AgentiLoopCLI

🌐 English · Español · Français · Deutsch · 中文 (简体) · Русский · 한국어 · 日本語

🎉 我们发布了适用于 Mac、Windows 和 Linux 的 v0.0.3 正式版本！

快来试试吧！ 阅读这份 README，看看你需要多长时间就能让 AgentiLoop 跑起来。如果遇到任何问题，请告诉我们。我们非常期待你的反馈。

彩蛋： 我们还提供了 Go 版本：AgentiLoopGo → https://github.com/AgentiLoop/AgentiLoopGo

两个都试一试，然后告诉我们哪个更好用：Rust 还是 Go？ 🦀 vs 🐹

💖 赞助 AgentiLoop

喜欢这个项目吗？帮助 AgentiLoop 保持快速和跨平台。欢迎在 GitHub Sponsors → AgentiLoop 上赞助我们。赞助档位和回馈请见赞助指南。

AgentiLoop 是一个在终端中运行的 AI 编程智能体，理念与 Claude Code 相同。你用日常语言描述想要做的事，智能体就会读取你的文件、编辑代码并运行命令来完成任务，而且在做出任何更改之前都会先征得你的同意。

它用 Rust 编写，可在 macOS、Linux 和 Windows 上运行。它支持 Claude（Anthropic）、OpenAI、通过 Ollama 或 LM Studio 运行的本地模型，以及 Apple Silicon 上的 oMLX。

由 AgentiLoop Agent! 创建。这是我们的心血之作。macOS、Linux 和 Windows 的预编译二进制文件可以在 Releases 页面下载，你也可以用 Rust 从源码编译。

⚡ 第一次运行：设置向导搞定一切

没有任何东西需要手动配置。第一次运行 agentiloop 时，内置的设置向导会自动启动。它会询问你想用哪个提供方（Claude、OpenAI、Ollama / LM Studio 或 oMLX），接收你的 API 密钥（隐藏输入），检查密钥是否有效，让你选择模型，然后把所有内容保存到 ~/.agentiloop。大约一分钟，没有配置文件，没有 export 行。

你可以随时用 agentiloop --setup 再次运行它（加上 --tui 使用全屏版本，或在会话中输入 /setup）。agentiloop --reset 会忘掉一切，从初始状态重新开始。从来没有安装过命令行程序？请按照下面的第一次使用？一步一步来。

🚀 第一次使用？5 分钟即可上手

不需要 Rust，不需要 Go，也不需要编译。你只需下载一个文件，提供一个 API 密钥，就可以开始对话了。请按顺序完成以下步骤。

1. 下载 AgentiLoop

首先确认你需要哪个文件：

你的电脑	要下载的文件
搭载 Apple Silicon（M1、M2、M3、M4…）的 Mac	`agentiloop-macos-arm64.tar.gz`
搭载 Intel 芯片的 Mac	`agentiloop-macos-x86_64.tar.gz`
Linux，64 位 PC	`agentiloop-linux-x86_64.tar.gz`
ARM 上的 Linux（Raspberry Pi 4/5、ARM 服务器）	`agentiloop-linux-arm64.tar.gz`
Windows 10/11	`agentiloop-windows-x86_64.zip`

不确定？在 Mac 或 Linux 上运行 uname -m。arm64 或 aarch64 表示 arm64，x86_64 表示 x86_64。

macOS 和 Linux。 打开终端并粘贴以下几行。这个示例使用的是 Apple Silicon 版本的文件，如果你的不同，请修改前三行中的 macos-arm64：

curl -LO https://github.com/AgentiLoop/AgentiLoopCLI/releases/download/v0.0.3/agentiloop-macos-arm64.tar.gz
tar xzf agentiloop-macos-arm64.tar.gz
mkdir -p ~/.local/bin && mv agentiloop-macos-arm64/agentiloop ~/.local/bin/

