Multica vs Orca vs CloudCLI 调研：把 AI 编码 Agent 变成真队友的三个开源姿势

同样在管 Agent,Multica 是 ” 项目经理分活 ”、Orca 是 ” 多 IDE 并行 ”、CloudCLI 是 ” 浏览器里远程盯 ”——三个项目都破万星, 都接 Claude Code/Codex/OpenCode, 但解决的是不同问题。

写在前面

同时跑 Claude Code、Codex、Gemini CLI 的人都有一个共同的怨念:会话开多之后, 终端窗口、分支、diff、context 全散了 。你是想 远程盯 (路上手机看进度)、 后台派活 (像派给同事那样)、还是 多 Agent 并行对比(一个 prompt 给五个 Agent 写, 挑最好那个)? 三个开源项目正好切这三块:

• Multica 走 ” 项目经理 ” 路线, 把 Agent 当同事: 派 issue、跟踪进度、自动报告 blocker
• Orca 走 ” 多 Agent IDE” 路线,5 个 Agent 并排在 git worktree 干活,fan-out prompt 比方案
• CloudCLI(原 claudecodeui)走 ” 浏览器 + 远程 ” 路线, 把 Claude Code/Cursor CLI/Codex 装进 Web/ 手机界面

三个都破万星, 都自称 ”Claude Code 增强 ”, 但 产品形态、技术栈、目标用户 完全不同。本文把这三个开源项目拉到一张表上, 看清楚谁解决你的痛点。

一、三件事的共同点 vs 差异点

关键观察:
1.
Multica 规模最大 (39k ★ / 5k fork), 但 没声明 license——商用前要邮件问, 这是红旗
2.
Orca 是 YC 投资(README 写明),MIT + 30+ CLI Agent 全兼容, 产品打磨最重(desktop + 移动 + Design Mode + SSH worktree)
3.
CloudCLI 改名了——claudecodeui 已演化成 CloudCLI, 加 Desktop 客户端 + 插件系统 + Cloud CLI 订阅,AGPL-3.0 商用要小心

二、三件事的核心能力差异

2.1 Multica: 把 Agent 变真同事(Issues 当 Team Board)

Multica 的定位最 ” 团队化 ”:Agent 是 first-class teammate,assignee picker 是 Agent,issue timeline 是 Agent 报告的进度,blocker 是 Agent 主动 raise 的。

支持的 Agent(16 种):
claude, codex, codebuddy, copilot, opencode, openclaw, hermes, pi, cursor-agent, kimi, kiro-cli, agy, qodercli, traecli —— 涵盖国内外主流。

架构栈:

Next.js 16 (前端) 
   ↓
Go (Chi 路由 + gorilla/websocket + sqlc) 
   ↓
PostgreSQL 17 (pgvector)
   ↓
本地 Agent Daemon (你机器跑 CLI,Multica 调度)

2.2 Orca: 多 Agent 并行 IDE(Worktree 为中心)

Orca 的核心是 Parallel Worktrees——把同一个 prompt fan-out 给 5 个 Agent, 每个在自己的 git worktree 干活, 对比结果合并赢家。

支持 Agent(30+):Claude Code、Codex、Grok、Cursor、GitHub Copilot、OpenCode、MiMo Code、Amp、OpenClaude、Antigravity、Pi、oh-my-pi、Hermes Agent、Devin、Goose、Auggie、Charm、Cline、Codebuff、Kilocode、Kimi、Kiro、Mistral Vibe、Qwen Code、Rovo Dev + 任意 CLI Agent(“if it runs in a terminal, it runs in Orca”)。

安装:
–
macOS: brew install --cask stablyai/orca/orca

–
Windows: 下载 .exe
–
Linux: AppImage / AUR (yay -S stably-orca-bin)
–
手机: iOS App Store / Android APK 0.0.27

2.3 CloudCLI(claudecodeui): 浏览器 / 移动的 Agent Remote

CloudCLI 走 ”Web UI + 远程控制 “ 路线。 关键演进 : 从单纯的 claudecodeui → CloudCLI, 加了 Desktop 客户端 + 插件系统 + 订阅 Cloud 服务, 产品化深度超过多数同类项目。

