大家好，这是我做了接近三个月的一个东西，从去年中旬开始构思了一款多智能体编排，但是由于那时候的技术问题没法完整落地，还要考虑到token的消耗和多模型之间的一个沟通效率等，做了两个月之后放弃了，半成品丢仓库里了。
然后25年底，又想重新开始一种新的模式，那时候社区里已经有了一些类似的项目，使用现有的cli进行多智能体编排，但是我这个人不太喜欢命令行那种方式，大概是懒得，然后就使用基于vs code的插件形式进行cli客户端的编排，实现后发现这样的组合很别扭，虽然免去了自己配置模型使用现有cli能力的优势，但是对于一些协作能力和可控性比较差，结果立马 推翻进行重构，采用llm模式进行接入，这样我就可以自己在插件里接入skill、mcp、lsp等等一些更加丰富的想法，所以又开始了新一轮的改造，终于现在可以与佬友们见面了。
目前最新版本为：v1.1.0（持续更新中）
为什么叫magi？
这个名字其实也是ai取得，不过是根据我的意图得到的，本来是想使用Claude、codex、gemini这三家各自的擅长进行一个编排，所谓三个臭皮匠顶个诸葛亮，然后就有了magi这个名为：三贤者 的插件。
定位与价值
Magi 是面向工程协作的多智能体编排插件。它不是一个聊天机器人，而是把复杂工程任务转化为可执行的“任务合同”，再由不同能力模型并行完成。它的价值在于稳定交付：把“模型能不能完成”变成“流程能不能稳定跑通”。
能做什么
用户只需描述目标与约束，系统会拆解任务、分派模型、统一工具调用与验收标准。从意图理解、方案拆解、代码修改、测试验证到结果沉淀形成闭环。它能处理跨模块改动、长期任务链路、复杂排查与多阶段重构。
解决的问题
单一模型能力不均衡导致质量波动；长任务需要人工反复盯梢和确认；失败后难定位、难复盘；多模型协作容易串扰、重复劳动难以复用。Magi 通过流程化编排、门禁治理和任务复盘，降低协作成本，提高稳定性与可追溯性。
为什么要这样做
工程任务不是一次对话就能解决的问题，它需要拆解、执行、反馈、回收与持续优化。把任务结构化、流程化、门禁化，才能避免偏题、降低返工、让交付质量可控。让模型“聪明”并不够，还要让流程“可靠”。
未来方向
我们希望 Magi 成为可扩展的本地 AI 研发团队：统一工具标准、统一治理链路、支持多 Provider 扩展、持续沉淀工程知识与经验回放。让多模型协作从“偶尔有效”变成“可持续生产力”，为真实工程交付服务。
最后
其实目前还有一些问题的，但是由于自己边做边改很多细节和想法还是不够完善，因此希望能够得到更多佬友们的提议来帮助我完善这个插件。vibe code有一个很重要的资源就是上下文搜索，目前行业顶尖的就是来自于augment的ACE功能，这里推荐我另外一个从augment拔下来的mcp工具，需要佬友自己提供augment账号进行使用，详见帖子：【开源工具】ace-tool：轻量级 AI 上下文引擎 + Prompt 增强器（基于 Augment ACE）
是希望做成产品形式的面向广大程序员，因此如果使用中发现任何问题欢迎各位佬友的建议或issues，我会随时跟进的。这里有之前发的一个孵化贴，如果对这个项目感兴趣的佬友，希望可以在这帖子里为我投上一票
：【开源自荐】Magi：一个能够同时对Claude、Codex、Gemini进行编排的VSC插件
截图欣赏：
欢迎佬友帮我另外一个链接投票支持一下，谢谢