我调研了 20 个多 agent 项目，没一个能直接用
Agora · 第 1 篇 / 共 7 篇
上一篇讲了出发点：凑不齐人的时候让 AI 顶上，然后发现游戏和协作要的是同一套基础设施。这篇讲我具体调研了什么、看到了什么。
我想干的事情大概是这样的：让 claude、gpt-4o、gemini 坐在一起辩论；或者来一局九人狼人杀，三个不同的模型扮狼人；或者跑一场剧本杀，每个 AI 拿着不同的线索互相试探。
去 GitHub 搜了一圈，相关项目有二十几个，最大的六万多星，看起来选项挺多。结果一个一个真跑下来，没一个能直接用。真的是没一个能直接用，不是我挑剔。
调研完我大概得出三个判断：
- 多 agent 交互这个赛道几乎是空的——专注游戏/交互的开源项目，没有一个超过 100 星
- 通用框架和特定游戏分两头走，中间缺一个平台层
- 做多人游戏和做多人协作，要的基础设施一模一样
两头都有人做，中间没人
先说通用框架这头，项目不少，星数也不低。AgentScope 是阿里出品的，23000 多星，Python 框架，有个 MsgHub 做消息分组，自带一个狼人杀 sample。MetaGPT 67000 星，做多 agent 协作写代码。CAMEL 16000 星，角色扮演 agent 的研究框架。
这些框架解决的问题是「多个 agent 怎么一起完成一个任务」。但它们没有「房间」这个概念——你没法创建一个空间，拉几个 agent 进去，配好规则，然后看它们互动。
AgentScope 的 MsgHub 算是最接近的，它能做消息隔离，也能动态管理订阅者。但 MsgHub 是代码级别的 context manager，你得写 Python 代码才能跑起来。让用户点两下鼠标就创建一个狼人杀房间这种事，它做不到。
再看游戏这头，星数就低得多了。ChatArena 是 Farama Foundation 做的，1500 星，三层架构 Arena > Environment > Players，设计挺漂亮的，但 2025 年 8 月废弃了。Google 做过一个 Werewolf Arena，46 星。ai-murder-mystery，16 星。jubensha-ai 89 星，算是中文 AI 剧本杀里最成熟的。DnD 相关的有五六个，加起来不到 300 星。
也就是说，专门做多 agent 游戏或者交互的开源项目，没有任何一个超过 100 星。
但需求端不是这个样子的。三省六部的视频在 B 站有几百万播放，AI 狼人杀的 demo 每次出来都能刷一波讨论。需求挺明确的，只是每个爆款 demo 背后都是一次性 hack，跑完那一场就没了。
二十几个项目，大概分四类
通用多 agent 框架。 AgentScope 是我评估得最深入的——agent 抽象设计得挺干净（reply() + observe() 双接口），记忆系统有工作记忆压缩和长期语义检索，工具系统支持 ReAct 循环。但它 v2.0 正在大改，日常维护只有两个人，70% 的 issue 没人回。MetaGPT 面向的是软件工程工作流，不是交互场景。CAMEL 是研究框架，拿来跑实际游戏很勉强。
游戏专项。 ChatArena 的架构最优雅，但已经废弃了。斯坦福的 Generative Agents 是记忆系统的标杆——observe → reflect → plan 这个循环——但它是个社会模拟实验，不是能拿来跑游戏的平台。当皇上（2600 星）用 TypeScript 实现了三省六部，有 dashboard UI，但只做了这一个场景，没有可复用的底层。
剧本杀 / TRPG。 ai-murder-mystery 做得最完整——React + FastAPI，多 agent 人格加记忆，有证据系统，还有完整的 Web UI。但只有 16 星。jubensha-ai 做了 TTS 和 AI 生图，更成熟一些，89 星。TRPG 方向有 dnd-llm-game（101 星）和四五个 100 星以下的项目，全是单场景实现。
闭源参考。 阿里国际的 Accio Work 给了我最关键的产品参照。它做的是群聊式的多 agent 交互：建一个 agent 团队就像建微信群，分配任务就像发消息。我只能说这个交互隐喻真的解决了多 agent 最大的 UX 难题——你不需要跟用户解释什么是 agent 编排、什么是消息路由，「群聊」这个东西大家天然就理解。
AgentScope sample 里的 evotraders 也值得单独提一下，它有两个前端组件做得好：AgentFeed（agent 活动流）和 RoomView（语音气泡 + 头像布局）。这两个视觉模式可以直接复用。
做好游戏和做好协作，其实是同一件事
这次调研里我觉得最有用的发现就是这个：狼人杀和三省六部，底层要的东西是同一套。你拆一下狼人杀需要什么：
- N 个 agent，各有角色和人设
- 频道隔离：狼人有私密频道，平民看不到
- 状态机：黑夜 → 白天讨论 → 投票 → 淘汰
- 结构化决策：投票必须从存活玩家中选
- 实时消息推送
再看三省六部：同样是 N 个 agent，只不过人设换成了职能和权限；频道隔离也要，各部只能看到自己管辖的信息；流程上是请示 → 审批 → 执行；奏章必须包含问题和建议，这也是结构化决策；消息同样得实时推。
对着看一遍，其实就是角色换成了职能，别的几乎不用动，底层就是同一套东西。
所以平台该长什么样也就清楚了：核心能力就是 agent 管理、频道隔离、流程控制、结构化输出、实时通信这五件事。上面配一套狼人杀规则它就是狼人杀，换成圆桌辩论规则就是辩论，换成三省六部规则就是组织模拟。差异只在规则配置这一层，下面的基础设施完全复用。
这也解释了这个赛道为什么是空的：大家要么在做通用框架，太底层，没有模式抽象；要么在做特定游戏，太上层，没有可复用的平台。中间这一层没人做。
模型能力过线了。 claude、gpt-4o、gemini 2.5、qwen 3 已经可以可靠地遵循复杂的角色指令。两年前是不行的——模型会串角色、忘设定、忽略规则。现在九个 agent 各扮各的角色，跑完一整局狼人杀不串，做得到了。
结构化输出生产就绪。 Zod schema + generateObject() 能在类型系统层面约束 agent 的决策空间。投票只能从存活玩家里选，这不是靠 prompt 说「请只选这些人」——是 agent 物理上就选不了别人。这一下多 agent 游戏能不能跑通，就不用赌模型听不听话了。
这块空间是真的空。 没有 100 星以上的竞品，ChatArena 废弃了，AgentScope 不做这个方向，Accio Work 是闭源的。
另外还有一个分发上的好处：AI agent 互相辩论、互相博弈，这个过程本身就挺好看的，随手录一局狼人杀就能拿出去发。
下一篇讲决策：面对 AgentScope 这种两万多星的成熟框架，为什么我选择不 fork——面对两万星的框架，我选择不 fork。