当前位置：首页 > news >正文

从腾讯 Marvis 看 MateClaw：企业级 Agent Harness OS 应该怎么落地

news 2026/5/22 2:55:04

写于 2026 年 5 月 21 日。
说明：本文不是腾讯 Marvis 与 MateClaw 的合作说明，也不是产品对标稿。Marvis 的公开资料提供了一个很好的观察窗口：AI Agent 正在从“聊天框”走向“设备、文件、工具和任务执行层”。本文基于这个趋势，结合 MateClaw 源码中已有的实现，聊聊企业级 Agent Harness OS 应该怎么做。

1. Marvis 带来的信号：AI 助手开始进入操作系统层

过去一年，很多 AI 产品都在卷“谁的模型更会回答”。但腾讯 Marvis 这一类产品释放出的信号不太一样：AI 不再只停留在网页聊天框里，而是开始进入电脑、手机、本地文件、系统设置、应用操作和跨端远程控制。

公开资料里，Marvis 的关键词很集中：

操作系统级 AI 助手；
多 Agent 分工协作；
Supervisor 负责拆解和派单；
本地文件、图片、文档索引；
手机连接 PC，远程查看和接管任务；
隐私模式下文件不上云；
对敏感操作做强确认；
用拟人化工位 UI 让用户看到“谁在干活”。

这说明 Agent 产品的竞争焦点正在变化。

过去的 AI 助手更像“会聊天的大脑”。下一阶段的 AI 助手更像“能干活的系统”。它不仅要理解用户意图，还要知道自己能不能做、该用哪个工具做、做到哪一步了、要不要用户确认、失败后怎么恢复。

这也是 MateClaw 一直在做的方向：不是再造一个聊天框，而是构建一个能承载数字员工、工具调用、审批治理、跨渠道协作和企业部署的 Agent Harness OS。

2. MateClaw 和 Marvis 的不同：一个偏个人 OS Agent，一个偏企业 Agent 运行平台

Marvis 的产品叙事更接近个人设备上的 OS Agent：用户说一句话，它能操作电脑、手机、文件和应用。它强调的是“把个人电脑交给 AI 帮你处理”。

MateClaw 的方向不完全一样。

MateClaw 更像企业里的 Agent 运行平台。它要回答的问题不是“AI 能不能帮我关掉电脑设置”，而是：

一个团队能不能创建多个数字员工？
每个数字员工能不能绑定不同技能和工具？
高危工具调用能不能审批？
审批后任务能不能继续执行？
任务过程能不能流式展示和持久化？
Web、飞书、钉钉、Slack、QQ、企业微信里的会话能不能统一进入同一套 Agent 运行时？
本地模型、云端模型和企业自部署模型能不能统一接入？
能不能在 Java / Spring Boot / MySQL / Flyway / RBAC 这些企业熟悉的技术栈里长期运行？

所以，与其说 MateClaw 要“复制 Marvis”，不如说 Marvis 验证了一个大方向：

AI Agent 的价值正在从回答问题，转向可治理的任务执行。

而 MateClaw 要把这个方向放进团队和企业场景里。

3. Supervisor 调度：MateClaw 已经有 Plan-and-Execute 骨架

Marvis 公开资料里最值得借鉴的一个产品点，是“主管 + 专家 Agent”的调度感。用户不是只看到一段流式文字，而是能看到一个团队正在分工。

MateClaw 源码里已经有对应的技术基础。

在/Users/mate/Codes/mate/mateclaw/mateclaw-server/src/main/java/vip/mate/agent/graph/plan/StateGraphPlanExecuteAgent.java中，MateClaw 使用 StateGraph 实现 Plan-and-Execute Agent。整体流程是：

用户目标 → PlanGenerationNode 判断任务类型并生成步骤 → StepExecutionNode 执行当前步骤 → 工具调用 / 审批 / 结果持久化 → 最终汇总

