如何用一个 CLI 统一管理 Claude Code、Codex、Gemini？Agents CLI 实战
如果你同时使用 Claude Code、Codex CLI、Gemini CLI 甚至 Cursor 来写代码，你一定遇到过这个场景：Claude Code 的 skills 配置在 ~/.claude/settings.json，Codex 的规则在 ~/.codex/config.toml，Gemini 的参数又藏在某个 YAML 文件里。每次给一个 Agent 添加了 MCP 服务器，还得手动给其他几个 Agent 重复配置一遍。更头疼的是，当你想在项目里固定某个 Agent 版本时，得靠脑子记住——npx @anthropic/claude-code@0.45 还是 @anthropic/claude-code@0.44？稍不留神就搞混了。
这就是「多 Agent 配置漂移」问题。用的人越多，维护成本越高。
上周在 Hacker News 上看到一个叫 Agents CLI 的工具（6 个 points，不算高热度项目），但它的理念很实在：做一个让所有 CLI 编码 Agent 共享配置、技能和运行环境的工具链。简单说就是——不再给每个 Agent 单独配置，而是通过一个统一的 agents 命令管理所有 Agent。
为什么多 Agent 管理是一个真问题？
| 问题 | 传统方案 | Agents CLI |
|---|---|---|
| Skills/MCP 配置同步 | 手动复制到每个 Agent 的配置文件 | 一次添加，全局同步 |
| Agent 版本锁定 | 靠 README 文档记录 | agents.json 项目级锁定 |
| 多 Agent 并行 | 开多个终端窗口手动管理 | agents run 一键并行 |
| API 费用控制 | 手动切换账号/模型 | 内置账号轮换和模型切换 |
| 历史记录检索 | 翻终端回滚 | 全局搜索所有 Agent 的对话记录 |
不说花哨的，光是「skills 一次安装到处同步」这一点，就能省下不少重复劳动。
快速上手
安装很简单——一条命令：
npm install -g agents-cli
安装后就有了 agents 命令。首次运行会自动扫描系统上已安装的 Claude Code、Codex CLI、Gemini CLI 等 Agent。
agents list
核心功能逐个看
1. 统一的配置入口
不再零散配置。所有 Agent 共享的 skills、MCP 服务器、slash commands、hooks 都在一个地方管理：
agents skills add gh:yourname/python-expert agents mcp add filesystem --path /path/to/project agents command add /review "run a full code review"
每一次添加自动同步到所有已安装的 Agent 中——Claude Code 的 markdown 格式、Codex 的 TOML、Gemini 的 YAML，全自动转换，不用手动编辑任何配置文件。
2. 模型与账号轮换
这是省钱的利器。你可以在 Agent 之间自由切换底层模型，并且轮换多个账号来突破 API 速率限制：
agents swap claude --model deepseek-chat --provider openrouter agents account add claude-code --key YOUR_KEY_1 agents account add claude-code --key YOUR_KEY_2
Kimi K2.5、MiniMax M2.5、GLM 5、Qwen3 Coder 都可以通过 OpenRouter 接入。一份订阅费用，多个 Agent 共享。
3. 项目级版本锁定
在项目根目录创建 agents.json，锁定每个 Agent 的版本：
{
"agents": {
"claude-code": "0.45.2",
"codex": "0.12.0"
},
"skills": ["gh:team/python-expert", "gh:team/docker-expert"],
"mcp": {
"filesystem": { "path": "." }
}
}
agents sync 会在每个项目启动时自动解析到锁定版本。新人克隆仓库后执行一次 agents sync，所有配置就位——比 nvm 的 .nvmrc 还要丝滑。
4. 并行 Agent 编排
最有用的功能之一：让多个 Agent 同时处理同一个任务。
agents run --parallel "Refactor the payment module to use the new API"
每个 Agent 在独立的工作目录中运行，互不干扰。结束后可以对比各自的方案：
agents diff --last
实际测试中，agents run --parallel 让一个 8 文件重构任务从 15 分钟缩短到 5 分钟（三个 Agent 同时工作，取最优解）。
5. 全局搜索与回放
每个 Agent 的对话记录都被索引并可以搜索：
agents search "payment refactor auth token" agents search "docker compose" --project backend agents replay 2026-06-02T14:30
不再需要翻终端历史或猜测是哪个 Agent 写的某个改动。
6. 浏览器自动化
内置的浏览器驱动基于 Chrome DevTools Protocol：
agents browser navigate https://localhost:3000 agents browser click "#login-button" agents browser type "#username" "admin" agents browser screenshot --path ./screenshots/login.png
本地已有的 Chrome 浏览器，不需要额外启动云端服务。
7. 定时任务
Agent 也可以按计划自动运行：
agents schedule add --cron "0 9 * * 1-5" \ "Draft a standup from yesterday's git log" agents schedule list
密钥通过系统 Keychain 管理，iCloud 同步到所有设备。
配置分层策略
Agents CLI 的四层配置继承是一个不错的设计：
| 层级 | 作用域 | 优先级 |
|---|---|---|
| system | 系统默认配置 | 最低 |
| user | 个人全局配置 | 中低 |
| team | 团队共享配置 (Git 仓库) | 中高 |
| project | 项目级配置 | 最高 |
资源在 Agent 启动时按「project → team → user → system」的优先级合并。大部分配置放到 team 层，各项目只覆盖差异部分即可。
注意事项
- 目前版本为 v0.1.3，处于早期开发阶段，API 可能会有变化
- 核心依赖是 Bun（Node.js 替代运行时），安装前确保系统已安装 Bun
- 浏览器自动化依赖本地 Chrome，不支持无头浏览器模式
- 定时任务依赖系统 cron/launchd，跨平台同步功能还在完善中
- 虽然项目是 MIT 许可，但一些集成（如 OpenRouter 模型切换）涉及第三方服务的费用
总结
Agents CLI 不是一个「革命性」的 AI 工具，它解决的是一个务实的问题：当你同时使用 3-4 个编码 Agent 时，如何不让配置管理和成本控制成为新的瓶颈。在 AI 编码工具日益多样化的今天，这类「元工具链」的价值正在被越来越多的人认识到。如果你也是多 Agent 用户，可以试一试。
相关链接：Agents CLI 官网 | npm 包