OpenWork:开源 AI 工作流共享平台深度笔记

OpenWork:开源 AI 工作流共享平台深度笔记

对应仓库:different-ai/openwork | MIT 协议 | 跨平台(macOS/Windows/Linux)


核心观点

OpenWork 的真正野心不是做一个「Claude Cowork 的免费替代品」那么简单------它试图解决的是AI 工具的团队落地问题:当开发者已经在用 Claude Code / Codex / Cursor 飞速工作时,他们的运营、市场、客服同事依然两眼茫然。OpenWork 想用「技能(Skills)+ MCP 统一接入层」把这道鸿沟填平。

这件事目前处于早期工程化阶段,不是范式突破,而是一次务实的整合:把 MCP(Model Context Protocol)标准、开源代理运行时(opencode)、团队权限管理这三件事拧在一起,做成可自托管的桌面应用和控制面板。


关键机制:一个 MCP,跑通所有代理

OpenWork 最核心、最巧妙的设计是:不要求你换工具,只要求你多挂一个 MCP。

bash 复制代码
# Claude Code 接入只需一行
claude mcp add --transport http openwork https://api.openworklabs.com/mcp/agent

# Codex 同理
codex mcp add openwork --url https://api.openworklabs.com/mcp/agent

挂载后,MCP 对外只暴露两个工具:

  • search_capabilities --- 查"我能做什么"
  • execute_capability --- 执行某个封装好的技能

这个设计的本质是能力注册表(Capability Registry):管理员在 OpenWork Den(控制平面)里配置好技能、权限、MCP 连接,之后无论员工用什么代理客户端,接入同一个 MCP 端点就能调用,配置不重复、权限统一管理。这比每人自己配 20 个 MCP 服务器要理性得多。

相比之下,Claude Cowork 的技能能力是其差异化卖点之一,但它是闭源的、绑定 Anthropic 生态的。OpenWork 把同样的思路开放出来,支持导入 Anthropic 兼容插件,并兼容任意 MCP 客户端。


与 Claude Cowork / Codex 的横向比较

维度 OpenWork Claude Cowork Codex
开源/自托管 ✅ MIT ❌ 闭源 ❌ 闭源
Skills 可复用技能 ✅(有限)
团队权限管理 ✅ Den 控制面板 有限 有限
Slack/Telegram 原生支持
多 Agent 并行执行 ❌(单 Agent + 工具)
Windows/Linux 稳定性 ⚠️ Alpha
文档成熟度 ⚠️ 建设中

最关键的牺牲是:OpenWork 选择了广兼容性和开放性,但目前仍是单 Agent 模型,不具备真正的多 Agent 并行执行能力。如果你的场景需要几十个 Agent 同时跑,eigent 之类的方案更合适。


本地开发配置说明

对于想参与贡献或私有化部署的开发者,有几个关键点:

bash 复制代码
# 单 worktree 开发
pnpm dev

# 多 worktree 并行(每个 worktree 自动派生独立 profile + 端口)
pnpm dev:worktree

# 也可以手动指定 profile 名
OPENWORK_DEV_PROFILE=my-feature \
  OPENWORK_ELECTRON_REMOTE_DEBUG_PORT=0 \
  PORT=0 \
  pnpm dev

关于 macOS keychain 的隐患要特别注意:新 profile 无存储凭据时,Chromium 持久化 cookie 会触发系统 keychain 弹窗,这个弹窗会阻塞 Electron 主线程 。多 worktree 开发时建议始终带上 OPENWORK_ELECTRON_USE_MOCK_KEYCHAIN=1,用 mock keychain 避免卡死。


交叉验证

信源一:eigent.ai《2026年最佳开源 Claude Cowork 替代方案》(不同作者/不同媒体,竞品视角)

这篇文章将 OpenWork 列为五大替代方案之一,对其技能系统和 Slack 集成给予正面评价,但指出其多 Agent 能力缺失,并认为对企业级生产环境而言,eigent 更成熟。这与原文 README 隐含的「团队协作」定位基本一致,但补充了一个原文没有明说的边界:OpenWork 适合结构化、重复性的单 Agent 工作流,不适合需要并行调度多个 Agent 的复杂任务。

信源二:腾讯云开发者社区《别总盯着 Claude Cowork 了,OpenWork 开源版来了》(中文技术媒体,实践视角)