PlanGenerationNode负责分流：纯问答直接回答，单步工具任务压成单步，多步复杂任务拆成 2 到 6 个可执行步骤。StepExecutionNode则负责逐步执行，并在内部完成工具调用、Token 统计、超时保护和审批触发。

这意味着 MateClaw 短期最值得做的产品增强，不一定是重写 Agent 框架，而是把已有的执行状态展示出来。

例如在 Chat Console 里做一个“团队视图”：

规划员：正在拆解任务；
执行员：正在执行第 2 步；
工具专家：正在调用搜索、文件或脚本工具；
安全官：等待用户审批；
汇总员：正在生成最终报告。

这类 UI 不只是好看，它会显著降低用户对长任务的焦虑。企业用户最怕的不是 AI 慢，而是不知道它在做什么。

4. Tool Guard：OS 级操控必须先有安全边界

Marvis 资料里有一个很关键的点：涉及资金交易、系统核心配置修改、批量删除文件等敏感操作时，需要强确认。

这是所有“AI 接管设备”产品绕不开的问题。

如果一个 Agent 只能聊天，风险还可控；一旦它能执行命令、写文件、跑 SQL、改配置，安全模型就必须先于功能设计。

MateClaw 这部分已经有比较清晰的基础。

在/Users/mate/Codes/mate/mateclaw/mateclaw-server/src/main/java/vip/mate/tool/guard/DefaultToolGuard.java中，MateClaw 对工具调用做了分级：

极端破坏性操作直接 BLOCK，例如格式化磁盘、删除根目录、管道下载脚本执行；
高风险 shell 操作进入 NEEDS_APPROVAL；
shell 执行默认需要审批；
文件写入、编辑、定时任务创建和删除也默认需要审批。

同时，ToolGuardEngine又把安全判断抽象成 Guardian + PolicyResolver 的结构：Guardian 产出风险发现，PolicyResolver 决定最终动作。这比单纯写几个 if 判断更适合企业扩展。

未来如果 MateClaw 桌面端要做 OS 工具包，例如：

system.getInfo system.changeSetting system.cleanCache app.launch file.search file.move

这些工具应该天然绑定 Tool Guard，而不是等功能做完再补安全。

5. 审批与恢复：企业 Agent 不只要能停，还要能继续跑

很多 Agent 产品的审批只做到“弹一个确认框”。但企业任务更麻烦：用户确认之前，任务状态在哪里？页面刷新后审批还在不在？审批通过后能不能从原来的步骤继续执行？审批拒绝后上下文怎么收束？

MateClaw 在这块有两个重要实现：

ApprovalController提供待审批记录查询，用于页面刷新后的审批恢复；
StateGraphPlanExecuteAgent.chatWithReplayStream()能在审批后恢复 awaiting approval 的计划上下文，并继续执行原计划。

这意味着 MateClaw 的审批不是简单的前端弹窗，而是运行时的一部分。

对企业来说，这一点很关键。因为真实任务往往不是“一问一答”，而是：

生成计划 → 读取资料 → 查询数据库 → 发现需要写文件 → 等待审批 → 审批通过 → 继续写文件 → 生成报告 → 推送到渠道

如果审批会打断整个任务，Agent 就很难承担真实工作。MateClaw 的优势在于，它已经把“等待人确认”纳入了 Agent 执行生命周期。

6. 多渠道不是聊天入口，而是任务现场

Marvis 强调跨端接管：手机可以查看 PC 任务执行画面，并在需要时接管。

MateClaw 当前不是同一种形态，但已经有“多渠道任务现场”的基础。

在源码里，MateClaw 有：

ChannelMessageRouter：多渠道消息路由；
ChannelSessionEntity：维护不同渠道会话和推送目标；
ChatStreamTracker：Web Console 侧的流式事件追踪；
飞书、钉钉、Slack、QQ、Telegram、Discord、企业微信等 channel adapter；
approval notification：审批可以进入不同渠道。