支持 Agent(self-hosted):Claude Code、Cursor CLI、Codex(Cloud 还支持更多)。

三种部署模式:
| 模式 | 适合 | 启动 | 隔离 |
|—|—|—|—|
|
Self-Hosted (npm) | 本地 Agent 会话 | npx @cloudcli-ai/cloudcli | 跑在主机上 |
|
Self-Hosted (Docker Sandbox) | 隔离 Agent + Web/Mobile IDE | npx @cloudcli-ai/cloudcli@latest sandbox ~/project | hypervisor microVM |
|
CloudCLI Cloud | 团队 Agent 在云 | 零配置 | 全云隔离,€7/ 月起 |

插件生态(已发布 10+ 插件):
–
Project Stats —— 文件数 / 代码行 / 最大文件 / 最近修改
–
Web Terminal —— xterm.js 多 tab 终端
–
Claude Watch —— 监控长跑 Claude Code session, 暴露进程控制
–
CloudCLI Scheduler —— 工作区定时 prompt
–
PRISM CloudCLI —— Token 消耗可见
–
Sessions —— 查看 / 管理 /kill 活跃 Claude Code session
–
Token Cost Calculator —— API 成本计算
–
Task Queue —— Task queue dashboard
–
GitHub Issues Board —— Kanban + TaskMaster 双向同步
– Plugin Starter Template —— 自己 fork 起新插件

跟官方 Claude Code Remote Control 的差异:
| 维度 | Claude Code Remote Control | CloudCLI |
|—|—|—|
| 暴露 session |
单一活跃 session | 所有 session(自动发现 ~/.claude) |
| 配置 | 独立一套 |
复用 ~/.claude 配置——MCP/ 权限 / 设置直接生效 |
| 支持 Agent | 仅 Claude Code |
Claude Code + Cursor CLI + Codex |
| 功能 | 仅 chat |
完整 UI(文件树 /Git/MCP/Shell) |
| 跨设备 | 需本机常开、terminal 不能关、10 分钟超时 |
云端跑——关笔记本 Agent 继续 |

安全设计 :Claude Code 工具 默认全部禁用,Tools Settings 里选择性开启(防止 ” 自动跑全权限 ” 事故)。

三、横向对比: 同一个需求选哪个?

3.1 决策树: 你的场景是什么?

你是哪种 Agent 用户?
│
├─ " 我想要像派给同事那样派活给 Agent, 自己喝咖啡等交付 "
│   → **Multica**(Issues 当 board, 自动报告)
│
├─ " 我想要同一个 prompt 给 5 个 Agent 各写一版, 我挑最好 "
│   → **Orca**(fan-out worktree + 对比)
│
├─ " 我想要手机上看 Agent 进度 / 关笔记本也能跑 "
│   → **CloudCLI**(Web/Mobile + Cloud 部署)
│
├─ " 我想要 desktop IDE 把多个 CLI Agent 装进一个界面(本地 IDE 风格)"
│   → **Orca**(本地 Electron/Ghostty IDE)
│
└─ " 我想要给团队一个标准化的 Agent 协作平台 "
    → **Multica**(Squads + 工作区隔离)

3.2 横向对比表

3.3 谁替代谁?

四、实战: 三件事的 3 步跑通

4.1 Multica:3 步跑通

# 1. 安装 CLI
brew install multica-ai/tap/multica

# 2. 一条命令 setup(连接 Cloud + 登录 + 起 daemon)
multica setup

# 3. 开 web app, 创建 Agent, 派 issue
#    (Settings → Runtimes → New Agent → 选 runtime → 选 provider → 命名)
multica issue create -t " 修复登录页 bug"
multica issue assign <issue-id> <agent-name>
# → Agent 自动接手, 执行, 汇报, 完成

Self-host(本机起全套服务):

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash -s -- --with-server
multica setup self-host

Mobile:iOS 客户端在 apps/mobile/ 目录, 自己 build 到 iPhone。

4.2 Orca:3 步跑通

# 1. 安装(macOS 一行)
brew install --cask stablyai/orca/orca

# 2. 启动 + 连 CLI Agent
#    (Open Orca → File → Open Folder → 它自动检测 ~/CLAUDE.md)
#    默认已识别 Claude Code / Codex / OpenCode / Pi

# 3. Fan-out 对比
#    把 prompt 发给 5 个 Agent:
#    → 每个开独立 git worktree
#    → 每个写各的代码
#    → Orca 在 UI 里 side-by-side 对比 diff
#    → 挑赢家 → 一键 merge

