多Agent协作指南：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。其核心解决的问题是：你一个人，难以同时盯住两三台正在运行的 AI。

如果只使用过一个 Claude Code 或 Codex 窗口，可能会觉得“够用了”。但当手上的任务增多——让一个改代码、一个跑测试、第三个补文档——你就会发现，瓶颈不在 AI 写得快不快，而在于你需要来回切换窗口判断哪个完成了、哪个卡住了。

本文围绕三方面展开：多Agent协作的几种模式（subagent、MCP、跨机器调度），各自适用的场景，以及跨机器调度的具体落地方式。

先给出几个核心判断：

• 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。
• 跨机器调度依赖 SSH 和 tmux 两个标准工具实现，无需额外框架。
• 三种用法递进：省成本（用便宜账号处理琐碎任务）→ 满血协作（多台强 AI 并行）→ 架构分离（设计与执行分开）。

什么是多Agent协作

一句话概括：让多个 AI 编程命令行同时工作，由一个主控 AI 统一派发任务并回收结果。

通俗讲：过去你既是指挥也是工人——自己派活、自己盯每个 AI、自己验收。多Agent协作把你从“逐一盯防”中解放出来，让主力 AI 升级为指挥，替你去调度其他 AI。你只需在开头派单、结尾验收。

它管理的不仅是一个 AI。本机、局域网内的 Mac mini、云端的 Linux 服务器——只要那台机器安装了 AI 编程命令行（Claude Code、Codex、OpenCode 均可），就能纳入调度范围。

多Agent协作的三种模式：subagent、MCP 和跨机器调度

多Agent协作并非只有一种实现方式。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，协助分担任务。

限制主要体现在三方面：分身全部锁定在本机，无法访问其他机器；分身均使用同一工具（Claude Code），无法切换为 Codex 或 OpenCode；多个分身共享同一账号的额度，开启越多消耗越快。

适用场景：同一项目中需要上下文隔离的并行任务，例如让一个分身跑测试、另一个分身修改代码。

MCP：将另一个 AI 作为工具调用

MCP（Model Context Protocol，模型上下文协议）是一种通用协议，使不同的 AI 和工具能够相互通信。通过 MCP，Claude Code 可以调用 Codex 或其他 AI——但其做法是将另一个 AI 封装成一个工具，调用一次、获取一次结果。

这意味着每个需要接入的 AI 都需单独配置适配层。如果需要跨机器，还需自行搭建传输和运维。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 的特定能力以获取一次结果，例如让翻译 AI 翻译一段文本。

跨机器调度：SSH+tmux 托管式

这是第三种模式，也是本文的重点。跨机器调度不进行封装或适配，而是使用 tmux 为远端 AI 创建一个常驻会话，主控像真人一样坐在它面前——盯着它工作，过程中可随时插入指令，即使它卡住也能反过来询问。

这不是“将 AI 当作工具调用一次”，而是托管一个持续工作的 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）	调用一次获取结果	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

很多人会产生疑问：一台电脑凭什么能操控另一台电脑上的 AI？答案依靠两个标准工具：SSH 和 tmux。

SSH：加密的远程通道

通俗讲：SSH（Secure Shell，安全外壳协议）是一条加密通道——通过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使用的就是它。

tmux：永不关灯的房间

通俗讲：tmux（Terminal Multiplexer，终端复用器）是一个常驻会话管理器。可以将其想象成一个“永不关灯的房间”——在其中启动一个程序并运行，即使断开连接，程序仍保持活跃；想查看时随时重新连接，进度不会丢失。

两者拼在一起

第一步，SSH 把手伸过去：主控 AI 通过加密通道连接到另一台机器，相当于远程坐到那台机器的终端前。

第二步，tmux 挂一个常驻会话：在该机器上启动 AI 编程命令行，并将其放入 tmux 的常驻会话中。从此，该 AI 的输入和输出全部由该会话接管。

第三步，主控 AI 像真人一样操作：通过 SSH 通道向 tmux 会话“敲入”指令，再从“屏幕”读取回应。远端 AI 完全无法分辨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复制。它没有创造新东西，只是将大家熟悉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，跨机器调度能够带来帮助：

• 手上琐碎任务较多，主力账号价格昂贵：补注释、批量改名、跑测试等不烧脑的任务，占用最贵的模型会带来浪费。
• 你有闲置机器：家里的 Mac mini、公司的测试机、云端的 VPS，安装了 AI 编程命令行却只能闲置。
• 你同时需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，串行执行效率太低。
• 你希望将设计与执行分离：主力 AI 专心制定方案，执行交给另一批 AI 按照方案实施。

