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：人凑不齐的时候让 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。
我想干的事大概是这样：让 claude、gpt-4o、gemini 坐在一起辩论；或者来一局九人狼人杀，三个不同的模型演狼人；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，看着选择挺多。结果一个一个真跑下来，没一个能直接用。真的是一个都不行，不是我挑剔。
调研完，我大概有三个判断：
- 多 agent 交互这条赛道几乎是空的，专门做游戏和交互的开源项目，没有一个超过 100 星
- 做通用框架的和做具体游戏的各干各的，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，星也不少。AgentScope 是阿里做的，23000 多星，是个 Python 框架，用一个叫 MsgHub 的东西给消息分组，还自带一个狼人杀 sample。MetaGPT 67000 星，做的是多个 agent 一起写代码。CAMEL 16000 星，是研究角色扮演 agent 的框架。
这些框架解决的问题是，多个 agent 怎么一起把一个任务做完。但它们都没有「房间」这个概念。你没法开一个空间，拉几个 agent 进去，定好规则，然后看它们互动。
最接近的是 AgentScope 的 MsgHub，它能把消息隔开，也能随时增减订阅者。但 MsgHub 是代码里的一个 context manager，你得写 Python 才能跑起来。想让用户点两下鼠标就开一个狼人杀房间，它做不到。
再看游戏这头，星就少多了。ChatArena 是 Farama Foundation 做的，1500 星，分 Arena > Environment > Players 三层，设计挺漂亮，但 2025 年 8 月已经废弃了。Google 做过一个 Werewolf Arena，46 星。ai-murder-mystery，16 星。jubensha-ai 89 星，在中文 AI 剧本杀里算最成熟的。DnD 相关的有五六个，加起来不到 300 星。算下来，专门做多 agent 游戏或者交互的开源项目，没有一个超过 100 星。
可想玩的人明明很多。三省六部的视频在 B 站有几百万播放，AI 狼人杀的 demo 每次一出来都能刷一波讨论。需求很明确，只是每个爆款 demo 背后都是一次性的 hack，跑完那一场就没了。
二十几个项目，大概分四类
第一类是通用的多 agent 框架。AgentScope 我看得最细，它的 agent 抽象挺干净（reply() + observe() 两个接口），记忆系统能压缩工作记忆，也能做长期的语义检索，工具系统支持 ReAct 循环。但它 v2.0 正在大改，平时只有两个人在维护，70% 的 issue 没人回。MetaGPT 是给软件工程流程用的，不管交互场景。CAMEL 是研究框架，拿来跑真正的游戏很勉强。
第二类是专门做游戏的。ChatArena 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，就是 observe → reflect → plan 那个循环，但它是个社会模拟实验，不是拿来跑游戏的平台。当皇上（2600 星）用 TypeScript 做了三省六部，还有 dashboard UI，但只做了这一个场景，底层没法拿去复用。
第三类是剧本杀和 TRPG。ai-murder-mystery 做得最完整，React + FastAPI，每个 agent 有自己的人格和记忆，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 这边有 dnd-llm-game（101 星）和四五个不到 100 星的项目，全都只做了一个场景。
第四类是闭源的参考。对我最有用的产品参照是阿里国际的 Accio Work。它把多 agent 交互做成了群聊，建一个 agent 团队就像建微信群，派任务就像发消息。只能说这个比喻真的解决了多 agent 最大的 UX 难题，因为你不用跟用户解释什么叫 agent 编排、什么叫消息路由，「群聊」大家一看就懂。
还有 AgentScope sample 里的 evotraders，我也想提一下，它有两个前端组件做得好，一个是 AgentFeed（agent 活动流），一个是 RoomView（语音气泡 + 头像布局）。这两种视觉做法可以直接拿来用。
做好游戏和做好协作，其实是同一件事
这次调研我觉得最有用的发现就是这个，狼人杀和三省六部，底层要的是同一套东西。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。一样是 N 个 agent，只不过人设换成了职能和权限；频道也要隔开，各部只能看到自己管的那部分信息；流程是请示 → 审批 → 执行；奏章必须写明问题和建议，这也是结构化决策；消息一样得实时推。两边对着看一遍，其实就是把角色换成了职能，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。核心就五件事，管 agent、隔频道、控流程、出结构化结果、做实时通信。上面配一套狼人杀规则，它就是狼人杀；换成圆桌辩论的规则就是辩论；换成三省六部的规则就是组织模拟。不同的只是最上面那层规则，下面的基础设施全都能复用。
这也解释了这条赛道为什么是空的。大家要么在做通用框架，太底层，没把这些玩法抽出来；要么在做某一个游戏，太上层，底下没有能复用的平台。中间这一层没人做。
模型能力过线了。 claude、gpt-4o、gemini 2.5、qwen 3 已经能稳定地照着复杂的角色设定来演。两年前还不行，模型会串角色、忘设定、不守规则。现在九个 agent 各演各的，跑完一整局狼人杀都不串，已经做得到了。
结构化输出能上生产了。 用 Zod schema + generateObject()，可以在类型系统这一层就把 agent 能做的选择卡死。比如投票只能从活着的玩家里选，这不是靠 prompt 求它「请只选这些人」，而是 agent 压根选不了别人。这样一来，多 agent 游戏能不能跑通，就不用赌模型听不听话了。
这块地方是真的空。 没有哪个竞品超过 100 星，ChatArena 废弃了，AgentScope 不往这个方向做，Accio Work 是闭源的。
另外在传播上还有个好处。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，我为什么没有 fork。面对两万星的框架，我选择不 fork。