刻可用

项目配置

MCP 服务器、Hook、权限等都可以在 Settings 面板可视化配置,不需要手写 JSON。


总结

claude-studio 解决的核心问题是:把 Claude Code 多 Agent 工作流的配置管理从「文件散落在目录里」变成「可视化的图」

它不改变 Claude Code 的执行机制,不引入新的运行时,只是让配置过程更直观、更少出错。

对于已经在用 Claude Code Agent Teams 的人,直接 npx claude-code-studio 试一下就知道有没有用。

对于还没试过多 Agent 协作的人,可以用 claude-studio 快速搭一个 workflow 原型,熟悉这套模式。

GitHub:androidZzT/claude-studio

npm:npx claude-code-studio

有问题或建议欢迎在 GitHub 开 issue,或者评论区聊。


如果你在用 Claude Code,也欢迎看看我做的另一个工具 cc-statistics------专门追踪 Claude Code / Gemini CLI / Codex / Cursor 的 token 消耗和费用统计,全本地,零依赖。

相关推荐
小江的记录本2 小时前
【RAG】RAG检索增强生成(核心架构、全流程、RAG优化方案、常见问题与解决方案)
java·前端·人工智能·后端·python·机器学习·架构
七夜zippoe2 小时前
OpenClaw 飞书深度集成:知识库管理
大数据·人工智能·飞书·集成·openclaw
●VON2 小时前
【AI工具】本地部署 Dify + Ollama 实现无限 Token 智能体搭建
人工智能·学习·dify·智能体·本地·von
ZPC82102 小时前
arm_controller/follow_joint_trajectory action
人工智能·计算机视觉·机器人
人工智能AI技术2 小时前
向量数据库基础:给智能体提供长期精准记忆
人工智能
sp_fyf_20242 小时前
【大语言模型】 揭开指令混合用于大语言模型微调的神秘面纱
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
阿杰学AI2 小时前
AI核心知识121—大语言模型之 基于人类反馈的强化学习 (简洁且通俗易懂版)
人工智能·深度学习·ai·语言模型·强化学习·奖励模型·rm
花椒技术2 小时前
从 1.5 秒到 660ms,直播间首屏秒开是怎么做出来的?
人工智能·后端·全栈
薛定猫AI2 小时前
【技术干货】Hermes Agent v0.9.0 深度解析:开源 AI Agent 的跨平台生态进化
人工智能·开源