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 足以满足需求。

多Agent协作的三种用法：从省成本到架构分离

原理讲透之后，落实到实际——跨机器调度能帮你做什么。凡是平时坐在命令行前一句句喂给 AI 的任务，几乎都能整批分配出去并行执行：批量补注释、批量改文件名、运行完整测试套件、通读代码做审查、根据代码反写文档。

三种用法是一道递进的台阶：第一种帮你节省成本，第二种让多台强 AI 并行推进，第三种将分工发挥到极致。

用法一：省成本——用便宜账号处理杂活

这是最直接的一种用法。手上的任务难度各不相同。补注释、批量改名、整理格式这类琐碎任务，无需使用最贵的主力；真正的烧脑重构和架构设计，才需要满血主力来承担。

将两类任务分开处理：琐碎任务分配给便宜的基础款账号慢慢完成，主力腾出手来攻克硬骨头。

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——简单任务使用便宜快速的档位，复杂任务才切换最强模型。跨机器调度只是用一条命令将这个建议自动化。

用法二：满血协作——多台强 AI 并行

将“便宜账号”换成“另一台满血的 Codex 或 Claude Code”，性质完全改变。

此时的情况是：你的主控 AI 在指挥另一个满血的 AI 工作。

一条命令将任务交给另一台机器上的满血账号，再一条命令将多个满血任务一次性分配出去——多台机器、多个已登录的满血账号同时投入工作。让一台机器专门负责代码审查，另一台专门生成文档，第三台处理一个烧脑的重构，多个强 AI 各司其职并排推进。

通俗讲：不是反复调用同一个 AI，而是真正让多个强 AI 同时参与。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——设计与执行分开

再深入一层，将“思考”和“执行”彻底分离。

主控 AI 专门从事高级工作：编写完整方案、进行设计评审——只输出“图纸”。“按照图纸施工”则完全交给外部的 AI 编程命令行去执行。

主控负责设计评审，外部 AI 负责落地执行，中间监控进度、随时补充指令、最后验收结果。出图纸的和施工的彻底分开。

通俗讲：这就像在项目中，架构师只管画图，施工队只管盖楼。这套“先规划、再执行”的分工在软件工程中是成熟做法，跨机器调度将其在 AI 编程领域自动化——需要动脑的设计评审使用贵模型，重复的执行使用便宜快模型。

从省钱，到多台强 AI 并行，再到设计与执行彻底分开——这三级台阶能踩到哪一层，取决于你如何拆分任务。

翔宇判断

多Agent协作的真正拐点，不在于 AI 写代码的速度快慢，而在于你是否能从“一个人盯一个 AI”升级为“一个人指挥一队 AI”。

慢的那一环，从来不是 AI——而是还在逐句喂、逐个盯的人。

从经验来看，当你拥有两台以上机器、两个以上 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 再分身也共享同一份额度，MCP 每次调用只获取一次结果，适合短任务。真正占用时间的那些长任务（通读整个仓库做审查、将几十个文件批量重构），需要一个托管着的、持续工作的 AI，而非调用一次就结束的工具。

常见问题

多Agent协作与普通的 AI 对话有何区别？

普通对话是一个人对一个 AI，一问一答。多Agent协作由一个主控 AI 调度多个 AI 同时工作——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 和跨机器调度如何选择？

三者适用场景不同。subagent 适合同一台机器内的并行任务。MCP 适合将另一个 AI 当作工具调用一次。跨机器调度适合将任务分发到不同机器上的 AI 并行执行。选择取决于是否需要跨机器、跨账号、长时间托管。

跨机器调度需要哪些技术基础？

需要 SSH 和 tmux 两个标准工具。两者均为 Linux 和 macOS 自带，无需额外安装框架。会使用终端命令即可上手。

跨机器多Agent协作能节省多少成本？

取决于琐碎任务数量和账号价格差。核心逻辑是不烧脑的任务使用便宜账号，烧脑的任务使用贵账号。官方文档也建议按模型能力分级使用。

跨机器调度与 Claude Code Agent Teams 有何关系？

Agent Teams 是 Claude Code 内置的多会话协作功能，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，各自使用自己的账号和额度。两者可以叠加使用。

哪些 AI 编程命令行可以被跨机器调度？

任何能在终端中运行的 AI 编程命令行都可以。目前主流的 Claude Code、Codex CLI 和 OpenCode 均支持。只要那台机器安装好工具并登录账号，SSH 连接过去即可使用。

架构分离模式如何理解？

将“思考”和“执行”分开。主控 AI 负责制定方案和评审（图纸），执行 AI 负责按照方案编写代码和运行测试（施工）。主控使用贵模型以确保判断质量，执行使用便宜模型以降低成本。

一个人最多能同时调度多少个 AI？

技术上没有硬性上限。实际操作中同时调度 3 到 5 个比较稳定，更多的话任务拆分和结果合并的管理成本会上升。关键不在于数量，而在于任务拆分是否合理。