LobeHub v2.1.56 支持异构Agent，集成Claude Code与Codex

背景

在 AI 应用从单纯的对话交互向自主智能体（Agent）演进的进程中，LobeChat 团队认为 Agent 是 AI 时代的一等公民。早在 2023 年的 0.x 版本时期，团队就前瞻性地设计了“左侧 Agent List，右侧 Topic List”的界面架构。随着过去一年 Agent 生态的爆发，LobeChat 正式重品牌（rebranding）为 LobeHub，并进一步深化其向 Agent 平台的转型。

在此背景下，LobeHub 推出了 v2.1.56 版本，正式支持集成外部代码执行环境，特别是 Claude Code 和 Codex。这一更新标志着 LobeHub 从单一对话界面向具备复杂任务执行能力的异构智能体平台迈出了关键一步。

核心内容

LobeHub v2.1.56 的核心创新在于引入了“Heterogenous Agents”（异构 Agent）概念。这一架构允许 LobeHub 不仅使用其自研的 Mecha Harness，还能直接接入如 Claude Code、Codex 等外部 Agent Harness，同时共享统一的接口（interface）和上下文（context）。

1. 异构 Agent 的本质与实现 Heterogenous Agents 的本质在于不同的 Agent Harness 共享一套标准化的 interface 和 context。在 LobeHub 的视角下，无论是自研的 Mecha Harness 还是外部的 Claude Code/Codex，它们衍生的 topic/thread/message 体系完全一致。这种设计使得围绕 Agent 展开的业务能力（如 Agent Group、Task 系统）能够无缝复用。

2. 实际工作流示例 用户只需在本地拥有 Claude Code 或 Codex 的 CLI 环境，即可在 LobeHub 桌面端通过点击“添加 Codex 助手”或“ClaudeCode 助手”直接启用。

• 任务分配与执行：在网页版中，用户可以将 Task 分配给 Claude Code Agent。
• 沙箱执行与反馈：Agent 会在沙箱环境中启动自己的运行时执行任务，完成后自动提交 PR（Pull Request）。
• 协作模式：未来将在 Agent Group 中实现多种异构 Agent 的协作，例如让 Codex、Claude Code 和 LobeHub 原生 Agent 共同工作。

3. 开发历程与功能完善 该想法最早于去年 8 月提出，但因缺乏自研 Agent Harness 而搁置。近期团队通过 PoC（概念验证）快速验证了可行性，并在一个周末内完成了基础功能搭建。随后的一周及后续几周，团队重点打磨了与 Coding 相关的核心功能，包括文件 Diff、代码审查、Project 目录管理、Git Branch、Push/Pull 以及 PR 提交等。

4. 效能提升 结合自研的自动 auto-testing 方案，Hetero Agents 的引入显著提升了开发效率。原本需要更长时间的功能实现，现在只需配合人工进行最后的 polish（润色），即可在一两小时内完成。

关键要点

• 统一协议支持多源接入：团队抽取了一套自研的 Hetero Agents Event Protocol（异构 Agent 事件通信协议），该协议同样用于自研 Agent。这意味着接入新的 Agent Harness 仅需开发一个对应的 Agent Adaptor，且接入流程已技能化（skills 化），降低了集成门槛。
• 未来支持的 Agent 类型：除了 Claude Code 和 Codex，计划接入 Gemini CLI、Kimi CLI、Open Code、OpenClaw、Hermes，甚至 Dify 和 Manus 等平台。
• 云端化执行方案：Claude Code 的云端化执行已基本跑通。用户只需运行 claude setup-token 获取 OAuth Token 并保存即可使用。由于执行环境基于稳定的沙箱，团队内测两周多未发现封号风险。
• 深度集成 LobeHub 内部能力：LobeHub 具备文档、知识库、Memory 管理、Task 系统、MCP/Skills 市场、Generation 生成系统（生图/视频）、文件管理及凭证安全等完备能力。用户可通过 CLI 指令 lh 轻松将这些能力赋予 Hetero Agents。
• 负载均衡与成本控制：针对 Claude Code Pro/Max 订阅用户，团队正在研究负载均衡策略，以最大化利用套餐内的 Token 额度，避免资源浪费。

意义与影响

LobeHub 对 Heterogenous Agents 的支持，标志着 AI 开发工具从“辅助对话”向“自主执行”的实质性跨越。

首先，它打破了单一模型或单一厂商的限制，通过标准化的事件协议实现了不同 AI 工具间的互操作性。这种“异构”架构不仅提升了系统的灵活性，也为未来接入更多第三方 AI 服务奠定了技术基础。

其次，通过将复杂的代码执行、Git 操作和自动化测试封装在统一的 Agent 框架下，LobeHub 极大地降低了开发者使用高级 AI 编程助手的门槛。用户无需在多个终端和工具间切换，即可在一个界面内完成从任务分配到代码提交的全流程。

最后，这一更新强化了 LobeHub 作为“完备大后台”的定位。通过 CLI 指令 lh 将内部丰富的生态能力（如知识库、记忆管理）开放给外部 Agent，LobeHub 正在构建一个以 Agent 为核心、能力可复用、生态可延展的 AI 操作系统雏形。