multicc 0.1.0

多智能体任务编排器：把 prompt 拆给 Claude Code 与 Codex 执行，实时输出思维链/工具调用/交互/审批，支持中途注入

tasker — 多智能体任务编排器（claude code × codex）

输入一个目标，由 LLM 把它拆成有依赖关系的子任务，分派给 Claude Code 和 Codex 并行/串行执行；在 CLI 里实时流式输出两者的完整思维链、工具调用、交互与审批请求，并且你可以随时打字继续提要求、中途修改、批准/拒绝。

主目标平台：macOS。Windows/Linux 也可运行（headless 采集相同），但 pty 交互 attach 仅 macOS/Linux 原生支持。

---

特性

能力	说明
🧠 完整思维链	Claude 的 thinking 块、Codex 的 reasoning 逐条实时打印（--think full/head/off）
🔧 工具调用	tool_use（工具名 + 参数 JSON）与 tool_result（stdout/stderr/是否报错）
🔁 交互事件	子代理启动/进度/通知、任务轮次
🛡️ 审批请求	权限拒绝、permission_request/permission_result 实时浮现；approval 策略可 auto/log/ask
💬 中途修改	运行中 @claude/@codex/@all <消息> 实时注入（claude 为真·多轮注入；codex 见下方限制）
🎯 依赖编排	LLM 拆出依赖图 → 分层并发；上游输出自动作为下游上下文
🧪 零依赖	纯 Python 标准库；--mock 无需任何 CLI/API key 即可演示全流程
📋 报告	可选 --report 落一份完整 Markdown 轨迹

---

安装

# 1) 准备两个执行器（macOS）
claude                 # Claude Code CLI（本工具直接调用）
npm install -g @openai/codex   # Codex CLI（可选，未装时 codex 任务会失败/可先用 --mock）

# 2) 安装 tasker（命令名 tasker，PyPI 包名 multicc）
pip install multicc                    # 从 PyPI（需联网）
# 或离线：源码机 python scripts/build_wheel.py 得到 .whl 后 pip install <whl>
# 或源码直接跑：python tasker_cli.py

tasker verify-config     # 检查环境

# 3) 配置（可选项，见下方"配置"）
tasker init && $EDITOR config.json

Python ≥ 3.9，无第三方依赖。完整打包 / 发布说明见 RELEASE.md。

---

快速开始

# 真实运行（LLM 拆分 → claude/codex 执行 → CLI 实时输出）
python -m tasker run "写一个 Python CLI 工具，带子命令，并补上单元测试"

# 规则拆分（不用 LLM 也能跑，适合快速试）
python -m tasker run "实现一个斐波那契脚本" --plan-rules

# 无任何 CLI / API key 的纯演示
python -m tasker run "写一个 python 脚本并测试" --mock --think head

# 只打印计划
python -m tasker plan "重构这个项目" --json

# 附加到交互 TUI（macOS 原生，直接看真实审批弹窗）
python -m tasker attach claude "帮我初始化一个 Go 项目"

运行中随时输入

@all <消息>          发给所有运行中的 agent
@claude <消息>       只发给 claude 执行的任务
@codex <消息>        只发给 codex 执行的任务
@t2 <消息>           发给指定任务
<裸文本>              等同 @all <文本>
:allow [<id>]        批准最近/指定审批请求
:deny  [<id>]        拒绝最近/指定审批请求
:done  [<taskid>]    手动收尾任务（关闭其 stdin 让进程退出）
:status              各任务进度（思考/工具/审批/注入计数）
:plan                重打计划
:quit                终止全部并退出

claude 子任务是真·实时多轮：注入的消息写入其 stream-json stdin，下一轮即被采纳（已实测：任务执行到一半注入"第二行改成 xxx"，最终产物按修改后内容产出）。

---

架构

prompt
  │  LLM API（anthropic / openai 兼容）
  ▼
planner ──► Plan {tasks[], depends_on[], executor: claude|codex}
  │            │  (规则拆分 plan_with_rules 作为无 key 回退)
  ▼
scheduler（按依赖分层，max_parallel 并发）
  ├─► ClaudeRunner ─► claude -p --output-format stream-json --verbose --input-format stream-json
  │        │             stdin 保持打开 → @all/@claude 实时注入
  │        ▼
  │     事件流: thinking / tool_use / tool_result / task_* / result / permission_denials
  ├─► CodexRunner ─► codex exec --json --full-trace
  │        │             approval_request / tool_call / reasoning / completed
  │        ▼
  └─► 每个事件 → LiveTui 实时打印 + 写入 workspaces/<run>/<task>.events.jsonl
            │
            ▼
      用户在终端输入 → 输入线程 → 路由给对应 runner

