GPT网页端Superpower实现多代理并行任务
速览
用户发现GPT网页端的Superpower功能支持创建子代理，实现多任务并行执行并整合结果。结合Coding Tools MCP等本地工具，可进行文件读写和命令执行，弥补了网页端此前仅能单进程的局限。这一能力使网页端接近Codex的开发体验，可用于复杂项目的自动化拆分与协作。
AI 深度解读
背景
网页版 GPT 一直缺乏类似 Claude Codex 的多代理并行执行能力，用户在进行复杂项目开发时只能单线程完成任务。近期 GPT 网页端更新后，其内置的沙箱环境中出现了 Codex 调用工具（暂时存在），并重新激活了模型的多进程能力。这一变化使网页版 GPT 结合 MCP 服务器（如 Coding Tools MCP、Superpowers MCP）有可能接近甚至达到 Codex 的功能水平。此前，用户在使用 Coding Tools MCP 时最大的缺陷就是无法实现多代理并行，限制了完整项目的独立开发。
核心内容
用户基于网页版 GPT 的新能力设计了一套验证架构，用于测试能否让主代理规划流程、创建多个真实子代理并行执行小任务，并通过本地文件写入和 MCP 管理任务状态。验证的核心提示词如下：
- 主调度代理（Orchestrator）负责整体规划。
- 使用
@Coding Tools MCP：负责读取、写入、执行本地文件与命令。 - 使用
@Superpowers MCP：负责本地化任务管理、memory、brief、handoff、report、ledger。 - 依赖 Codex 自带的 Superpowers / multi-agent 能力：负责真实创建子代理，并让每个子代理完成一个很小任务。
验证目标是在本地创建一个最小范例项目，目录结构严格限定在 test/superpowers_multiagent_demo/ 下，包含：
test/superpowers_multiagent_demo/
demo_pkg/
__init__.py
math_utils.py
text_utils.py
summary.py
tests/
__init__.py
test_math_utils.py
test_text_utils.py
test_summary.py
IMPLEMENTATION_PLAN.md
ORCHESTRATION_REPORT.md
.superpowers/
硬性限制包括：所有文件只能写入指定目录、不访问网络、不使用 Notion/GitHub/Gmail/Google Drive 等外部服务、不能将主代理自己的工作冒充子代理结果、必须检测环境是否真实具备 spawn_agent、wait_agent、close_agent 或等价的 Codex multi-agent 工具。若没有真实子代理工具则立即停止并写入失败原因文档；若有，则必须实际创建多个子代理完成任务。
执行结果显示，网页版 GPT 成功实现了多代理并行执行，并通过 MCP 将子代理的结果本地化写入文件。用户认为「网页端的能力加上一些 MCP 服务器已经接近 Codex 的能力了」，此前网页端无法多代理的缺点被 multi-agent 能力弥补。
关键要点
- 网页版 GPT 的沙箱环境中重新激活了 Codex 调用工具，使模型具备多进程创建能力。
- 核心架构：主代理（Orchestrator） + Coding Tools MCP（本地文件读写执行） + Superpowers MCP（任务管理） + 模型自带的 multi-agent 能力（创建子代理）。
- 子代理只承担极小的独立任务（如编写工具函数、测试文件），所有结果必须写入本地文件。
- 验证过程强制检测是否存在真实的 multi-agent 工具，避免主代理伪装子代理结果。
- 项目示例采用了 Python 包结构，包含
demo_pkg/和tests/目录，以及计划文档和报告文档。 - 用户实际成功执行了该流程，确认 web 端现已支持多代理并行，而不是单进程串行。
- 这一能力弥补了网页版 GPT 此前仅能单线程执行 MCP 任务的最大缺陷。
意义与影响
- 技术验证意义：证明网页版 GPT 已经可以完成以前只有 Claude Codex 才能实现的多代理协作开发，极大拓展了网页端的使用场景。
- 开发效率提升：用户无需付费订阅 Codex 或切换至命令行界面，即可在浏览器内实现复杂项目的任务分解与并行构建，减少因单线程等待带来的中断。
- MCP 生态增强：Coding Tools MCP 和 Superpowers MCP 等本地工具与网页版原生 multi-agent 能力结合，形成一套完整的本地化协作开发方案，尤其适合隐私敏感或离线环境。
- 对社区启示：LINUX DO 用户分享的验证思路和提示词模板，为其他开发者提供了可直接复用的架构参考，降低了探索成本。
- 潜在局限：当前 multi-agent 能力依赖网页端沙箱环境，可能不稳定（如工具仅「存在了一小会儿」）；未来需关注 OpenAI 是否将此功能转为正式特性。