该文提供了更多落地细节,特别指出:Windows 和 Linux 版本仍处于 Alpha 阶段,稳定性存疑;文档建设不完善;国内用户面临 Slack 集成不可用的问题(飞书/企微尚无支持)。同时确认了原文的核心优势:10.7K GitHub Star,MIT 协议,无需注册即可本地运行。该文对 OpenWork「AI 工具民主化」的定位与原文一致,但更坦诚地指出了对非英语地区用户的摩擦。

综合判断:原文 README 偏向功能展示,对不成熟部分(如 Windows/Linux Alpha 状态、文档缺失)几乎没有主动提及。两个外部信源在核心定位上与原文一致,但对局限性的描述更为诚实,读者应结合参考。


个人启发

  1. 对个人开发者:如果你已经在用 Claude Code 或 Codex,接入 OpenWork MCP 的成本极低(一行命令),获得的是「技能复用」能力------你写一次的工作流可以分享给队友或在另一台机器上直接跑,值得尝试。

  2. 对团队 Leader / 决策者:OpenWork Den 的核心价值是「统一配置,分发给人」。如果你的团队里有不少非技术成员但又需要接入 AI 能力,可以考虑用 Den 集中管理 MCP 和技能,避免每人各自配置的混乱局面。但请先在 macOS 上小范围试点,Windows/Linux 版本目前不适合生产环境。

  3. 对国内用户:Slack 集成是主推的团队协作入口,而国内 Slack 几乎不可用。在飞书/企微支持到来之前,这个产品对国内团队的实用性打了相当大的折扣,建议观望到 v1.0 正式版。


延伸思考

  1. MCP 会成为「AI 工具层」的 HTTP 吗? OpenWork 整个架构押注于 MCP 作为 Agent 能力的标准接口。如果 MCP 真的成为行业标准(OpenAI、Google 也开始支持),那么 OpenWork Den 这类「MCP 能力注册中心」的价值会急剧放大;反之如果标准碎片化,整个架构就需要重做。

  2. 「技能封装」是解决 AI 工具门槛问题的正确抽象吗? 技能(Skills)本质上是带权限控制的 Prompt + 工具链组合。但 AI 的强大之处恰恰在于它能处理非结构化任务------过度封装成固定技能,是否反而限制了灵活性?这是一个值得持续观察的设计张力。

  3. 开源商业模式的可持续性:MIT 协议 + 免费桌面应用 + 收费 Den 控制平面(推测),这是一个典型的开源 SaaS 模式。随着用户规模增长,如何在「不锁定用户」和「获得商业回报」之间保持平衡,将是 different-ai 团队面临的核心挑战,也是判断该项目长期可投入程度的关键变量。


📚 参考来源

  1. GitHub - different-ai/openwork: The open-source alternative to Claude Cowork (powered by opencode) · GitHub
相关推荐
前沿在线9 小时前
百度文心助手推出任务引擎 2.0,日活用户同比增长 83%,日均对话轮次增长超 2 倍
人工智能·ai·大模型
醉颜凉11 小时前
数据仓库实战:自动化数据质量检测全流程——精准提升数据准确性与完整性
大数据·数据仓库·自动化
张忠琳12 小时前
【deepseek-harness】DeepSeek Harness (dsh) 系统级架构分析之二
ai·agent·deepseek·harness
DevOps老兵13 小时前
AI全栈知识07:向量数据库 - Milvus/Chroma实战
数据库·ai·milvus
HBYKKJ13 小时前
格雷希尔GFL浮动组件:大范围浮动补偿赋能自动化产线高效柔性对接,兼容大部分对正场景,适配市面常见的机器人末端执行器与工装安装板
人工智能·机器人·自动化
天远Date Lab14 小时前
零信任架构实战:基于天远行驶证核查构建自动化车队准入网关
运维·人工智能·架构·自动化
wujian831114 小时前
AI手机版怎么直接生成word?用“AI 导出鸭”把碎片时间变成专业文档
人工智能·ai·chatgpt·智能手机·word·ai导出鸭
赵大仁16 小时前
Structured Output 落地:JSON Schema、重试与前端校验
前端·ai·大模型·工程化·json schema
小七-七牛开发者16 小时前
dsh 拆解系列 Vol.01:没有特权内核的 Agent 运行时
ai·大模型·agent·claude·token·工作流·skill·claudecode·ai coding