这会把程序放到 ~/.local/bin，也就是你主目录下的一个文件夹。第 3 步中的设置向导会提议让终端去那里查找它。

Windows。 打开 PowerShell（开始菜单 → 输入 "PowerShell"）并粘贴：

Invoke-WebRequest https://github.com/AgentiLoop/AgentiLoopCLI/releases/download/v0.0.3/agentiloop-windows-x86_64.zip -OutFile agentiloop.zip
Expand-Archive agentiloop.zip -DestinationPath $HOME\agentiloop -Force
$p = [Environment]::GetEnvironmentVariable("Path", "User")
[Environment]::SetEnvironmentVariable("Path", "$p;$HOME\agentiloop\agentiloop-windows-x86_64", "User")

最后两行会把 AgentiLoop 添加到你的 PATH 中。关闭 PowerShell 并打开一个新窗口，让更改生效。

2. 获取 API 密钥

AgentiLoop 是智能体，而它的"大脑"是你为它连接的 AI 模型。请选择一个：

选项	获取方式	费用
Claude（推荐）	console.anthropic.com → Create Key。密钥以 `sk-ant-` 开头	按用量付费
OpenAI	platform.openai.com/api-keys。密钥以 `sk-` 开头	按用量付费
Ollama（在你自己的电脑上运行）	从 ollama.com 安装，然后运行 `ollama pull qwen2.5-coder`	免费，无需密钥

把密钥复制到一个安全的地方。下一步会用到它。

3. 运行设置向导

你不需要编辑任何文件，也不需要输入任何 export 命令。AgentiLoop 内置了一个设置向导，它会问你几个问题，并为你保存密钥。

因为 ~/.local/bin 还不在你的 PATH 中，这一次请用完整路径启动它（在 Windows 上第 1 步已经设置好了 PATH，所以直接输入 agentiloop 即可）：

~/.local/bin/agentiloop

第一次运行时，如果还没有配置密钥，向导会自动启动。它大约需要一分钟，会询问五件事：

使用哪个提供方 — Claude、OpenAI、本地兼容 OpenAI 的服务器（Ollama、LM Studio……）或 oMLX。输入一个数字。
你的 API 密钥 — 隐藏输入，屏幕上不会显示任何内容。本地服务器通常不需要密钥；如果 oMLX 运行在同一台 Mac 上，向导会从 oMLX 自己的设置中读取密钥，所以根本不会问。
连接检查 — 向导会立即与提供方通信。如果密钥不正确，它会告诉你并让你重试；在成功之前不会保存任何内容。
使用哪个模型 — 从提供方返回的列表中选择一个，或按 Enter 使用默认模型。之后可以随时用 /model 更改。
把密钥保存在哪里 — 按 Enter 使用默认位置 ~/.agentiloop/env，这是一个只有 AgentiLoop 会读取的私有文件。（其他选项适合那些还想把密钥放进 shell 或 macOS 钥匙串的人，见快速入门中的高级：手动设置密钥。）

最后，向导会注意到 ~/.local/bin 不在你的 PATH 中，并提议把它加进去。按 Enter（表示是）。然后它会显示 All set，并把你带到提示符。下面是在普通终端中选择 Claude 并接受默认值的完整过程（你的模型列表会有所不同）：

$ ~/.local/bin/agentiloop
Welcome to AgentiLoop! Let's set things up (about a minute).
Settings are kept in /Users/you/.agentiloop. Run `agentiloop --setup` or `/setup` to redo this, `agentiloop --reset` to start over.

Which model provider do you want to use?
  1  Claude (Anthropic) — API key from console.anthropic.com
  2  OpenAI — API key from platform.openai.com
  3  Ollama, LM Studio or another OpenAI-compatible server (local, usually no key)
  4  oMLX (local Apple Silicon server; reads ~/.omlx/settings.json)
Provider [1-4, default 1]: 1
Anthropic API key (starts with sk-ant-, input hidden):
Checking the connection…
Connected (8 model(s) available).

