Multica 实战：AI Agent 协作平台的落地实操
Multica 是一个开源的 Managed Agents 平台，核心理念是：**让 AI Agent 变成真正的队友**。
Multica 实战：AI Agent 协作平台的落地实操
本来想写一篇"如何使用 Multica"的教程，但写完发现不对——这类工具如果只讲功能，不讲具体场景和踩坑过程，读起来就像官方文档。索性改成一篇实操复盘，从安装到跑通 pipeline，把我遇到的问题和解决思路都记下来。
01. 什么是 Multica？
Multica 是一个开源的 Managed Agents 平台，核心理念是：让 AI Agent 变成真正的队友。
和传统 AI 工具不同，Multica 强调：
- Agent 即队友：Agent 有自己的名字、状态、任务队列，出现在看板里
- 多 Agent 协作：可以创建多个 Agent，各司其职，通过 Issue 传递任务
- 自动化 Pipeline：Issue 之间有依赖关系，上游完成自动解锁下游
- 本地 + 云端：Agent 跑在你自己的机器上（通过 daemon），但管理界面在云端
02. 安装和配置
安装 CLI
从 GitHub 下载最新的 CLI：
# macOS curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash # 或者直接下载二进制 cd ~/Downloads tar -xzf multica-cli-*-darwin-arm64.tar.gz export PATH="$HOME/Downloads/multica-cli-*-darwin-arm64:$PATH"
认证
multica setup cloud
这会打开浏览器让你登录 Multica 账号。登录后 CLI 就认证成功了。
添加到 PATH（永久）
echo 'export PATH="$HOME/Downloads/multica-cli-0.3.0-darwin-arm64:$PATH"' >> ~/.zshrc source ~/.zshrc
03. 核心命令
Agent 管理
# 查看所有 Agent multica agent list --output table # 创建 Agent multica agent create \ --name "Vision" \ --description "配图生成智能体" \ --instructions "你是绘图智能体，负责..." \ --runtime-id "你的runtime-id" # 更新 Agent multica agent update <agent-id> --instructions "新的指令"
Issue 管理
# 查看所有 Issue multica issue list --output table # 创建 Issue multica issue create \ --title "配图生成" \ --description "任务描述..." \ --priority high \ --assignee Vision # 设置依赖关系（关键！） multica issue update CRE-31 --parent CRE-30 # 查看 Issue 详情 multica issue get CRE-29 --output json
项目管理
# 创建项目 multica project create --title "短视频创作管线" --icon "🎬" # 查看项目里的 Issue multica issue list --output table --project <project-id>
04. 我的实操：短视频创作 Pipeline
需求背景
我想把短视频创作流程自动化，核心链路：
选题 → 圆桌讨论 → 文档 → 内容审查 → 配图/HTML/口播稿 → 自修复 → TTS → 三者对齐 → Remotion视频 → 人工审查 → 多平台分发
第一步：创建 Agent
根据分工，我创建了 13 个 Agent：
| Agent | 职责 |
|---|---|
| Mira | 口播稿生成、内容审查 |
| Vision | 配图生成 |
| HtmlGen | HTML生成 |
| HtmlReviewer | HTML审查 |
| ImageReviewer | 配图审查 |
| ScriptReviewer | 口播稿审查 |
| TTSGen | TTS配音生成 |
| ScriptWriter | 三者对齐编排 |
| MotionGen | Remotion视频生成 |
| Video | 多平台分发 |
每个 Agent 有自己的 instructions，记录了技能路径和工作流程。
第二步：设计 Pipeline
Pipeline 核心是 12 个 Issue（CRE-29 到 CRE-40）：
CRE-29 ①内容审查 → CRE-30②配图生成 → CRE-31③配图审查
↓
CRE-32④HTML生成 → CRE-33⑤HTML审查
↓
CRE-34⑥口播稿生成 → CRE-35⑦口播稿审查 → CRE-36⑧TTS → CRE-37⑨对齐 → CRE-38⑩视频 → CRE-39⑪人工 → CRE-40⑫分发
第三步：设置依赖链
这是最关键的一步——Multica 的 Issue 之间支持 parent-child 依赖，上游完成后下游自动解锁。
# 设置依赖关系 multica issue update CRE-30 --parent CRE-29 multica issue update CRE-31 --parent CRE-30 multica issue update CRE-32 --parent CRE-29 multica issue update CRE-33 --parent CRE-32 # ...以此类推
第四步：遇到的问题和解决
问题 1：blocked 状态不是坏事
一开始看到 Issue 显示 blocked 很慌，以为出了问题。后来发现这是 Multica 的正常机制——当一个 Issue 的 parent 还没完成时，它会自动被 blocked。直到 parent 完成，下游才会解锁。
问题 2：依赖链设置要准确
我之前设置的依赖链有错误，导致 CRE-31（配图审查）一直 blocked，但 CRE-30（配图生成）实际已经完成了。原因是依赖链设置错了一个 ID。修正方法是重新检查每个 Issue 的真实 UUID，然后正确设置 parent。
# 查看 Issue 的真实 ID multica issue get CRE-30 --output json | grep '"id"'
问题 3：Pipeline 顺序需要反复确认
实际跑起来发现，有些步骤顺序不对。比如配图生成应该在 HTML 生成之前还是之后？我最终调整成：内容审查之后，配图、HTML、口播稿三者并行生成。
05. 关键心得
1. 父子依赖是关键
Multica 的 Pipeline 不是"自动按顺序跑"的，而是靠父子依赖来控制执行顺序。上游完成 → 下游解锁 → Agent 收到任务。
2. 每个角色只管自己那块
分工原则：生成者负责生成，审查者负责审查，生成者自己修复问题。不单独建 Fixer Agent，让生成者对自己的产出负责。
3. Canvas 文件是可视化地图
我把 Pipeline 画成了 Canvas 文件，可以直观看到每个节点的位置和关系。但 Canvas 文件不能直接控制 Multica——它只是辅助理解，真正的控制靠 CLI。
4. 阻塞不一定是问题
blocked 状态表示"等待上游完成"，这是正常的。只有当 blocked 持续很久但上游已经完成时，才需要检查依赖链是否设置错误。
06. 下一步
目前 Pipeline 已经跑起来了，但还有一些节点需要调优：
- 三者对齐：需要确认 Remotion 是否支持时间轴配置
- TTS 配音：需要测试不同 TTS 工具的效果
- 人工审查：需要明确审查标准，缩短打回循环
总结
Multica 不是一个"一键安装就能用"的工具，而是一个需要根据自己场景设计的协作平台。它的价值不在于功能多强大，而在于让你能够清晰地定义 Agent 的职责、设置任务依赖、监控执行状态。
对于复杂的创作流程，Multica 提供了一种结构化的管理方式——不是银弹，但足够实用。
