多Agent协作完全指南：SSH+tmux 实现跨机器 AI 编程调度

多Agent协作（multi-agent collaboration）是让多个 AI 编程命令行同时工作、由一个主控 AI 统一调度的工作方式。它解决的核心问题是：你一个人，盯不过来同时跑着的三四个 AI。

如果你只用过一个 Claude Code 或 Codex 窗口，可能会觉得“够用了”。但当你手上的活一多——这个让它改代码、那个让它跑测试、第三个让它补文档——你就会发现，瓶颈不在 AI 写得快不快，而在你一双眼睛来回切窗口、判断哪个干完了、哪个卡住了。

这篇文章讲三件事：多Agent协作有哪几种模式（subagent、MCP、跨机器调度），它们各自适合什么场景，以及跨机器调度具体怎么落地。

先说几个核心判断：

• 多Agent协作有三种模式：subagent（单机分身）、MCP（工具式调用）、跨机器调度（SSH+tmux 托管式），三者边界清晰、互不替代。
• 跨机器调度靠 SSH 和 tmux 两个标准工具实现，没有额外框架依赖。
• 三种用法递进：省成本（便宜账号干碎活）→ 满血协作（多台强 AI 并行）→ 架构分离（设计与执行分家）。

什么是多Agent协作

一句话：让多个 AI 编程命令行同时工作，由一个主控 AI 统一派活和收结果。

通俗讲：以前你既当指挥又当工人——自己派活、自己盯每个 AI、自己验收。多Agent协作把你从“一个个盯”解放出来，让主力 AI 升级成指挥，替你去调度其他 AI。你只管开头派单、结尾验收。

它管的不只是一个 AI。本机的、局域网里那台 Mac mini 的、云端某台 Linux 的——只要那台机器装了 AI 编程命令行（Claude Code、Codex、OpenCode 都行），就能被纳入调度。

多Agent协作的三种模式：subagent、MCP 和跨机器调度

多Agent协作不是只有一种做法。目前主流有三种模式，边界清晰，互不替代。

subagent：同一台机器上的分身

subagent 是 Claude Code 自带的能力。主力 AI 在本机派生出几个分身，帮它分担任务。

限制在三道坎上：分身全锁在本机，别的机器够不着；分身全是同一个工具（Claude Code），换不成 Codex 或 OpenCode；几个分身共用同一个账号的额度，开得越多、烧得越快。

适用场景：同一个项目里需要上下文隔离的并行任务，比如让一个分身跑测试、另一个改代码。

MCP：把另一个 AI 当工具调用

MCP（Model Context Protocol，模型上下文协议）是一种通用协议，让不同的 AI 和工具能互相对话。通过 MCP，Claude Code 确实能调用 Codex 或其他 AI——但它的做法是把另一个 AI 包装成一个工具，调一次、拿一次结果。

这意味着每个想接入的 AI 都需要单独配一层适配。想跨机器还得自己搭传输和运维。MCP 的强项是标准化接口，而非长时间托管。

适用场景：需要精准调用某个 AI 的特定能力拿一次结果，比如让翻译 AI 翻一段文本。

跨机器调度：SSH+tmux 托管式

这是第三种模式，也是本文的重点。跨机器调度不包装、不适配，而是用 tmux 给远端那个 AI 挂一个常驻会话，主控像一个真人坐在它面前——盯着它干、活干到一半随时插一句、它卡住了还能反过来问。

这不是“把 AI 当工具调一下”，而是托管一个一直在干活的 AI。

三者对比：

模式	范围	交互方式	适用场景
subagent	本机 · 本账号	派生分身	上下文隔离的并行任务
MCP	可跨机（需配适配层）	调一次拿结果	精准工具调用
跨机器调度	跨机器 · 跨账号 · 跨工具	常驻托管	长时间并行执行

跨机器调度的底层原理：SSH 加 tmux

很多人心里有个问号：凭什么一台电脑能去操控另一台电脑上的 AI？靠的是两样标准工具：SSH 和 tmux。

SSH：加密的远程通道

通俗讲：SSH（Secure Shell，安全外壳协议）就是一条加密通道——隔着网络伸出一只看不见的手，能在另一台机器上敲键盘、执行命令，全程加密。程序员远程登录服务器，用的就是它。

tmux：永远不关灯的房间

通俗讲：tmux（Terminal Multiplexer，终端复用器）是一个常驻会话管理器。你可以把它想成一个“永远不关灯的房间”——在里面开一个程序跑着，哪怕你断开连接，程序照样活着；想看了随时重新连进去，进度一点没丢。

两者拼在一起

第一步，SSH 把手伸过去：主控 AI 顺着加密通道连到另一台机器上，相当于隔空坐到了那台机器的终端前。

第二步，tmux 挂一个常驻会话：在那台机器上启动 AI 编程命令行，放进 tmux 的常驻会话里。从此它的输入和输出全被这个会话接管。

第三步，主控 AI 像真人一样操作：顺着 SSH 通道往 tmux 会话里“敲”指令，再从屏幕上“读”回应。远端那个 AI 完全分辨不出对面是人还是另一个 AI。

通俗讲：“一台机器上的 AI 指挥另一台机器上的 AI”没有黑科技。底层就是 SSH 加 tmux，外加各 AI 编程命令行原本的登录态原样照搬。它没造新东西，只是把大家都熟的老工具串成了一条调度流水线。

谁需要跨机器多Agent协作

对号入座——如果你符合以下任一条件，跨机器调度能帮到你：

• 你手上碎活多，主力账号贵：补注释、批量改名、跑测试这些不烧脑的任务，占着最贵的模型在磨，浪费。
• 你有闲置机器：家里的 Mac mini、公司的测试机、云端的 VPS，装了 AI 编程命令行却只能干晾着。
• 你同时要推进多个独立任务：代码审查、文档生成、数据迁移各自独立，串行太慢。
• 你想把设计和执行分开：主力 AI 专心出方案，执行交给另一批 AI 照图施工。