Pick a model (change it any time with /model):
   1  claude-sonnet-5  (default)
   2  claude-…
   3  claude-…
   …
Model [1-8, an id, or Enter for claude-sonnet-5]:

Where should the credential be saved?
  1  /Users/you/.agentiloop/env (recommended; only agentiloop reads it, file mode 600)
  2  Also add it to /Users/you/.zshrc so other tools in your terminal see it
  3  macOS Keychain, with a line in /Users/you/.zshrc that reads it (nothing stored in plain text)
Save to [1-3, default 1]:
saved to /Users/you/.agentiloop/env

`/Users/you/.local/bin` is not on your PATH, so `agentiloop` only works with its full path.
Add it to PATH in /Users/you/.zshrc? [Y/n]
updated /Users/you/.zshrc (between `# >>> agentiloop >>>` and `# <<< agentiloop <<<`); it applies to new terminals

All set: anthropic / claude-sonnet-5. Type a request at the prompt, /help for commands, /exit to leave.

你可以直接在这里开始对话，也可以输入 /exit 然后继续第 4 步。从现在起，直接输入 agentiloop 就会直接进入提示符。

对于 Claude，你可以粘贴普通的 API 密钥（sk-ant-api…），也可以粘贴 Claude Code 令牌（sk-ant-oat01-…，可通过 claude setup-token 获取）；AgentiLoop 会自动识别是哪一种。如果你选择了选项 3（Ollama、LM Studio……），向导还会询问服务器 URL，并提供 http://localhost:11434/v1 作为默认值，所以对于本地 Ollama 只需按 Enter。

同一个向导，全屏版本。 向导会在你使用的界面中运行。加上 --tui 启动，同样的问题会出现在全屏界面里；完成后你已经处于提示符：

随时重新运行或重做：

agentiloop --setup          # 在普通终端中运行向导
agentiloop --setup --tui    # 在全屏 TUI 中运行向导（如截图所示）
/setup                      # 在运行中的会话里（REPL 或 TUI 均可）
agentiloop --reset          # 忘掉一切，从初始状态重新开始

🔒 请保管好你的密钥。 ~/.agentiloop/env 只有你自己能读取。不要把密钥粘贴到聊天中，也不要提交到 git。在 Mac 上，在“Where should the credential be saved?”问题中选择选项 3 会把它存放在钥匙串中，这样它永远不会以明文形式出现在磁盘上。

更想自己用环境变量管理密钥？这也可以，但这是高级路线；请参阅快速入门中的高级：手动设置密钥。

4. 检查是否正常工作

打开一个新的终端窗口，让它加载向导所做的 PATH 更改（Windows：新的 PowerShell 窗口）。然后：

agentiloop --version

你应该会看到 agentiloop 0.0.3。接下来不带任何选项运行它：

agentiloop

它应该直接进入提示符。如果向导又启动了，说明密钥没有保存成功：请再完成一次第 3 步。

5. 你的第一次会话

进入一个项目文件夹，启动全屏界面：

先新建一个空的测试文件夹，放心地试一试。如果要用于真实项目，请改用 cd 进入该项目的文件夹（例如 cd ~/code/my-app）。

mkdir -p ~/agentiloop-test
cd ~/agentiloop-test
agentiloop --tui

使用 Ollama？向导已经记住了服务器和你选择的模型。要切换到另一个你已拉取的模型，在会话中输入 /model。

现在只需用日常语言输入你想做的事，然后按 Enter。下面是一些不错的入门提示：

解释这个项目是做什么的
列出 src 中的文件，并告诉我哪个是入口文件
找出 TODO 注释并总结它们
给命令行解析器添加一个 --verbose 参数
运行测试并修复所有失败的地方
为这个项目创建一个 README.md

在智能体修改文件或运行命令之前，它会先询问你。按 y 表示同意，按 n 表示拒绝，按 a 表示在本次会话中始终允许该工具，按 Esc 跳过这一步。按 Ctrl-C 退出。下次只需输入 agentiloop，它就会以同样的方式启动，并接着你上次的对话继续。

只想得到一个答案，而不进入聊天？把问题作为参数传入：

agentiloop "explain what this project does"

