腾讯开源 Octopus 实测：多 Agent 协作助手的定位尴尬与价值

Octopus 是什么：被误读为"国产 Manus"的协作型 AI 助手

腾讯近期开源了一款名为 Octopus 的 Agent 工具，GitHub 上已积累 7000 多颗 star。网络上不少声音将它称为"国内版 Manus"或"国产 Grok Agent"，但在实际体验之后，我认为这种对标并不准确——两者存在本质区别。

国外近期走红的 Personal Agent（如 Meta 发布的相关产品）核心逻辑是降低普通用户操作复杂 Agent 的门槛。它们默认 ChatGPT、Codex 这类工具对非技术用户来说依旧太难，于是试图进一步"傻瓜化"。而 Octopus 本质上更像是面向喜欢折腾的极客群体，它更接近 OpenCode 的一个升级封装版本，而非真正意义上的消费级 Personal Agent。

换句话说，如果你期待的是一个开箱即用、人人可上手的 AI 助理，Octopus 可能会让你失望；但如果你愿意动手配置，它整合的功能确实有可玩之处。

核心功能：多 Agent 专家团与腾讯生态连接器

Octopus 把一系列能力做了整合封装，几个值得关注的亮点如下：

多 Agent 专家团。这个设计思路和腾讯内部的 WorkBody 类似，相当于一支由多个 Agent 组成的协作团队。虽然通过 OpenCode 等工具也能自己搭建类似架构，但 Octopus 把这些功能做了开箱即用的封装，省去了手动设计的成本。可以把它理解成一个"简化版 WorkBody"。

Connect 连接器体系。这是 Octopus 相对独特的地方——它能够快速接入腾讯全家桶生态，并支持企业微信、钉钉、飞书等登录与连接方式。考虑到国内绕不开腾讯生态，这种预先封装好的集成确实有实际价值。

长期记忆与知识库。配备了记忆模块和知识库能力，这同样是 WorkBody 中已有的特性。值得一提的是，它的知识库向量模型支持在本地安装部署，对注重数据私密性的场景比较友好。

跨平台协作。控制台内可实时查看鼠标操作，并能跨 Windows、Linux、macOS 协同工作。这也是外界把它和 Personal Agent 对齐的原因之一，但它与 Computer Use、Browser Use 这类产品仍有本质差距。

安装体验：过程简单，但部署定位存疑

整体安装流程并不复杂。以 macOS 为例，从官方文档复制安装命令执行即可，随后启动服务。

安装过程中需要设置一个密钥——系统会提示密钥所在目录，通过 cat 命令查看后粘贴即可完成验证。接着创建管理员用户名与密码，再配置模型 API Key（实测接入了 DeepSeek^广告 模型），点击测试显示连通后即可使用。

不过这里暴露出一个尴尬：Octopus 的数据库采用了 SQLite，这意味着它本身并不太适合真正的多人团队高并发使用。官方宣称它面向团队，但从技术底座看，更现实的场景是家庭共用或小型团队内部使用——而这类场景本身又相当有限。

工作台、技能市场与远程桌面

Octopus 还提供了若干进阶功能：

技能市场与技能包。内置了一个技能市场，可以在界面中直接安装所需技能，支持个性化配置。

技能录制与回放。你可以先手动操作一遍，系统将其录制下来，之后便能自动回放执行，这对重复性任务比较实用。

远程桌面与沙箱工作台。它能远程启动一个沙箱，AI 实际是在沙箱环境里工作，你可以在界面中查看沙箱内的运行状况。此外还支持操作远程桌面，比如直接操控 Linux 服务器的操作系统；若在 macOS 上使用则需要额外授权。这部分能力正是外界把它定位成 Personal Agent 的来源，但我认为它距离那个目标还很远。

ACP 连接：最有想象空间的部分

在我看来，Octopus 真正有价值的方向是它通过 ACP 方式连接 Agent 的能力。它相当于把本地已安装的各类 Agent 接入进来，自身作为一个"大脑"去调度控制更多 Agent，类似 Motia 或 Coze 的思路。

目前它的做法是检测本地是否安装了相应插件/Agent，若没有则仍需在本地手动安装。我认为更有意义的演进方向，是允许把远程的另一台电脑当作它的 Agent 或主机来操作——如果能实现这一点，它作为调度中枢的价值会大幅提升。

ACP（Agent Communication Protocol）是一种用于 Agent 间通信与协作的协议规范，其核心思想是让不同的 AI Agent 能够互相发现、调用和传递任务，而不必关心彼此的底层实现。类似的概念还有 Anthropic 推动的 MCP（Model Context Protocol），两者都试图解决"多 Agent 如何协同"的标准化问题。在 ACP 框架下，Octopus 扮演的是"编排者"角色——它不直接执行所有任务，而是将子任务分发给更擅长特定领域的专用 Agent，再汇总结果。这种架构的优势在于可扩展性强：只要新 Agent 符合协议接口，就能被纳入调度体系，而无需修改中枢逻辑。目前 Octopus 的 ACP 能力仍依赖本地已安装的插件，远程 Agent 接入尚未成熟，但这一方向正是其区别于单体 Agent 工具的核心潜力所在。

横向对比：和阿里 AgentScope 的定位差异

腾讯的开源项目相对不多，这也是 Octopus 值得关注的原因之一。拿它和阿里的 AgentScope 对比会更清晰：

• 阿里 AgentScope 定位为企业级框架 / Agent 基础设施，面向开发者构建复杂项目。
• 腾讯 Octopus 想做成小型团队开箱即用的产品，但它与其他现成 Agent 工具又缺乏特别鲜明的差异化。

从体验上看，Octopus 有点类似 LocalHub 那类开源产品，但功能丰富度尚未追平成熟方案。它的尴尬之处在于：既不像纯企业级基础设施那样专业，又不像消费级 Personal Agent 那样普通用户能轻松上手。

AgentScope 是阿里巴巴于 2024 年开源的多 Agent 编排框架，定位为面向开发者的基础设施层，提供消息传递、容错机制、分布式部署等企业级能力，适合构建需要复杂流程控制的生产级应用。与之对比，Octopus 的目标用户更靠近"有一定技术基础但不想从头造轮子"的使用者，更强调产品化封装而非框架灵活性。这种定位差异也反映了两家公司在 AI 基础设施上的不同路径：阿里倾向于输出底层能力供开发者自由组合，腾讯则试图通过自身生态的深度集成形成差异化壁垒。

结论：生态集成是最大卖点，普通用户门槛仍高

Octopus 当前更应被归类为"极客向"工具，而非面向大众的 AI 助手。它的核心优势在于深度整合了腾讯生态——企业微信、钉钉、飞书等国内离不开的工具都已封装到位，这对国内团队有实实在在的便利。

但它的 SQLite 底座、不算突出的差异化，以及对普通用户偏高的配置门槛，让它的整体定位显得有些模糊。如果后续能围绕 ACP 持续迭代，让它真正成为统筹多 Agent 的中枢大脑，这款产品的价值还有很大的释放空间。感兴趣的朋友可以关注并动手试一试。