MCP工具

第 1 步：安装

npm install -g agency-orchestrator

第 3 步：用内置模板或在 AI 编程工具中使用

```bash

更多真实演示

``` $ ao compose "帮我分析抖音短视频赛道的创业机会" --run

工作流: 抖音短视频赛道创业机会分析与商业方案制定 步骤数: 6 | 并发: 2 | 模型: deepseek-chat 参与者: 👔 老板 | 📊 市场调研员 | 🔍 用户研究员 | 🧭 产品经理 | 📣 营销主管 | 💰 财务总监 ──────────────────────────────────────────────────

✅ 👔 老板 12.7s → 战略方向与目标用户定位 ✅ 📊 市场调研员 45.2s → 7亿日活用户数据、竞争格局分析 ✅ 🔍 用户研究员 38.1s → 用户画像、痛点挖掘、付费意愿 ✅ 🧭 产品经理 41.3s → MVP功能清单、内容矩阵、变现路径 ✅ 📣 营销主管 35.6s → 冷启动方案、投放策略、用户漏斗 ✅ 💰 财务总监 28.4s → 150万启动、首年400万收入、盈亏平衡分析

第一轮：正常运行

ao run workflows/一人公司全员大会.yaml -i idea="用AI帮小商家做短视频"

用你已有的 Claude 会员（无需 API key）

ao compose "帮我分析做一个AI记账工具的可行性" --run --provider claude-code

10 种 LLM — 7 种不需要 API key

你已经有这些会员了吧？直接就能跑：

⚠️ 模型能力决定多智能体的价值：我们用质量评测验证过（见 EVAL_FINDINGS.md）——DeepSeek 这一档（够强又不贵）上，多智能体产出明显优于单次 prompt；但本地小模型（如 llama3 8B 级）能力不足时，多角色交接反而会放大漂移、产出不如单次。追求质量请用 DeepSeek/Claude/Gemini 等有能力的模型；本地 Ollama 建议用 70B+ 模型。

也支持传统 API key（追求质量推荐 DeepSeek，性价比甜区）：

自定义 API（火山引擎、智谱、月之暗面、硅基流动等 OpenAI 兼容 API）：

ao init --provider openai --model 模型名 \
  --base-url https://你的API地址/v1 \
  --api-key 你的key

或手动编辑 .env：

AO_PROVIDER=openai
AO_MODEL=模型名
OPENAI_BASE_URL=https://你的API地址/v1
OPENAI_API_KEY=你的key

常见示例：

⚠️ 注意：这些平台请使用 provider: "openai"，不要用 provider: "ollama"。Ollama 仅用于本地模型，不发送 API Key。

CLI 命令

ao demo                              # 零配置体验多智能体协作
ao init                              # （可选）复制 216 个中文角色到本地以便编辑
ao init --lang en                    # （可选）复制 184 个英文角色到本地以便编辑
ao init --workflow                    # 交互式创建工作流
ao compose "一句话描述"                # AI 智能编排工作流
ao compose "一句话描述" --run          # 编排并立即执行
ao run <workflow.yaml> [选项]          # 执行工作流
ao validate <workflow.yaml>           # 校验（不执行）
ao plan <workflow.yaml>               # 查看执行计划（DAG）
ao explain <workflow.yaml>            # 用自然语言解释执行计划
ao roles                             # 列出所有角色
ao serve                             # 启动 MCP Server（供 Claude Code / Cursor 调用）

编程 API

import { run } from 'agency-orchestrator';

const result = await run('workflow.yaml', {
  prd_content: '你的 PRD 内容...',
});

console.log(result.success);     // true/false
console.log(result.totalTokens); // { input: 1234, output: 5678 }

工作流

内置工作流模板（32 个）