它能做什么？（工具）

智能体使用五个内置工具。你不需要自己调用它们。你只需描述目标，智能体会自己选择工具：

工具	功能	是否先询问？
`read_file`	读取文件（带行号）	否
`list_dir`	列出文件夹中的文件	否
`write_file`	创建新文件或覆盖已有文件	是
`edit_file`	修改文件中一段精确的文本	是
`bash`	运行 shell 命令，例如测试、构建或 `git`（Mac/Linux 上为 `sh -c`，Windows 上为 `cmd /C`）	是

想要更多工具，比如网页搜索、数据库或 GitHub？添加 MCP 服务器即可；请参阅通过 MCP 添加工具。

帮助命令

agentiloop --help 会列出所有选项：

$ agentiloop --help
AgentiLoop — a cross-platform agentic coding loop for your terminal

Usage: agentiloop [OPTIONS] [PROMPT]...

Arguments:
  [PROMPT]...  One-shot prompt. If omitted, starts an interactive REPL

Options:
  -p, --provider <PROVIDER>      Model backend: `anthropic`, `openai` (OpenAI-compatible: OpenAI, Ollama, LM Studio, Groq, OpenRouter, … via OPENAI_BASE_URL), or `omlx` (local oMLX server, http://localhost:8000/v1). Defaults to the last one used, then auto-detected from which credentials are set [env: AGENTILOOP_PROVIDER=]
  -m, --model <MODEL>            Model id to use. Defaults to the last model used with this provider (~/.agentiloop/settings.json), then the provider's default [env: AGENTILOOP_MODEL=]
      --yes                      Skip all permission prompts (dangerous; intended for CI). Never remembered [env: AGENTILOOP_YES=]
      --max-turns <MAX_TURNS>    Max provider round-trips per prompt [default: last used, then 50]
      --compact-at <COMPACT_AT>  Summarize the conversation once a request reaches this many input tokens (0 = never) [default: last used, then 150000] [env: AGENTILOOP_COMPACT_AT=]
  -C, --cwd <CWD>                Working directory the agent operates in (defaults to cwd)
  -r, --resume <RESUME>          Resume a saved session by id (see /sessions)
  -c, --continue                 Resume the most recent session for this working directory (the default for interactive launches; kept for scripts)
      --new                      Start a new session instead of continuing the last one in this directory
      --tui                      Full-screen terminal UI (ratatui) instead of the line REPL. Remembered [env: AGENTILOOP_TUI=]
      --no-tui                   Use the line REPL even if the TUI was used last time
      --no-mcp                   Don't start MCP servers from ~/.agentiloop/mcp.json / ./.mcp.json [env: AGENTILOOP_NO_MCP=]
  -h, --help                     Print help
  -V, --version                  Print version

在会话中输入 /help 可查看聊天命令（/model、/sessions、/resume、/clear、/compact、/mcp、/exit）。完整参考请见全部选项和聊天中的命令。

卡住了？快速解决

你看到的	解决方法
`command not found: agentiloop`	`~/.local/bin` 不在你的 PATH 中。先打开一个新的终端窗口；如果还不行，运行 `~/.local/bin/agentiloop --setup`，当它提议把它添加到 PATH 时选择是。在 Windows 上，打开一个新的 PowerShell 窗口
`Error: no provider credentials found`	没有保存任何密钥。运行 `agentiloop --setup`（第 3 步），然后按第 4 步检查
macOS："agentiloop" cannot be opened / unidentified developer	如果你是用浏览器而不是 `curl` 下载的，就会出现这种情况。运行 `xattr -d com.apple.quarantine ~/.local/bin/agentiloop`
Windows：Windows protected your PC	点击 More info → Run anyway
`401` / `invalid x-api-key` / 身份验证错误	密钥不正确，或者粘贴时带上了空格或引号。重新复制密钥，然后运行 `agentiloop --setup` 重新输入
Ollama：model not found	运行 `ollama list`，然后用 `-m` 传入准确的名称
它一直在使用旧的模型或提供方	它会记住你上次的选择。传入 `-p` / `-m` 来更改，或运行 `agentiloop --reset` 从头开始

