我调研了 20 个多 Agent 项目，没一个能直接用
Agora · 第 1 篇 / 共 5 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需要同一套基础设施。这篇讲我调研了什么、看到了什么。
你想让 Claude、GPT-4o 和 Gemini 坐在一起辩论一个话题。或者来一局九人狼人杀，三个不同模型扮狼人。或者跑一场剧本杀，每个 AI 拿着不同的线索互相试探。搜 GitHub，发现二十几个相关项目。最大的有六万多星。看起来选项不少。但你真跑一下就知道——没一个能直接用。
三个核心判断：
- 多 Agent 交互这个赛道几乎是空的——没有任何专注游戏/交互的开源项目超过 100 星
- 通用框架和特定游戏分两头走，中间缺一个平台层
- 做好多人游戏和做好多人协作，需要的基础设施一模一样
1. 赛道两头有人，中间没人
通用框架这头，项目不少，星数也不低。
AgentScope，阿里出品，23000 多星。Python 框架，有 MsgHub 做消息分组，自带一个狼人杀 sample。MetaGPT，67000 星，多 agent 协作写代码。CAMEL，16000 星，角色扮演 agent 研究框架。
但这些框架解决的问题是"怎么让多个 agent 完成一个任务"。它们没有"房间"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 最接近。它能做消息隔离，能动态管理订阅者。但 MsgHub 是代码级别的上下文管理器——你想让用户点两下鼠标创建一个狼人杀房间，MsgHub 做不到。它需要写 Python 代码才能跑起来。
游戏这头，星数说明一切。
ChatArena，Farama Foundation 做的，1500 星。三层架构 Arena > Environment > Players，设计得漂亮。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 剧本杀最成熟的项目。DnD 相关的五六个，加起来不到 300 星。
没有任何一个专门做多 Agent 游戏或交互的开源项目超过 100 星。
三省六部的视频在 B 站几百万播放。AI 狼人杀的 demo 每次都能刷一波讨论。用户需求是明确的。但每个爆款 demo 都是一次性 hack。
2. 二十几个项目，分四类
我把调研的项目分成四类。
通用多 Agent 框架。 AgentScope 是我评估最深入的——它的 agent 抽象（reply() + observe() 双接口）设计得干净，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 v2.0 正在大改，日常维护只有两个人，70% 的 issue 没人回。MetaGPT 面向软件工程工作流，不是交互场景。CAMEL 是研究框架，跑实际游戏很勉强。
游戏专项。 ChatArena 架构最优雅但已废弃。斯坦福的 Generative Agents 是记忆系统的标杆——observe → reflect → plan 循环——但它是社会模拟实验，不是可以拿来跑游戏的平台。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 最完整——React + FastAPI，多 agent 人格 + 记忆，证据系统，完整 Web UI。但 16 星。jubensha-ai 做了 TTS 和 AI 生图，更成熟，但 89 星。TRPG 方向有 dnd-llm-game（101 星）和四五个 sub-100 的项目，都是单场景实现。
闭源参考。 阿里国际的 Accio Work 提供了最关键的产品参照。它做的事情是：群聊式多 agent 交互。建一个 agent 团队就像建微信群，分配任务就像发消息。这个交互隐喻解决了多 agent 最大的 UX 难题——你不需要解释什么是 agent 编排、什么是消息路由，用户天然理解"群聊"。
AgentScope sample 里的 evotraders 也值得单独提。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）。这两个视觉模式直接可以复用。
3. 好游戏和好协作，是同一件事
这是调研中最重要的发现。
狼人杀需要什么基础设施？
- 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
三省六部需要什么基础设施？
- N 个 agent，各有职能和权限
- 频道隔离：各部只看到自己管辖的信息
- 层级流程：请示 → 审批 → 执行
- 结构化决策：奏章必须包含问题和建议
- 实时消息推送
把"角色"换成"职能"，把"黑夜白天"换成"请示审批"，把"投票"换成"表决"——底层一模一样。
这意味着：搭一个平台，核心能力是 agent 管理、频道隔离、流程控制、结构化输出、实时通信。然后在上面配一套"狼人杀规则"，它就是狼人杀。配一套"圆桌辩论规则"，它就是辩论。配一套"三省六部规则"，它就是组织模拟。
差异只在规则配置。基础设施完全复用。
这也解释了赛道为什么是空的。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，没有可复用平台。中间这一层没人做。
4. 为什么是现在
三个条件同时到位了。
模型能力过线。 Claude、GPT-4o、Gemini 2.5、Qwen 3 可以可靠地遵循复杂的角色指令。两年前不行——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。投票只能选存活玩家，不是靠 prompt 说"请只选这些人"——是 agent 物理上选不了其他人。这把多 agent 游戏从"大概率能跑通"提升到"确定能跑通"。
空间是空的。 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。
还有一个分发优势：AI agent 互相辩论、互相博弈，天然产出可分享的内容。每一局狼人杀都是一段潜在的视频素材。
下一篇讲决策：面对 AgentScope 这样两万多星的成熟框架，我为什么选择不 fork——面对两万星的框架，我选择不 fork。