不需要跨机器调度的场景：只有一台机器、只用一个账号、任务量不大——这种情况下 subagent 就够了。

多Agent协作的三种用法：从省成本到架构分离

原理讲透了，落到实处——跨机器调度能帮你干什么。凡是你平时坐在命令行前面、一句句喂着 AI 干的事，几乎都能整批甩出去让它们并行跑：批量补注释、批量改文件名、跑完整测试套件、通读代码做审查、根据代码反过来写文档。

三种用法是一道递进的台阶：第一种帮你省钱，第二种让多台强 AI 并行推进，第三种把分工玩到极致。

用法一：省成本——便宜账号干杂活

最直接的一种。你手上的活从来不是同一个难度。补注释、批量改名、整理格式这种碎活，用不着最贵的主力；真正烧脑的重构和架构设计，才该让满血主力来。

把两类活分开：碎活铺给便宜的基础款账号去慢慢磨，主力腾出手来啃硬骨头。

这不是旁门左道。Claude Code 官方文档也建议按模型能力分级使用——简单任务用便宜快速的档位，复杂任务才切最强模型。跨机器调度只是用一条命令把这个建议自动化了。

用法二：满血协作——多台强 AI 并行

把“便宜账号”换成“另一台满血的 Codex 或 Claude Code”，性质完全变了。

这时候是：你的主控 AI 在指挥另一个满血的 AI 干活。

一条命令把活交给另一台机器上的满血账号，再来一条命令把好几个满血任务一次铺出去——多台机器、多个登录好的满血账号同时下场。让一台机器专门跑代码审查，另一台专门生成文档，第三台啃一个烧脑的重构，几个强 AI 各干各的、并排往前推。

通俗讲：不是把同一个 AI 反复调用，是真的好几个强 AI 同时下场。你不再是“我和我的 AI”，而是“我和我指挥的一队 AI”。

用法三：架构分离——设计与执行分家

再深一层，把“想”和“做”彻底拆开。

主控 AI 专门干高级工作：写完整方案、做设计评审——只出“图纸”。“照图施工”整个交给外部的 AI 编程命令行去执行。

主控管设计评审，外部 AI 管落地执行，中间盯着进度、随时补指令、最后拿结果验收。出图纸的和施工的，彻底分开。

通俗讲：这就像一个项目里，架构师只管画图、施工队只管盖。这套“先规划、再执行”的分工在软件工程里是成熟做法，跨机器调度把它在 AI 编程领域自动化了——动脑的设计评审用贵模型，重复的执行用便宜快模型。

从省钱，到多台强 AI 并行，再到设计与执行彻底分家——这三级台阶能踩到哪一层，看的不是工具，是你怎么拆活。

翔宇判断

多Agent协作的真正拐点，不在 AI 写代码写得快不快，而在你能不能从“一个人盯一个 AI”升级成“一个人指挥一队 AI”。

慢的那个，从来不是 AI——是还在一句句喂、一个个盯的人。

从经验来看，当你有两台以上的机器、两个以上的 AI 账号时，跨机器调度的投入产出比会明显高于 subagent 和 MCP。原因很简单——subagent 再怎么分身也共享同一份额度，MCP 调一次拿一次结果适合短任务。真正占你时间的那些长任务（通读一整个仓库做审查、把几十个文件批量重构），需要的是一个托管着的、持续干活的 AI，而不是调一下就走的工具。

常见问题

多Agent协作和普通的 AI 对话有什么区别？

普通对话是一个人对一个 AI，一问一答。多Agent协作是让一个主控 AI 调度多个 AI 同时干活——可以是本机分身，也可以是不同机器上的独立 AI 编程命令行。区别在于你从“一对一喂活”变成“一对多派单”。

subagent、MCP 和跨机器调度应该怎么选？

三者适用场景不同。subagent 适合同一台机器内的并行任务。MCP 适合把另一个 AI 当工具调用一次。跨机器调度适合把任务分发到不同机器上的 AI 并行执行。选哪个取决于你要不要跨机器、跨账号、长时间托管。

跨机器调度需要什么技术基础？

需要 SSH 和 tmux 两个标准工具。两者都是 Linux 和 macOS 自带的，不需要额外安装框架。会在终端敲命令就能上手。

跨机器多Agent协作能省多少成本？

取决于碎活数量和账号价格差。核心逻辑是不烧脑的任务用便宜账号，烧脑的才用贵账号。官方文档也建议按模型能力分级使用。

跨机器调度和 Claude Code Agent Teams 有什么关系？

Agent Teams 是 Claude Code 内建的多会话协作功能，队友共享同一台机器和账号。跨机器调度通过 SSH 连接到不同机器上的独立 AI 命令行，各自用各自的账号和额度。两者可以叠加使用。

哪些 AI 编程命令行可以被跨机器调度？

任何能在终端里运行的 AI 编程命令行都可以。目前主流的 Claude Code、Codex CLI 和 OpenCode 都支持。只要那台机器装好了工具、登录好了账号，SSH 连过去就能用。

架构分离模式具体怎么理解？

把“想”和“做”拆开。主控 AI 负责出方案和评审（图纸），执行 AI 负责照着方案写代码和跑测试（施工）。主控用贵模型保证判断质量，执行用便宜模型压低成本。

一个人最多能同时调度多少个 AI？

技术上没有硬上限。实际操作中同时调度 3 到 5 个比较稳定，再多的话任务拆分和结果合并的管理成本会上升。关键不是数量，而是任务拆分是否合理。