还是卡住了？提交一个 issue，并贴上你运行的命令和错误信息。我们会帮助你。

快速入门

三个步骤：安装、连接模型、运行。

第 1 步：安装

下载： 从 Releases 获取适合你平台的压缩包，解压后把 agentiloop（Windows 上为 agentiloop.exe）放到你的 PATH 中。

或者自行构建： 如果你还没有安装 Rust，请从 rustup.rs 安装。然后：

git clone https://github.com/AgentiLoop/AgentiLoopCLI.git
cd AgentiLoopCLI
cargo install --path crates/agentiloop-cli

这会构建程序，并在你的 PATH（~/.cargo/bin）中放入一个 agentiloop 命令。

不想安装？ 本 README 中的所有内容也可以在仓库文件夹内直接使用。凡是看到 agentiloop <options> 的地方，改为输入 cargo run -- <options> 即可。-- 之后的所有内容都会传给 AgentiLoop。

第 2 步：连接模型

AgentiLoop 需要一个可以对话的模型。你不需要为此设置任何环境变量：直接运行 agentiloop，内置的设置向导会问你几个问题，并为你保存所有内容。带完整过程的逐步说明请见上文的3. 运行设置向导。

高级：手动设置密钥（如果向导对你有效，可跳过这部分）

如果你更愿意自己管理密钥，或者你在脚本或 CI 中运行 AgentiLoop、没有人能回答向导的问题，请设置以下其中一个环境变量，AgentiLoop 会直接使用它而不再询问：

我想使用…	设置这个
Claude（Anthropic）	`export ANTHROPIC_API_KEY=sk-ant-...`
OpenAI	`export OPENAI_API_KEY=sk-...`
Ollama、LM Studio 或任何兼容 OpenAI 的服务器	`export OPENAI_BASE_URL=http://localhost:11434/v1`（你的服务器地址；本地服务器无需密钥）
oMLX（Apple Silicon 上的本地模型）	通常什么都不用做。启动 oMLX，然后用 `-p omlx` 运行 AgentiLoop

oMLX 详情。 当 oMLX 运行在同一台 Mac 上时，AgentiLoop 会从 oMLX 自己的设置文件（~/.omlx/settings.json）中读取服务器端口和 API 密钥。如果 oMLX 运行在另一台机器上，或者你想覆盖这些设置：

export OMLX_BASE_URL=http://192.168.1.50:7777/v1   # oMLX 服务器的地址（本机可用 OMLX_PORT=7777）
export OMLX_API_KEY=...                            # oMLX 设置中的 API 密钥

如果 oMLX 关闭了 API 密钥验证，则不需要密钥。

export 只在你输入它的那个终端标签页中有效。要让它永久生效，你需要把这一行添加到你的 shell 配置文件中（macOS 上为 ~/.zshrc），而这正是向导的 "也添加到 ~/.zshrc" 选项为你做的事。同样，向导的 "macOS 钥匙串" 选项就是下面这段的免动手版本：

# 只需一次：把密钥存入钥匙串
security add-generic-password -a "$USER" -s ANTHROPIC_API_KEY -w "sk-ant-..."

# 写在 ~/.zshrc 中：每个新终端都会加载它
export ANTHROPIC_API_KEY="$(security find-generic-password -a "$USER" -s ANTHROPIC_API_KEY -w 2>/dev/null)"

第 3 步：运行

进入你要处理的项目，启动 AgentiLoop：

cd ~/my-project
agentiloop --tui

--tui 会打开全屏界面，我们推荐使用它。输入你想做的事，例如 "找到加载配置文件的位置，并添加一个 --verbose 参数"，然后按 Enter。

你会看到智能体的回复、它使用的每个工具（🔧）以及每个结果（✓ 或 ✖）。底部的框会显示它当前正在做什么，例如 ✻ Thinking... 12s。在写入文件或运行命令之前，它会询问你：

y：同意，仅这一次
n：拒绝
a：在本次会话剩余时间内始终允许该工具
Esc：跳过这一步，但继续进行

三种使用方式

模式	命令	适用场景
TUI（全屏）	`agentiloop --tui`	日常使用：可滚动的历史记录、实时状态、可点击的链接
聊天（逐行）	`agentiloop`	简单的终端，或者你更喜欢纯文本
单次	`agentiloop "explain this project"`	只问一个问题：回答后就退出。在脚本中很方便

