Trae Work 扣子编程 发布开源 Agent Skill 教程
速览
Trae Work 是字节跳动推出的 AI 原生工作台，支持网页/桌面/移动端，提供 Work 与 Code 双模式，内置开放 Agent 框架与 Skill 系统。扣子编程（原扣子 Coze）是字节的 AI 开发平台，通过自然语言调用 Agent、技能包与工作流。两者均采用 Model Context Protocol（MCP）封装 Python/Node.js 执行环境，实现远程电脑操作与浏览器操控的强大能力。该开源讨论源于用户想学习内部原理与调用机制，有助于开发者自主构建自定义 Agent 团队。
AI 深度解读
深度解读：Claw 系列 Agent 生态的开源潜力与原理剖析
背景
2026 年上半年，AI 桌面 Agent 赛道爆发式增长，OpenAI 的 Codex 与 Anthropic 的 Claude Code 成为全球标杆，中文社区对它们的执行能力（自主规划、工具调用、浏览器操控等）普遍关注。腾讯的 Qclaw（QClaw）与 Workbuddy、字节跳动的 Trae Work（TRAE Work，原 TRAE SOLO）、以及字节的扣子编程（扣子编程，基于 Coze）成为用户最常提及的产品。
用户在 LINUX DO · AI 社区发帖提问：Qclaw Workbuddy 是腾讯的，Trae Work 扣子编程是字节的，Codex Claude 是国外的，是否还有开源方案？希望学习其核心原理——包括 MCP Skill 的调用机制、Python/Nodejs 环境的封装、以及对电脑/浏览器的操控能力。开源框架 OpenClaw 被提及为潜在起点，但实际产品仍以闭源为主。
核心内容
Qclaw（腾讯 PC Manager 团队推出）是基于 OpenClaw 框架的本地化包装产品，定位为个人 PC 端 AI 助理，支持一键安装到 WeChat/QQ 实现跨端远程任务调度。Workbuddy 则是腾讯云 CodeBuddy 团队的全场景职场 AI 智能体桌面工作台，可通过一句话需求实现自主规划与执行，内置 11 种主流国产模型（含腾讯 Hy3 等），支持微信小程序轻量接入，并与腾讯系产品（企业微信、腾讯文档等）打通生态。
Trae Work 是字节跳动推出的工作模式升级版，源于 Trae SOLO，Work 模式覆盖内容创作、数据分析、提案撰写、应用生成、任务推进、沟通协作；Code 模式专注复杂软件开发与代码编辑。扣子编程（Coze 平台）则提供一站式 AI Agent 开发平台，用户可通过自然语言对话构建智能体、工作流、技能 Skill，并支持一键部署到网页、小程序等多端。
国外的 Codex（OpenAI 桌面版）与 Claude Code 主要通过 CLI/桌面交互实现 Agent 能力，支持自主任务执行。用户观察到上述产品中存在大量 Agent，但未发现完整开源方案。用户核心诉求是学习：Agent 内部的 Python/Nodejs 环境封装机制、MCP Skill（Model Context Protocol Skill）的调用逻辑、以及对电脑/浏览器的操控原理。这些能力让产品能真正“操作电脑、操控浏览器”，而非仅停留在对话层面。
目前暂无用户分享的完整开源源码或实现细节，但社区已出现可作为参考的互操作工具，如 Enderfga/claw-orchestrator（统一运行 Claude Code、Codex、Gemini、Cursor Agent 等作为 claw-style Agent 系统），以及 OpenClaw 本身的扩展生态。OpenClaw 核心是本地运行的 AI 助理框架，支持通过 MCP 服务器注册外部工具，Skill 采用 Markdown 结构（SKILL.md 含 YAML 前置信息），可扩展浏览器自动化、终端命令执行等能力，与闭源产品保持一定生态兼容。
用户提到“Qclaw Workbuddy Trae Work 扣子编程 Codex Claude 很多 Agent”，说明行业已形成多 Agent 编排趋势，但封装细节（如环境隔离、调用协议）仍为闭源黑盒。
关键要点
- 产品矩阵清晰：腾讯（Qclaw + Workbuddy）与字节（Trae Work + 扣子编程）主导中文市场，Codex/Claude 保持国际领先；所有产品均强调 Agent 自主执行而非单纯对话。
- 开源空白：用户未找到完整开源方案，行业趋势转向多 Agent 互操作（e.g. claw-orchestrator）。
- 核心技术点：MCP Skill 标准化调用、Python/Nodejs 环境隔离、浏览器/电脑操控能力是闭源产品差异化关键。
- 社区实践：OpenClaw 框架可作为学习起点，支持 Skill 扩展与 MCP 工具注册，适合开发者复现基本架构。
- 用户需求：重点在于学习原理而非直接复刻，关注封装安全、环境隔离与执行权限控制。
意义与影响
开源 Claw 系列（以 OpenClaw 为核心）有望打破闭源壁垒，推动 Agent 技术普惠。用户通过学习 MCP Skill 机制与 Python/Nodejs 封装，可自主构建安全、可控的本地 Agent，降低对腾讯/字节/国外闭源平台的依赖，提升技术自主性。
这将加速中文 Agent 生态成熟，开发者可自定义浏览器操控与多环境支持，降低部署门槛（如 Linux 兼容性）。长远看，有助于形成开放标准，减少生态割裂，便利个人开发者与企业内部集成，同时为安全审计（如 Skill 风险扫描）提供参考。
目前核心挑战仍是完整源码公开与跨产品兼容性，但开源工具的出现已为原理学习打开窗口。若后续有更多贡献，社区有望快速构建可运行的“开源版 Workbuddy / Trae Work / Codex”原型。用户可从 OpenClaw GitHub 入手，逐步复现 Skill 调用与环境封装逻辑，积累实际经验。