84.5K+ Star！这个开源编程 Agent 控制台，能统一管理 Codex、Claude Code，DeepSeek Harness 也能接入

现在的 AI Coding 工具，已经多到有点管不过来了。

Codex 放在一个终端里，Claude Code 跑在另一个窗口，DeepSeek Harness 又有自己的 Web UI。只开一个任务还好，一旦几个项目同时跑起来，人就得在不同窗口之间来回切换：这个改到哪了，那个为什么停了，还有哪个正在等确认。

如果想让 Agent 定时检查 GitHub 仓库、自动审查 PR，或者收到 Slack 消息后自己开始干活，事情会更麻烦。光有一个会写代码的 Agent 不够，你还得给它补后台服务、事件触发、任务记录和远程访问。

最近我在 GitHub 上发现了 OpenHands，刚好能够解决这个问题。

它把 OpenHands、Codex、Claude Code、Gemini CLI 这些 Coding Agent 收进同一个控制台。DeepSeek Harness 这类提供 stdio ACP Server 的 Agent，也能通过 Custom 模式接入。你可以在本地运行，也可以把后端放到 Docker、远程服务器或云端，再通过浏览器统一管理。

截至发稿，OpenHands 在 GitHub 上已经有约 84.5K Star、11K Fork，MIT 协议。

OpenHands 是什么？

早期关注过 OpenHands 的同学，可能还把它理解成"开源版 Devin"：给它一个开发任务，它会读取代码、修改文件、执行命令，然后尝试把任务做完。

这部分能力还在，但项目现在的重点已经变了。

打开最新的仓库首页，会发现 README 的标题已经变成了 Agent Canvas。官方对它的定位是：一个可以自托管的 Coding Agent 控制中心。

你可以把 Agent Canvas 理解成 Coding Agent 的统一工作台。左侧是不同任务的会话列表，中间可以新建任务、选择模型、打开工作区，底部还能切换当前连接的后端。

OpenHands 当前这套体系涉及几类组件：

Agent Canvas：负责会话、任务和自动化的浏览器控制台。
Software Agent SDK：用来构建代码 Agent 的 Python 框架。
Agent Server：负责运行 Agent，并对外提供 REST 和 WebSocket 接口。
Automation Server：负责定时任务和外部事件触发。
Workspace / Sandbox：决定 Agent 可以访问哪些文件、进程、凭据和网络。

另外，OpenHands 还有一个社区驱动的独立 Sandbox Server，可以按需作为沙箱 API 和控制平面使用。它不属于 agent-canvas 默认启动的本地服务。

日常使用时，我们接触最多的就是 Agent Canvas。它可以连接一个或多个 Agent Server，后端可以放在本地电脑、Docker、办公室里的 Mac mini 或云服务器上。

OpenHands 解决了什么问题？

OpenHands 现在把重点放到了 Agent 的运行和管理上。

Coding Agent 一多，每个 Agent 独立的入口、会话和运行环境就成了新的麻烦。开发者自己反而成了那个不停切窗口、查进度、重新分配工作的调度员。

你可以在同一个界面里创建多个任务，每个任务保存自己的会话历史，并绑定到所选后端中的工作区。一个 Agent 在重构认证模块，另一个可以同时补接口测试，不需要等前面的任务结束。需要彼此隔离时，可以为它们分配不同的 worktree、容器或云端沙箱。

任务也不一定非得跑在当前电脑上。Canvas 可以连接不同的后端，一个后端在本地，另一个放在远程服务器，切换时不用跟着换一套操作界面。

Agent 还可以由外部事件主动触发，不用一直坐在聊天框里等你发消息。

接入 GitHub、Slack 等服务后，它可以在 PR 创建、仓库出现新事件或频道里有人提到 OpenHands 时启动任务。也可以按计划运行，例如每天早上汇总待处理的 PR，或者晚上检查一次依赖和安全告警。

