Multica架构源码解析:Go后端、Next.js前端与本地Daemon三角如何协作调度AI Agent

原创2026-10-10 19:57:572,585 阅读
文章标签:人工智能AI Agent代码智能体AI 应用项目管理研发协作后端前端移动开发桌面应用

Multica架构源码解析:Go后端、Next.js前端与本地Daemon三角如何协作调度AI Agent

Multica 是一个开源、可自托管的 AI Agent 协作工作区:你可以像给同事派活一样把 Issue 指派给 AI 编程 Agent。本文带你拆解 Multica 的源码架构——Go 后端、Next.js 前端与本地 Daemon 这三块是如何协作完成 AI Agent 的任务调度、执行与结果回写的,帮助新手快速建立对 Multica 整体架构的认知。

Multica 架构总览:人类与 AI Agent 在同一看板中协作处理 Issue 的任务看板界面


一、三分钟看懂 Multica 架构全景

Multica 的架构可以用一张图概括:Web / 桌面 / 移动端三种客户端 → Go 后端(Chi 路由 + WebSocket)→ PostgreSQL 17,后端再通过 WebSocket 指挥运行在你机器上的 Agent Daemon,由它真正启动 Claude Code、Codex 等 AI CLI 干活。

层 技术栈 源码位置
Web 前端 Next.js 16(App Router) apps/web/
桌面端 Electron(复用 Web UI 包) apps/desktop/
移动端 Expo / React Native apps/mobile/
后端 Go(Chi、sqlc、gorilla/websocket) server/
数据库 PostgreSQL 17(pgcrypto + pg_trgm) server/migrations/
Agent 运行时 本地 Daemon,驱动 26 种 Agent CLI server/internal/daemon/

Multica 核心对象模型:Workspace 内 Issue、Agent、Task、Runtime 等对象之间的协作关系图


二、Go 后端:API、WebSocket 与数据层

后端全部代码位于 server/,依赖管理见 server/go.mod,主要分三块:

1. HTTP API 服务

2. 实时通道:两套 WebSocket Hub

3. 数据库迁移

server/migrations/ 下有 158 个迁移文件,从 001_init 到 158_agent_task_queue_chat_input_task_id,完整记录了 Issue、Agent、任务队列(agent_task_queue)、Chat、Autopilot、Squad 等数据模型是如何逐步演进的——这是理解 Multica 数据模型最快的路径。


三、Next.js 前端:一次开发,三端共享

Multica 前端最值得关注的设计是**「共享包 + 多端壳」**模式:

packages/  ← 共享层(业务逻辑 + UI 组件)
  ├── core/    业务逻辑包:issues、agents、chat、runtimes、realtime 等 60+ 模块
  ├── ui/      基础 UI 组件
  └── views/   页面级视图(Issues、Agents、Chat、Settings…)
apps/
  ├── web/       Next.js 16 网站(App Router + 页面 API 代理)
  ├── desktop/   Electron 壳,直接复用 packages/views 的 UI
  └── mobile/    Expo / React Native 壳

也就是说,Electron 和手机 App 里看到的界面,和浏览器里是同一套 React 组件,这正是它"同一工作区,多端一致"体验的来源。


四、本地 Daemon:任务调度的真正执行者

Multica 自己不内置任何大模型,而是驱动你机器上已安装的 Agent CLI(Claude Code、Codex、Cursor 等 26 种)。桥梁就是 Daemon——一个由 multica CLI 启动的本地守护进程。

启动与注册

multica setup        # 一条命令:配置 + 登录 + 启动 daemon

Daemon 的核心逻辑在 server/internal/daemon/daemon.go,Run 主循环位于 server/internal/daemon/daemon.go#L2075。它会:

  1. 探测本机 Agent CLI:server/internal/daemon/agents_probe.go 扫描 PATH,识别各家 CLI 及版本;
  2. 向服务器注册 Runtime:通过 WebSocket 上报"这台机器上有哪些 AI 可用",代码在 server/internal/daemon/daemon.go 的注册/重注册逻辑中;
  3. 拉取并执行任务:收到后端下发的 Task 后,由 server/internal/daemon/client.go 走批量 claim 协议领任务,再 fork/exec 启动对应 Agent CLI。

Multica Runtime 机器详情页:Daemon 上报的 7 个本地 AI Runtime(Claude、Codex、Cursor 等)及其在线状态

完整使用文档见 CLI_AND_DAEMON.md(含认证、Token、日志、自动更新等细节)。

💡 安全模型的关键点:你的代码从不离开这台机器——Daemon 只把任务描述发上去,把执行过程与结果流式传回。


五、一次 AI Agent 任务的完整调度链路

把前后端拼起来,一条 Issue 从指派到交付的完整链路是:

Multica 任务执行流程:Go 后端创建 Task 并通知 Runtime,Daemon 启动 AI 编码工具读写工作目录,执行日志流式回写 Issue

  1. 触发:Issue 指派给 Agent、@mention、Chat 消息或 Autopilot 定时任务,都会在 agent_task_queue 表中入队(建表见 server/migrations/004_agent_runtime_loop.up.sql)。
  2. 下发:后端 daemonws Hub 通过 WebSocket 通知对应 Runtime,Daemon 领走任务。
  3. 执行:Daemon 启动目标 Agent CLI,在它的工作目录中读写代码;每一步(Bash 命令、文件编辑、工具调用)都带时间戳回传。
  4. 回写:执行日志写入 Issue 时间线,完成后 Issue 自动移入 Review 列——合不合入,由人说了算。

任务失败重试、租约(lease)、超时控制等机制,可以在 server/internal/service/ 与 server/migrations/055_task_lease_and_retry.up.sql 中找到对应实现。

Multica 执行日志:Agent 一次运行的 149 个事件(Bash 命令、文件编辑、Agent 思考)全部可回放


六、值得继续深挖的源码入口清单

想了解 从这里开始
后端路由与 API server/cmd/server/router.go
任务队列数据模型 server/migrations/ 中带 task_queue 的迁移
Daemon 生命周期与注册 server/internal/daemon/daemon.go
浏览器实时推送 server/internal/realtime/hub.go
前端共享业务逻辑 packages/core/issues/
桌面端打包 apps/desktop/electron-builder.yml
本地部署 docker-compose.selfhost.yml、SELF_HOSTING.md
Helm 部署(K8s) deploy/helm/multica/
# 本地跑起整个开发环境(Node 22 + pnpm 10 + Go 1.26 + Docker)
git clone https://gitcode.com/GitHub_Trending/mu/multica
cd multica
make dev

结语

Multica 的架构精髓在于**「控制面与执行面分离」**:Go 后端只负责记录与协调(Issue、任务队列、实时通知),真正消耗算力的 AI 执行发生在你的本地 Daemon 上,通过 WebSocket 长连接双向贯通;Next.js 前端则以共享包模式横跨 Web、桌面、移动端三种壳。这种三角协作模型既保证了代码不出本机,又让 AI Agent 获得了"像同事一样接活、汇报、交付"的完整体验。顺着本文的目录清单读下去,你可以在一个下午内摸清 Multica 的骨架。

登录后查看全文
multica