TormentNexus 完全指南：用开源 AI 控制平面统一管理 38+ 编码 Agent 和 20,000+ MCP 工具

场景：Agent 各自为战，工具散落一地

如果你同时使用 Claude Code、Cursor、Codex CLI、Windsurf 等多个 AI 编码 Agent，一定遇到过这样的尴尬：

• 每个 Agent 有自己的 MCP 配置、自己的 session 记忆、自己的工具集
• 切换 Agent 时上下文完全断裂，之前记住的项目结构要重新教
• Claude Code 装了一套 MCP 服务器，Cursor 那边一个都用不上
• 想给 Agent 团队安排一个调度策略？没有统一入口

更麻烦的是，每个 Agent 的 MCP 工具配置各自维护，重复装了一堆服务不说，内存消耗也日渐膨胀。

TormentNexus 就是为解决这个痛点而生的——一个开源、本地优先的通用 AI 控制平面，让你用一个系统统一管理 38+ 种 AI 编码 Agent、20,000+ MCP 服务器，并提供多层级记忆、多 Agent 群体协调、以及企业级安全能力。

什么是 TormentNexus？

TormentNexus 的核心是一个 Go 模块化单体 + TypeScript/Next.js 前端的本地优先控制平面。它不是又一个 AI 编码工具，而是所有 AI 编码工具的调度中枢。

一句话描述：它是 AI Agent 的操作系统内核。

安装后，TormentNexus 会自动检测并配置你机器上已有的 38+ 种 AI 编码 Agent——包括 Claude Code、Cursor、Windsurf、Codex CLI、Gemini CLI、Grok Build、Aider、Cline、Pi、Goose、CodeWhale 等等。每种 Agent 都能获得它支持的全部集成类型（SKILL、MCP、CMD、HOOK、EXT、AGENT）。

一键安装，自动发现

安装出乎意料的简单：

python3 scripts/install-client-support.py

或者用 npm 一键启动：

npx @tormentnexus/install

安装程序会自动完成以下工作：

1. 检测当前系统上已安装的所有 AI 编码 Agent
2. 为每种 Agent 配置 MCP 集成和 SKILL 路由
3. 启动 Go Sidecar 内核（端口 7778）
4. 启动 Web Dashboard（端口 7779）
5. 初始化 L2 Vault 记忆库（SQLite + 向量嵌入）

对于企业部署，还支持 SSO/OIDC 身份认证、RBAC 权限管理、审计日志和租户隔离：

python3 scripts/install-client-support.py --mode corporate

生产环境下，可以用 PM2 管理 Go 内核进程：

GOOS=linux GOARCH=amd64 go build -o tn-kernel ./cmd/tormentnexus
pm2 start tn-kernel --name tn-kernel -- serve -port 8090 -host 127.0.0.1

五大核心设计

1. 渐进式 MCP 工具路由

传统做法是把所有 MCP 工具的 Schema 一股脑塞进 LLM 上下文——50000 tokens 的工具定义比实际 prompt 还长，模型翻都翻不完。

TormentNexus 的处理方式完全不同：

用户 Prompt
  ↓
向量嵌入（sqlite-vec）
  ↓
BM25 + 语义搜索（Top-K 匹配）
  ↓
工具 Schema 注入（仅注入相关 Schema）
  ↓
LLM 上下文窗口（干净、相关、小巧）

当用户提问时，系统先用 sqlite-vec 对 prompt 做向量化，在 20,000+ MCP 服务器目录中做语义搜索，只把最相关的几个工具 Schema 注入到 LLM 上下文。结果就是：模型看到了正确的工具，但没有被海量工具定义压垮。

目前支持的 MCP 类别涵盖：开发者工具（GitIngest、ripgrep、AST-grep）、数据库（SQLite、ChromaDB、Mem0）、Web 搜索（DuckDuckGo、Firecrawl、Exa）、通信（Slack）、云服务（Vercel）、AI/LLM（Ollama、Hugging Face）、金融（Alpaca、Alpha Vantage）、安全（Semgrep）、浏览器（Playwright）、沙箱（Thoughtbox）等 12+ 大类。

2. 双层级记忆架构（L1 / L2）

Context 窗口有限，但记忆可以无限。TormentNexus 的”海马体模型”将记忆分为三层：

• L1 — Session Scratchpad（会话暂存区）：内存级极速访问，绑定当前会话 ID，约 4K-8K token 窗口。会话结束后可选择持久化或丢弃。
• L2 — The Vault（语义金库）：SQLite + sqlite-vec 做向量嵌入的永久语义存储。保存精确的对话记录和 LLM 压缩后的要点（Heuristics）。支持热度评分管理——越常被访问的记忆热度越高，长期不用的自动衰减。
• L3 — Cold Archive（冷归档，规划中）：长期冷存储，压缩摘要后按需调取。

自动上下文收割（Context Harvesting）：每次 Agent 开始新会话时，TormentNexus 会自动查询 L2 Vault，拉取与当前任务语义相关的历史要点。模型再也不从零开始了。

TrafficObserver：一个被动的信息提取层，监控所有系统流量（工具调用、LLM 响应、错误信息），自动将关键事实持久化到 L2 Vault 中——全程无需用户干预。

3. 弹性 LLM 瀑布流

生产环境中 API 不会永远在线。TormentNexus 的推理客户端原生支持速率限制（429）和服务器错误（5xx）的自动捕获，并将请求沿优先级链无缝级联：

1. NVIDIA NIM / 主 API — 首选链路，延迟最低
2. OpenRouter（二级聚合回退）— 主 API 不可用时自动降级
3. 本地 LM Studio / Ollama（最终离线回退）— 网络完全断开时的保底方案

整个降级过程对上层透明——Agent 不需要知道走的是哪一条链路。

4. 多 Agent 群体协调（Swarm）

TormentNexus 通过 Agent-to-Agent（A2A）协议让不同模型在共享聊天室中协同工作：

• 角色轮换：模型轮流担任 Planner（规划者）、Implementer（实现者）、Tester（测试者）、Critic（评审者）
• 共识与辩论：Agent 自主竞标任务，通过神经转录本共享上下文，辩论实现方案直到达成共识
• PairOrchestrator：强制执行严格的 Planner → Checker → Implementer → Critic 状态机，带加权共识评分