TUI 中的按键：Enter 发送 · ↑ / ↓ 浏览之前的提示 · PgUp / PgDn 或鼠标滚轮滚动 · Ctrl-U 清空当前行 · Ctrl-C 退出。

它会记住你的设置

你只需输入一次选项。AgentiLoop 会保存你的启动方式，所以下次只需输入 agentiloop 就会以同样的方式启动：

agentiloop -p anthropic --tui    # 第一次：选择提供方和 TUI
agentiloop                       # 之后：相同的提供方、相同的模型、TUI，以及你上次的对话

它会记住：

提供方（-p）和 TUI 开/关（--tui / --no-tui）
模型：你上次使用的模型，每个提供方分别记录。切换回某个提供方时，它的模型也会恢复。
限制：--max-turns 和 --compact-at
你的对话：如果当前文件夹中的上一次对话使用的是同一个提供方，它会接着那次对话继续。之前的消息会重新显示在屏幕上，你可以向上滚动，看看上次进行到哪里

要更改某项设置，传入新的选项即可。它会立即生效，并从此被记住：

agentiloop -p omlx        # 切换到 oMLX（它上次使用的模型也会恢复）
agentiloop -m <model>     # 切换模型
agentiloop --no-tui       # 回到逐行聊天
agentiloop --new          # 开始一段新对话（旧对话仍会保存）

有些内容是特意从不记住的：

--yes：跳过权限询问必须每次都是有意识的选择
--no-mcp、-C 和单次提示
API 密钥：它们存放在 ~/.agentiloop/env（由向导写入）或你的 shell 环境中，绝不会写入 settings.json

要清除所有记忆，请运行 agentiloop --reset。

全部选项

每个选项也都可以通过环境变量设置，见第二列。你输入的选项总是优先于记住的值。

选项	环境变量	功能
`-p, --provider <name>`	`AGENTILOOP_PROVIDER`	`anthropic`、`openai` 或 `omlx`。如果你没有指定，AgentiLoop 会使用上次的提供方，或根据你的密钥自动检测（先 Anthropic，然后 OpenAI，最后 oMLX）
`-m, --model <id>`	`AGENTILOOP_MODEL`	要使用的模型
`--tui` / `--no-tui`	`AGENTILOOP_TUI`	开启 / 关闭全屏界面
`--new`		开始新对话，而不是继续之前的对话
`-c, --continue`		继续此处的上一次对话（已是默认行为）
`-r, --resume <id>`		重新打开某个特定对话（用 `/sessions` 查找 id）
`-C, --cwd <folder>`		在与当前所在位置不同的文件夹中工作
`--yes`	`AGENTILOOP_YES`	运行工具前不询问。⚠️ 仅用于可信的自动化场景
`--no-mcp`	`AGENTILOOP_NO_MCP`	不启动 MCP 服务器（见下文）
`--setup`		重新运行首次设置向导（提供方、密钥、模型）。加上 `--tui` 可在全屏界面中运行
`--reset`		恢复初始状态：删除 `~/.agentiloop`、shell 配置文件中的 agentiloop 块，以及向导创建的钥匙串项（Windows 上：向导设置的用户环境变量）。手写的 `export` 行只会被注释掉，而且仅在你同意时。加上 `--yes` 可跳过询问
`--max-turns <n>`		智能体每个请求最多可执行的步数（默认 50）
`--compact-at <tokens>`	`AGENTILOOP_COMPACT_AT`	何时对长对话进行总结（默认 150000，`0` = 从不）
`-h` / `-V`		帮助 / 版本

一些示例：

agentiloop -p openai -m gpt-4o-mini "summarize this repo"    # 用指定模型问一个问题
agentiloop -C ../other-repo --tui                            # 处理另一个项目
agentiloop --yes "run the tests and fix any failures"        # 无人值守，不询问