# 手机伴生
#    iOS: TestFlight 加入
#    Android: APK 0.0.27 下载
#    扫码配对 → 路上看进度, 完成发推送

# Linux headless server(给远程大机器跑)
orca serve  # 起后台,SSH 转发端口

4.3 CloudCLI:3 步跑通

# 1. 一键启动(需 Node.js v22+)
npx @cloudcli-ai/cloudcli

# 2. 开 http://localhost:3001 → 所有 Claude Code session 自动发现
#    → 用 Tools Settings 选择性启用工具(默认全禁, 防误操作)
#    → 加 MCP servers(直接写 ~/.claude,Claude Code 也生效)

# 3. 远程访问
#    选项 A: 本机跑 + 任何浏览器开 [your-ip]:3001
#    选项 B: Docker sandbox(隔离)
npx @cloudcli-ai/cloudcli@latest sandbox ~/my-project
#    选项 C: CloudCLI Cloud(€7/ 月, 关笔记本也能跑)
#    → https://cloudcli.ai 注册

插件安装:Settings → Plugins → 粘贴 git URL → 自动安装(例:https://github.com/NightmareAway/cloudcli-plugin-token-cost-calculator)。

五、风险与坑

Multica ⚠️

1. License 未声明 (NOASSERTION) —— GitHub 上 README 没写 license,API 返回 NOASSERTION。 商用前必须邮件问团队, 否则可能被要求下架产品。5k+ fork + 22k+ star 的项目无 license 是少见红旗
2. 项目年轻 (6 个月), 核心抽象(Issue = team board) 还在迭代
3. 必须用 Cloud 或自托管 PostgreSQL 17 + pgvector——运维成本不低
4. 4 人团队 规模小, 企业级 SLA 没保证
5. Agent profile 是 ” 模拟 ” 团队——Agent 不会真 ” 开会 ”, 只是有 timeline 而已

Orca ⚠️

1. Worktree 概念陡——新手需要懂 git worktree, 否则 merge 时容易冲突
2. 资源占用高(本地 Electron + 多 Agent 并行 + 30+ CLI 同时跑,16GB 内存起步)
3. 5 个 Agent fan-out 烧 token 飞快 ——不是省钱方案, 是质量方案(要挑最好)
4. iOS/Android App 是闭源(核心 IDE 是开源, 移动端 binary 分发)
5. Design Mode 只对前端——后端任务没这个福利

CloudCLI ⚠️

1. AGPL-3.0 —— 如果你修改源码并对外提供网络服务, 必须开源。企业内部用没事,SaaS 二开要小心
2. 默认禁用 Claude Code 全部工具 —— 第一次用要手动 enable, 学习成本
3. CHANGELOG 419 行 / 31KB —— 迭代极快,API/UI 经常变, 文档可能滞后
4. Self-hosted 模式机器必须常开 —— Agent 不像 Cloud 模式那样 ” 关笔记本继续跑 ”
5. Cloud 模式 €7/ 月起 —— 不是免费, 跟 Multica/Orca 全免费对比要算账

六、总结

三个项目都是真东西:Multica 22k+ star 做到了 Issue-as-team 的产品化,Orca 16k+ star 做到了 Worktree-as-IDE 的体验,CloudCLI 12k+ star 做到了 Browser-as-UI 的完整性。

但 license 才是真分水岭:
– ✅
Orca (MIT): 随便用、商用、改, 无脑选
– ⚠️
CloudCLI (AGPL-3.0): 内部用没事,SaaS 二开要开源
– 🚨
Multica (NOASSERTION): 商用前 必须 问清楚

如果只能选一个,Orca (MIT) 是风险最低、上限最高的选项——尤其你已经在同时用 Claude Code + Codex + OpenCode。

参考

• Multica GitHub | Multica 报道(搜狐)
• Orca GitHub | Orca 中文 README | Orca 官网
• CloudCLI GitHub | CloudCLI 官网 | CloudCLI 文档 | CloudCLI Discord
• AI 开源趋势日报(提到 MultiCA)
• Anthropic Claude Code 文档 | OpenAI Codex | OpenCode CLI
• GitHub Copilot Agents
• Ghostty 终端 | pgvector
• 本站上一篇 Claude Code UI 调研(WP 208)