事件模型（tasker/models.py）： thinking text tool_use tool_result permission_request permission_result user_message interaction system error result raw

文件结构：

tasker/
  main.py          CLI 入口（run / plan / attach / verify-config / init）
  scheduler.py     依赖分层、并发、用户输入路由、审批策略接线
  planner.py       LLM 拆分 + 规则回退 + 依赖校验/环检测
  claude_runner.py Claude 事件采集 + stdin 实时注入 + 完成判定
  codex_runner.py  Codex 事件采集
  live.py          LiveTui：实时打印 + 后台输入线程 + 指令解析
  approvals.py     审批策略（auto / log / ask_console）
  ptty.py          pty attach（macOS/Linux，真实审批交互）
  llm.py / config.py / spawn.py / models.py / console.py / report.py / mock_runner.py

---

配置（config.json）

段	键	默认	说明
llm	provider	anthropic	拆分用 LLM；openai 可接任意 OpenAI 兼容接口（DeepSeek/Ollama/网关）
llm	base_url	""	兼容接口地址，如 https://api.deepseek.com/v1
llm	api_key_env	ANTHROPIC_API_KEY	从该环境变量取 key
llm	model	claude-sonnet-5	拆分模型
claude	permission_mode	acceptEdits	headless 下自动允许工作区内编辑；要全自主（含 Bash）改 bypassPermissions
claude	allowed_tools	[]	预授权工具白名单
claude	completion_idle	5.0	最终 result 后无活动秒数 → 关闭 stdin 收尾
codex	sandbox	workspace-write	read-only / workspace-write / danger-full-access
codex	auto_approve	false	传 --auto-approve 给 codex exec
approval	mode	auto	auto / log / ask_console
approval	default_allow	true	auto 模式的默认决定
—	max_parallel	2	同层并发数
—	timeout_per_task	900	单任务超时

---

macOS 行为说明（重点）

• 进程启动：macOS 上 claude/codex 是 POSIX 二进制或 #!/bin/sh shim，spawn.py 直接用 shutil.which 解析后 Popen，无需 .cmd 兼容层（Windows 的 .cmd 已额外处理）。
• 交互 attach：python -m tasker attach claude|codex 用 os.forkpty 起交互式 TUI 并原样转发到你终端 —— 你能看到真实的审批弹窗并直接输入 y/n 回答。这是 headless 拿不到的那部分交互（claude -p / codex exec 无 TTY 不弹窗）。
• 编码：全程 UTF-8；macOS 终端默认 UTF-8，中文/emoji 无碍。
• 权限：headless 下 claude 的写文件/命令会走策略判定，拒绝会以 tool_result 拒由 + result.permission_denials 呈现（已实测）；需要"不问就干"请设 permission_mode=bypassPermissions（风险自负）。
• SIGINT：Ctrl-C 触发优雅中断（KeyboardInterrupt 路径）。

Codex 的已知限制

• codex exec 是单轮非交互模式，不支持像 claude 那样中途注入消息。@codex 注入会记录到交互日志，并在调度依赖它的下一个子任务时作为上下文携带（"下一轮注入"）。
• codex exec --json 会发 approval_request 事件（本工具会实时打印），但非交互下无法经 stdin 回答；真正的审批对话请用 attach codex。
• 未安装 codex 时，含 codex 的任务会失败并给出清晰报错；可用 --mock 或 --plan-rules 先体验。

---

常见问题

任务拆分 LLM 报 401 / 网络错？ llm 段用独立 API key。若你的 ANTHROPIC_API_KEY 是 Claude Code 网关专用 key，无法直接访问 api.anthropic.com —— 设 llm.base_url 指向你的网关，或换 provider=openai + DeepSeek/Ollama。任何失败都会自动回退到规则拆分。

headless 下"审批请求"不弹窗？ 这是 CLI 行为限制：权限弹窗只在交互 TTY 出现。headless 会直接给出工具执行/拒绝事件。要看并回答真实审批，用 attach 模式。

运行卡住不结束？ claude 发完最终结果不会自己退出（stdin 仍开）。完成判定：最终 result 后 completion_idle 秒无活动 → 关闭 stdin 收尾；可 :done 手动收尾。