使用哪个模型？ 按以下顺序，第一个适用的生效：

命令行上的 -m
你正在继续的对话所用的模型
你上次在此提供方上使用的模型
提供方的默认模型：Anthropic 为 claude-sonnet-5，OpenAI 为 gpt-4o-mini，oMLX 则为它提供的第一个模型

聊天中的命令

在 TUI 或聊天的提示符处输入这些命令：

命令	功能
`/model`	显示可用模型。`/model 3` 或 `/model <id>` 可切换模型（并会被记住）
`/sessions`	列出你保存的对话，最新的在前
`/resume <n or id>`	重新打开其中一个对话
`/clear`	清除当前对话并开始新对话
`/compact`	立即总结对话以释放空间
`/mcp`	显示已连接的 MCP 服务器及其工具
`/help`	列出这些命令
`/exit`	退出

长对话

模型一次能读取的内容是有限的。当对话变得很长时（默认是请求达到 150,000 个 token 时），AgentiLoop 会让模型总结目前为止的内容，并在总结的基础上继续。发生这种情况时，你会看到一条 📦 提示。/compact 可以按需执行总结，--compact-at 0 则会关闭此功能。

通过 MCP 添加工具（可选）

MCP 服务器可以为智能体提供额外的工具，例如数据库访问、网页搜索或你自己的脚本。在 JSON 文件中列出它们：

~/.agentiloop/mcp.json：在所有项目中可用
项目文件夹中的 .mcp.json：仅在该项目中可用。如果同一个名称出现在两个文件中，以这个文件为准。

格式与 Claude Code、Claude Desktop 和 Agent! 使用的相同，因此你可以直接复制现有配置：

{ "mcpServers": {
    "Local":  { "command": "my-mcp-server", "args": ["--flag"], "env": { "API_KEY": "${MY_KEY}" } },
    "Remote": { "url": "https://example.com/mcp", "headers": { "Authorization": "Bearer ${TOKEN}" } }
} }

工作原理：

两种服务器。 带有 command 的服务器是 AgentiLoop 为你启动的本地程序。带有 url 的服务器通过 HTTP 访问。较新的 "Streamable HTTP" 服务器和较旧的 "SSE" 服务器都可以使用；以 /sse 结尾的 URL（或 "transport": "sse"）会选择旧的方式。
工具名称。 每个服务器工具在智能体中显示为 mcp_<server>_<tool>，例如 mcp_Local_search。
机密信息。 ${VAR}（或 ${VAR:-default}）会从你的环境变量中填入，因此密钥不需要写在文件里。
权限。 MCP 工具和其他工具一样会请求权限，除非服务器将某个工具标记为只读。
关闭服务器。 添加 "disabled": true 可跳过某个服务器，或者使用 --no-mcp 运行以跳过全部服务器。
安全。 普通的 http:// 只允许用于 localhost；远程服务器需要使用 https://。

输入 /mcp 可查看哪些服务器已连接、它们的工具以及任何错误。

文件保存位置

所有内容都保存在 ~/.agentiloop/ 中。设置 AGENTILOOP_HOME 可以使用其他文件夹，例如单独的测试配置。

文件	内容
`settings.json`	记住的提供方、模型和选项，以及向导在其他位置写入的内容
`env`	向导写入的密钥（`KEY=value`，文件模式 600）。启动时加载；shell 中的 `export` 优先
`sessions/`	你的对话，每个对话一个文件
`mcp.json`	你的 MCP 服务器
`history.txt`	你输入过的提示（用于 ↑ / ↓）

其他环境变量

你很少会需要这些：

变量	用途
`ANTHROPIC_BASE_URL`	将 Anthropic 请求发送到代理或兼容服务器
`ANTHROPIC_OAUTH_TOKEN`	使用 Claude Code 令牌时，可替代 `ANTHROPIC_API_KEY`
`OMLX_BASE_URL`, `OMLX_PORT`, `OMLX_API_KEY`	oMLX 服务器地址和密钥。它们会覆盖默认读取的 `~/.omlx/settings.json`（如果两者都未设置，则使用端口 8000）
`RUST_LOG=debug`	显示调试日志，包括每个请求的 token 用量