从 GitHub 事件到计划任务，OpenHands 管理的是一组能够持续运行的开发工作，几段散落的 AI 对话也被串到了一起。

OpenHands 有什么亮点？

一个控制台，可以换不同的 Coding Agent

Agent Canvas 自带 OpenHands Agent，也支持通过 ACP（Agent Client Protocol） 接入其他 Coding Agent。

官方目前直接列出的包括：

Claude Code
Codex
Gemini CLI

这三项是内置预设，不是完整的兼容清单。Agent Canvas 可以连接任意基于 stdio 的 ACP Server。DeepSeek Harness 已经提供 @deepseek-ai/dsh-acp，在 Settings → Agent 中选择 Custom 并填写启动命令，就能把它接进来。

目前 DeepSeek Harness 仍处于 Developer Preview。它的 ACP 接口主要传输已经提交的回答，不会把实时推理、工具活动和计划完整展示在 Canvas 中，也暂不支持恢复或分叉已有会话。能接入，但交互完整度还不能和三个内置预设画等号。

ACP 是一套 Coding Agent 通信协议。Agent Server 会启动对应的 CLI 进程，把消息传给它，再由 Canvas 展示 ACP Server 返回的消息和事件。思考过程、工具调用和实时执行进度能否显示，取决于具体 Agent 的 ACP 实现。

模型和工具仍由各个外部 Agent 自己管理，Canvas 主要负责会话和调度。

上图里，用户让 Agent 重构认证模块。Agent 先列出相关文件，给出准备修改的内容，再停下来等待确认。整个执行过程都保留在会话里，不用翻终端日志猜它刚刚做了什么。

如果已经在运行 Agent Server 的那台机器上登录过对应 CLI，Agent Server 通常可以直接复用已有登录信息。比如 Codex 会读取这台机器上的 ChatGPT 登录状态；后端运行在干净的云端环境时，则可以改用 API Key。

同一个控制台里，今天可以用 Codex，另一个任务也可以换成 Claude Code。Agent 变了，控制台和任务管理方式不用跟着换。

Agent 可以按时间和事件自动工作

Agent Canvas 里有一个单独的 Automate 页面，用来查看和管理自动化任务。

官方提供了多种预构建流程，例如：

GitHub PR Review Assistant：监听新的 Pull Request，读取代码差异并给出审查意见。
GitHub Repository Monitor：监听 Issue 和 PR 评论中的 OpenHands 提及，然后创建任务并回复结果。
Slack Channel Monitor：监听指定频道，命中条件后带着消息上下文启动 Agent。
Slack Standup Digest：汇总频道活动，生成异步站会记录。

以 PR 审查为例，平时需要人手动打开 GitHub、查看改动、寻找风险点，再把意见写回评论区。配置成自动化后，这条链路可以由事件触发：新 PR 出现，Agent 读取 diff，分析可能受影响的模块，然后生成审查结果。

每个自动化任务会保存自己的 Prompt、触发方式、LLM Profile 和运行记录。代码仓库、插件及通知方式，则根据具体流程配置。运行成功还是失败，也会留在活动记录里。

自动化任务既可以定时执行，也可以由 Webhook 等外部事件触发。你还可以随时点一下 Run now 手动运行。

在聊天框里，重复工作意味着重复输入同一段 Prompt。Automation 会把"让 Agent 做什么""什么时候开始""去哪里拿数据""结果发到哪里"一起固定下来。

本地、远程和云端后端可以混着用

Agent Canvas 和 Agent Server 是分开的。

你可以在笔记本上启动 Canvas，让它连接本机的 Agent Server；也可以在云服务器上运行后端，让 Agent 在你合上电脑后继续工作。

同一个 Canvas 还能连接多个后端。例如，本地后端负责个人项目，团队服务器负责 PR 审查和依赖更新，涉及内部代码的任务则放在公司自己的基础设施中。

切换后端时，Canvas 会显示对应后端的会话、模型、工作区和自动化，操作界面不用跟着换，也不需要为每个运行环境单独准备一套前端。

用 MCP 和 Skills 补充外部能力

只会读写代码还不够，很多开发任务都需要仓库以外的信息。

使用 OpenHands 内置 Agent 时，可以通过当前后端配置的 MCP Server 补充 GitHub、Slack、Linear、Jira 等外部工具。启动任务后，Agent 可以根据需要查询 Issue、读取 PR、获取频道消息，或者调用团队内部提供的 API。对于通过 ACP 接入的第三方 Agent，其工具和 MCP 能力仍取决于对应 Agent 及 ACP Server 的实现。

