跳到主要内容
· 阅读需 5 分钟

Quartermaster(QM):YC 开源的 Multiplayer Agent Harness

xfgong
CubePlex
Quartermaster(QM):YC 开源的 Multiplayer Agent Harness

2026 年 7 月,YC 开源了 QM(Quartermaster)。YC 在发布说明中回顾,团队先做过一个能访问内部数据的 Ruby agent loop,后来加上 cron 和 webhook;再后来,他们给员工配了 50 多个 Hermes 个人 Agent。Agent 很灵活,但管理这样一队 Agent 已经变得麻烦。

QM 是这段经验之后的产物。它希望保留个人 Agent 的灵活性,同时让组织能够管理模型、权限和运行环境。Slack 私聊、频道、多人私信和项目会映射到不同 Scope;协作发生在这些 Scope 内,而不是把一个人的环境直接交给整个公司。

YC 遇到的管理问题​

早期的 Ruby loop 很容易让员工上手,但能做的事情有限。补上 cron 和 webhook 后,Agent 可以在用户不在线时继续工作。个人 Agent 增加后,管理重点从单个任务转到整批 Agent 的权限、配置和运行方式。

YC 想要 Hermes 的灵活性,也想找回早期系统的简单。发布说明还提到,他们希望拥有并自行托管这套系统。QM 因此面向 startup:它先给个人和项目划出工作空间,再为协作和组织治理提供共同的规则。

Scope 如何组织个人与共享工作​

QM 用 Scope 表示工作边界。个人、频道、团队、组织和群组都有各自的 Scope;项目使用 group 类 Scope。Slack 私聊解析到个人 Scope,普通频道解析到频道 Scope,多人私信解析到群组 Scope。项目还可以关联 Slack 主页频道,频道成员随之成为项目成员,频道成为计划任务和汇报的默认投递位置。

Scope 决定谁能进入环境、哪些文件层可见、凭据如何授权,以及命令发往哪个持久 sandbox。个人 Scope 默认不会把另一位成员的文件或凭据带入运行;频道和群组 Scope 则为其成员提供共同的协作边界。组织、当前 Scope 与个人 Scope 可以共同参与解析,但它们的读写边界不同。

Skill 归某个 Scope 所有,需要通过 grant 才能交给另一个 Scope 使用;推广到全组织由管理员决定。个人经验、频道协作、项目工作和组织资产因此有不同的归属和传播路径。

组织也保留了一层明确的责任。它决定可用的 harness 与模型,选择安全姿态,并管理全组织可见的 Skill。管理员无需把个人凭据和私人上下文当作公共资源;需要共享的文件、Skill 或访问关系必须在对应 Scope 之间明确授予。

通用核心与组织定制​

这些边界需要运行时配合。QM 的 headless core 集中处理 API、身份、策略、调度和 agent loop,Postgres 保存持久状态。命令通过 execute 进入对应 scope 的 sandbox;工具安装在 sandbox 后会保留,成为该 scope 的长期工作环境。

QM 把通用 core 与组织定制分开。组织配置、自定义 tools 和 skills、sandbox 镜像及基础设施放在 deployment directory,由 qm init 部署到运营方自己的云账号。README 还给出私有 fork 的维护方式:组织把私有内容留在 deploy/layers/,让 core 保持与上游一致;update-qm 用于合并上游并创建同步 PR,upstream-pr 用于把不含组织信息的修复送回 QM。这样,组织可以维护自己的 Agent 环境,也能继续跟上公共项目。

Web、Admin 和 Portal 都是 core HTTP API 上的插件;Slack 由 core 直接启动和监督。对使用者而言,这意味着个人和团队可以在 Slack 与 Web 间延续同一身份和配置;对运营者而言,身份、策略和审计仍留在同一处控制。

文档写明的限制​

QM 仍是 early、experimental 软件,并非已经硬化的公有或多租户服务边界。它的 command policy 能拦住一些危险命令,但混淆、编码或“先写后执行”仍可能绕过规则。sandbox 中正在使用的凭据是明文;内容筛选也不完整。管理员读取敏感内容会留下审计记录,但不需要再次征得用户同意。

这决定了 QM 的适用范围。它给团队提供了一套管理个人 Agent 和共享工作的方式,不替代部署方自己的安全与运维审查。浏览器 runner 也不重新经过 command policy 或人工审批,部署方需要单独评估这条路径。

来源​

开源项目

把 Agent 接进团队的日常工作

CubePlex

面向团队的自托管 AI Agent 工作空间,用来处理文档、数据和跨系统任务,并统一管理权限与执行记录。

查看 CubePlex 源码

CubeLoop

高性能、可追踪、生产级持久化的 Python 原生异步 Agent 框架。

访问 CubeLoop 官网