开发者指南

构建与测试

cargo build --release     # → target/release/agentiloop
cargo test --workspace    # 离线运行，无需 API 密钥

测试不会访问网络。智能体循环针对一个脚本化的模拟模型运行，流式解析器则针对本地测试服务器运行。MCP 客户端通过全部三种连接类型（stdio、HTTP、SSE）针对一个内置的示例服务器进行测试。你也可以自己运行这个服务器，手动试用 MCP：

cargo run -p agentiloop-mcp --example mcp-example-server -- --http 8791   # 或 --sse 8792，或 --stdio

代码结构

项目分为五个 crate，每一个都建立在前面几个的基础之上：

Crate	内容
`agentiloop-core`	核心：智能体循环、消息、工具和提供方接口、权限、会话、总结
`agentiloop-provider`	与模型通信：Anthropic、兼容 OpenAI 的服务器、oMLX
`agentiloop-tools`	内置工具：`read_file`、`write_file`、`edit_file`、`list_dir`、`bash`
`agentiloop-mcp`	MCP 客户端，移植自 Agent! 的 Swift AgentMCP
`agentiloop-cli`	`agentiloop` 程序：选项、聊天、TUI、设置

依赖

我们尽量保持依赖精简：共 18 个外部 crate，并且每个 crate 只列出它实际用到的依赖。

Crate	用途
`tokio`, `futures`, `async-trait`	并发执行
`serde`, `serde_json`	读写 JSON
`reqwest`	向模型和 MCP 服务器发送 HTTP 请求
`anyhow`, `thiserror`	错误处理
`tracing`, `tracing-subscriber`	日志
`dirs`	查找你的主文件夹
`clap`	命令行选项
`rustyline`	逐行聊天
`ratatui`, `unicode-width`, `textwrap`	TUI
`pulldown-cmark`, `syntect`	Markdown 和代码高亮

路线图

许可证

PolyForm Noncommercial 1.0.0。你可以出于个人和非商业目的使用、修改和分享本软件。商业用途（包括构建或销售商业版本）仅限 AgentiLoop 保留。如需商业许可，请联系 AgentiLoop。

Navigation Menu

Uh oh!

AgentiLoopCLI

🎉 我们发布了适用于 Mac、Windows 和 Linux 的 v0.0.3 正式版本！

💖 赞助 AgentiLoop

⚡ 第一次运行：设置向导搞定一切

🚀 第一次使用？5 分钟即可上手

1. 下载 AgentiLoop

2. 获取 API 密钥

3. 运行设置向导

4. 检查是否正常工作

5. 你的第一次会话

它能做什么？（工具）

帮助命令

卡住了？快速解决

快速入门

第 1 步：安装

第 2 步：连接模型

第 3 步：运行

三种使用方式

它会记住你的设置

全部选项

聊天中的命令

长对话

通过 MCP 添加工具（可选）

文件保存位置

其他环境变量

开发者指南

构建与测试

代码结构

依赖

路线图

许可证

Uh oh!

FilesExpand file tree

README_zh.md

Latest commit

History

README_zh.md

File metadata and controls

AgentiLoopCLI

🎉 我们发布了适用于 Mac、Windows 和 Linux 的 v0.0.3 正式版本！

💖 赞助 AgentiLoop

⚡ 第一次运行：设置向导搞定一切

🚀 第一次使用？5 分钟即可上手

1. 下载 AgentiLoop

2. 获取 API 密钥

3. 运行设置向导

4. 检查是否正常工作

5. 你的第一次会话

它能做什么？（工具）

帮助命令

卡住了？快速解决

快速入门

第 1 步：安装

第 2 步：连接模型

第 3 步：运行

三种使用方式

它会记住你的设置

全部选项

聊天中的命令

长对话

通过 MCP 添加工具（可选）

文件保存位置

其他环境变量

开发者指南

构建与测试

代码结构

依赖

路线图

许可证