Skills 则更接近一份可复用的任务说明。你可以把项目约定、操作步骤和工具使用方法整理成 Skill，让 Agent 遇到对应任务时加载，而不是每次重新写一长串 Prompt。

MCP 解决"Agent 可以调用什么"，Skills 解决"这类任务应该怎么做"，Automation 负责触发。三者组合起来，一条开发流程就能重复运行。

OpenHands 怎么使用？

目前官方推荐使用 Agent Canvas。最短的启动方式是 npm，全局安装后直接运行：

bash 复制代码

npm install -g @openhands/agent-canvas
agent-canvas

环境需要 Node.js 22.12.x 或更高版本 ，同时需要安装 uv。

启动完成后，在浏览器访问：

text 复制代码

http://localhost:8000

agent-canvas 默认会启动完整的本地服务，包括前端、Agent Server 和 Automation Server。进入页面后，选择使用的 Agent，配置模型或登录信息，再打开一个本地工作区，就可以创建第一个开发任务。

如果想把执行环境放进 Docker，可以使用官方镜像。macOS 和 Linux 下的命令如下：

bash 复制代码

export PROJECTS_PATH="$HOME/projects"
mkdir -p "$PROJECTS_PATH" "$HOME/.openhands"

docker run -it --rm \
  -p 8000:8000 \
  -v "$HOME/.openhands:/home/openhands/.openhands" \
  -v "${PROJECTS_PATH}:/projects" \
  ghcr.io/openhands/agent-canvas:1.14.0

PROJECTS_PATH 是存放项目的目录。挂载完成后，Agent 可以访问该目录下的项目，Canvas 则通过 http://localhost:8000/canvas 打开。

基础对话跑通后，可以再进入 Customize 页面添加 MCP Server，或者进入 Automate 页面选择 GitHub PR Review、Repository Monitor、Slack Channel Monitor 等模板。

整个上手顺序可以压缩成四步：启动 Canvas、连接后端、选择 Agent、打开工作区。自动化和外部服务等需要时再加，不必第一次启动就全部配齐。

总结

OpenHands 早期最吸引人的标签，是一个能够自己读取代码、运行命令和完成开发任务的开源 Agent。

现在再看这个项目，它已经开始处理另一个越来越明显的问题：Codex、Claude Code、Gemini CLI 都有自己的入口，DeepSeek Harness 等新 Agent 也在不断出现。它们分散在不同终端、Web UI、会话和机器上，很难形成一套持续运行的工作流。

Agent Canvas 给内置 Agent 和兼容 ACP 的第三方 Agent 提供了统一入口，Agent Server 负责把任务跑在本地或远程环境，Automation Server 再把 GitHub、Slack 和定时任务接进来。

一个控制台里管理多个 Agent、多个后端和多条自动化流程，这是 OpenHands 当前最明显的变化，也正好回到了开头那个问题：Coding Agent 越来越多之后，怎么少守几个终端窗口。

项目地址：OpenHands GitHub 仓库

⭐️推荐阅读：

后端开发学习 + 面试指南：覆盖 Java、计算机基础、数据库、框架、系统设计等后端开发核心知识与面试内容。
AI 应用开发学习 + 面试指南：覆盖 LLM、RAG、Agent、MCP、Prompt、评测、系统设计等 AI 应用开发知识与面试内容。
AI 编程实战指南：覆盖 Claude Code、Cursor、Codex、Trae 等工具的使用技巧与面试内容。