这套机制适合复杂项目的多阶段任务分解——不再由一个 Agent 单打独斗，而是多个专业 Agent 分工协作。

5. 安全与治理

企业环境中，控制平面也是安全防线。TormentNexus 内置了多层次的治理能力：

• Autonomy Level：设置 Agent 的自主权限等级，从完全监督到完全自治
• 审计日志：实时记录每一次工具调用、Agent 决策和配置变更
• API Key 管理：集中管理各路 API Key，Agent 无须各自配置
• 沙箱执行：代码执行隔离在 Thoughtbox（Node VM 包装器）中
• Ed25519 签名许可证令牌：企业功能通过加密令牌控制

20,000+ MCP 服务器的自动同化

TormentNexus 最具野心的部分是 Swarm 工具生成器——一套自动化流水线（swarm.py / swarm_v7.py），可以从 MCP 服务器的规范定义自动生成原生 Go 工具实现。

• 5 个工作节点，支持 --forever 模式持续生成
• 每轮最多 200 个任务
• 并行批量验证生成的工具
• 自动修复：检测到损坏的实现自动删除并重新生成

这意味着 TormentNexus 不是简单对接 MCP 服务器的”转发代理”，而是将 MCP 工具同化为原生 Go 函数——去掉了外部依赖，执行更稳定、延迟更低。

600+ HTTP API 端点

Go Sidecar 内核暴露了 600+ HTTP 端点，覆盖控制平面的全部功能。核心 API 类别包括：

所有端点使用统一 JSON 返回格式：

{
  "success": true,
  "data": { ... }
}

Web Dashboard：可视化的指挥中心

Next.js 前端提供了完整的 Web 操作界面（端口 7779），包含 20+ 个管理页面：

• /dashboard — 主控制台，系统概览一目了然
• /dashboard/brain — 知识图谱可视化（力导向图 + Mermaid）
• /dashboard/vault — L2 记忆浏览器，查看所有持久化的会话记录和要点
• /dashboard/swarm — 群体协调控制台，管理多个 Agent 的协作任务
• /dashboard/chronicle — 免疫系统视图，显示活跃的”病原体”和修复记录
• /dashboard/audit — 实时审计日志，每笔操作都可追溯
• /dashboard/code/sandbox — 安全沙箱环境

UI 采用玻璃态深色设计语言，支持拖拽布局、实时 SSE 流推送、recharts 图表遥测和 framer-motion 动画。

实战场景：典型的 TormentNexus 工作流

场景：你正在开发一个全栈项目，需要同时使用 Claude Code 写后端逻辑、Cursor 做前端重构、Codex CLI 跑测试——而且项目涉及多个第三方 API，需要管理若干 MCP 工具。

1. 安装 TormentNexus：npx @tormentnexus/install，安装程序自动检测到系统中已有 Claude Code、Cursor、Codex CLI，为每个 Agent 配置好集成
2. 统一 MCP 配置：在 Dashboard 的 /api/config/mcp-timeout 中设置全局超时，所有 Agent 共享同一套 MCP 工具
3. 启用记忆：Claude Code 在分析后端代码时，TrafficObserver 自动将项目结构图持久化到 L2 Vault。切换到 Cursor 做前端时，Context Harvesting 自动拉取了相关上下文
4. 设置群体协调：在 Swarm 面板中，让 Claude Code（后端）和 Cursor（前端）通过 PairOrchestrator 自动协调——Claude 改完 API 签名时，Cursor 自动获取更新
5. 审计回溯：某次部署出了问题，在 Audit 面板中查看过去 24 小时的所有 Agent 操作和工具调用记录

许可证与生态

TormentNexus 采用双许可证模式：

• 核心内核和工具实现：开源许可（宽松许可证）
• 企业功能（SSO、RBAC、Fleet 管理、跨机器网格）：Ed25519 签名许可证令牌

项目已发布多个 npm 包，包括 @tormentnexus/install、@tormentnexus/core、@tormentnexus/cli、@tormentnexus/vscode、@tormentnexus/cursor，全部为 v1.0.0-alpha.261 版本，生态系统正在快速演进中。

适合谁用

• 同时使用多个 AI 编码 Agent 的开发者：统一管理 MCP 配置和上下文记忆
• 团队负责人：通过审计日志和 RBAC 控制 Agent 行为
• Agent 工作流编排者：利用 Swarm 协调实现多 Agent 分工协作
• 需要离线回退方案的用户：LLM 瀑布流确保 API 故障时不会停摆

总结

TormentNexus 解决了一个真实且日益突出的痛点：AI 编码 Agent 越来越多，但缺少一个统一的操作系统层来管理它们。它不是一个 Agent，而是 Agent 的 Agent——一个控制所有编码 Agent 的控制平面。

渐进式 MCP 路由解决了工具 Schema 爆炸的问题，L1/L2 双层级记忆让跨会话上下文不再丢失，Swarm 群体协调让多个 Agent 可以像团队一样分工协作。加上 600+ API 端点和完整的 Web Dashboard，对于有复杂多 Agent 需求的开发者来说，这是目前开源生态中功能最完整的控制平面方案。

相关链接：

• GitHub 仓库
• npm: @tormentnexus/install
• Discord 社区