2026 年 6 月 23 日，Anthropic 发布 Claude Tag ，面向 Claude Enterprise 和 Team 用户 beta 。管理员可以把 Claude Tag 放进选定频道，链接工具，数据，甚至代码库；然后频道里任何人都能 @ Claude ，把任务交给它，它的记忆是共享的。
但 Claude Enterprise 账号太贵，每个团队用的 Agent 也不一定是 Claude 。所以我们开源了 AgentConnect ，这是一个把你用的 AI Agent 接入到你的工作软件的一个平台，开源版 Claude tag 。
Github： /ai-market-guide/ 你可以在这里面接入任何你钟意的 Coding Agent: Claude ，Codex ，Hermes Agent ，也可以把它拉进任意的工作区：飞书，微信，Discord ，GitHub 的 code ewview ，甚至 webhook ，都可以触发 但是 Agent Connect 区别于 Claude Tag 的其实是权限 ，所以先问大家一个问题： 我们在 prompt 里写 "禁止修改 main 分支"、"禁止访问生产环境配置"、"只允许读 src/ 目录"，你觉得这算不算权限控制？我刚始觉得算。
直到我意识到一件事：这和你跟别人说"请不要闯红灯"其实是同一种东西：它是建议，不是约束。所以 Agent Connect 给每个 Agent 的权限控制长什么样？
是这个进程的工作目录里压根没有 prod 的 credential ，是这个 agent 的 token 物理上没有 write 权限。它不是"不想做"，是"做不到"。
如何使用？准备环境 以 mac 为例，需要先安装 Docker 然后准备一台能一台能长期开着的机器（可以是自己的笔记本，但是睡眠的时候会断） 至少一个 model provider 的 API key （我用的是 deepseek v4 flash ） 克隆仓库，用 docker compose 命令启动 bash git clone /ai-market-guide/ cd agentconnect docker compose up -d --pull always 这一步起来的是 Web console 、Control Plane 、Relay 和 PostgreSQL 拉镜像大概 1 分钟不到 起完打开： /ai-market-guide/ 你就可以进入到 AgentConnect 的 onboarding 流程 注意：默认这套栈只监听 127.0.0.1 ，而且跑在 local no-auth 模式下，是给你本地评估用的。
别直接扔公网上。要正式部署走 K8s 的话，每个 release 都有对应版本号的官方 Helm chart ，按 Kubernetes 指南来，那个是三步（建 namespace 和 secret → 写 values → install ），不是一行命令能搞定的。
挂一个 daemon Control Plane 不跑你的 agent 。它管的是认证、配置、权限、调度这些协调元数据。
真正跑 agent 的是 daemon ，daemon 在你指定的机器上 打开 localhost 之后，它会生成一条命令，复制它，粘贴到终端，然后跑一下 注意需要 Node >= 24.12.0 + pnpm 11 ，pnpm install && pnpm dev 全包 watch 模式才可以跑，如果这个命令报错的话可以升级一下！这一步的意义是：workspace 、代码、git 凭证全都在那台机器上。
Control Plane 拿不到消息体、附件字节、也拿不到 ACP session 流。 Control Plane 挂了，已经建立的 session 和 daemon 本地的定时任务照常跑，只是新任务和配置变更要等重连。
建第一个 agent 点击 side bar 里的"Agents", 点击"Add agent"，需要选的东西大致是： Name ，display name：给这个 agent 起个名字 runtime：Claude Code / Codex / Gemini CLI 等 ACP 兼容的 coding agent model：先不用填 Runtime setting：Effort ，是否开启 Fast mode ，permission mode Workspace：让这个 Agent 在哪里工作，可以是一个新的干净的目录，也可以是你们自己的 GitHub/Gitlab Access：定义团队里的谁可以访问这个 agent ，以及哪个 agent 可以操作这个 agent 这里是做管理项目的时候，在 prompt 里写规矩配全能 Agent 和用 multi Agent 框架的区别 这一层的价值在事故时才体现出来：出问题的时候你问的不是"它为什么没听话"，而是"它凭什么能做到这件事"——后一个问题是有确定答案的。
另外，agent 的访问权和 session 可见性是分开管的。一个人能看到某个会话，不代表他能指挥那个 agent ；反过来也一样。
memory：它的长期上下文，可以是 Claude code/codex 自己的 memory ，也可以外接新的 memory Variables：明文配置，运行时对 agent 可见，存完你自己也能回来查看和改。可以放那些不敏感的东西，比如环境标识、API base URL 、超时时间、feature flag 、默认分支名之类 Secrets：write-only ，存进去之后值就看不到了，可以放 API key 、token 、数据库密码这类东西 每一个 Agent 的详细信息可以单独配置 建好了多个 Agent ，在后台也可以看到消耗 接进你的群 还是 side bar 里的，点击 Integrations ，这里可以选择你自己的工作平台，目前支持 Slack 、Telegram 、Discord 、飞书、GitHub 、GitLab 、Linear 。
这里以飞书为例。点击 create a new bot ，选择 Manual ，就可以链接到飞书，然后点击 Create Feishu bot ，就可以自动打开飞书开发者后台，创建一个新的 bot 和接 OpenClaw 到飞书一样，接入完成后，把 App ID 和 App Secret 复制回来，点击 Connect & authorize 就可以啦 接好之后的用法就很朴素了：在群里 @ 那个 agent ，它开始干活，进度直接在 thread 里更新。
除了在群里叫它，还可以从这些地方起活： GitHub PR：开 PR 自动触发 review 在飞书群里解决之后，也可以让 agent 自动 merge 回去 示例： /ai-market-guide/ webhook：CI 挂了自动叫 agent 去看 定时任务：daemon 本地调度，比如每天早上扫一遍依赖告警 希望大家喜欢！