现在每个渠道更像独立会话。下一步可以借鉴 Marvis 的“接管”思路，做成任务级订阅：

一个 taskId → Web Console 创建任务 → 飞书/钉钉/QQ 可订阅同一任务进度 → 手机端收到审批卡片 → 用户确认后任务在原运行时继续

这会让 MateClaw 从“多渠道聊天”升级为“多渠道协同执行”。

7. 场景化模板包：不要只卖 Agent，要卖可用场景

Marvis 的另一个产品启发是：它没有一上来让普通用户自己搭工作流，而是给出一组开箱即用的场景。

这点对 MateClaw 同样重要。

MateClaw 现在已经有 Skill Market、Skill Template Wizard、Skill Installer、GitHub / ZIP / ClawHub 安装链路。源码里的SkillTemplateController、SkillTemplateService和SkillInstaller都说明这套基础设施已经存在。

但面向用户时，不能只讲“你可以安装 skill”。更好的表达是提供场景包：

打工搭子：日报、周报、会议纪要、资料整理；
知识管家：知识库问答、文档蒸馏、引用总结；
运维助手：日志分析、服务巡检、告警解释；
编码搭子：代码阅读、测试建议、变更说明；
内容运营：选题分析、素材整理、跨平台分发；
数据分析员：表格清洗、趋势分析、报告生成。

每个场景包都应该包含：

预置 Agent；
预置 Skills；
预置 SOUL.md / 系统提示词；
推荐模型；
推荐工具权限；
默认 Tool Guard 策略；
示例任务。

这样用户拿到的就不是零件，而是一套能直接运行的工作方式。

8. 隐私模式：把本地模型能力包装成用户能理解的开关

Marvis 资料里反复强调端侧隐私模式：文件不上云、本地推理、本地处理。

MateClaw 的技术基础也已经具备一部分。源码中可以看到 Ollama 自动发现逻辑，模型配置层也支持多 provider。此前 MateClaw 已经在文档和架构中提到 Ollama、LM Studio、MLX、llama.cpp 等本地模型路径。

但产品上还可以再前进一步：不要只把它藏在 provider 配置里，而是做成用户能理解的“隐私模式”。

例如：

隐私模式开启后： - 默认路由到本地模型 provider； - 禁用云端 STT / TTS； - 本地文件索引不上传； - 图片 / 文档解析优先使用本地能力； - 外部搜索、联网工具需要二次确认； - 所有本地文件访问写入审计日志。

这不是单纯的功能开关，而是把分散的本地能力包装成一个清晰的产品承诺。

对于企业客户，尤其是处理代码、合同、客户资料、内部知识库的团队，这个开关会比“支持某某 provider”更容易理解。

9. 本地资产语义索引：价值高，但应该后置

Marvis 在本地图片、文档、截图语义搜索上很有吸引力。用户不需要记文件名，只要描述内容，就能找到对应文件。这是个人电脑场景里非常强的入口。

MateClaw 也可以做，但我建议优先级不要放太前。

原因是这块工程量大，而且企业要求更复杂：

文件权限如何继承工作区权限？
图片 OCR 和多模态 embedding 用本地还是云端？
增量索引如何处理？
用户删除文件后索引如何同步？
敏感目录如何排除？
多用户、多工作区如何隔离？
审计日志如何记录？

更稳的路线，是先把它作为新的 Wiki Provider：

Local Documents Provider Local Images Provider Local Screenshots Provider

它们不直接变成一个“万能本地扫描器”，而是通过 MateClaw 已有的知识库、权限、工具和审计体系接入。

这符合 MateClaw 的产品气质：宁愿慢一点，也要让企业能放心启用。

10. 我建议 MateClaw 的三个短期产品动作

结合 Marvis 的启发和 MateClaw 当前源码基础，短期最值得做的不是大改架构，而是把已有能力产品化。

第一，做 Plan-Execute 团队视图

把已有的plan_created、plan_step_started、plan_step_completed等事件展示成可视化团队状态。

用户看到的不只是文字流，而是一个任务团队：

谁在规划；
谁在执行；
哪一步等待审批；
哪一步已经完成；
哪一步失败或重试。

这是低成本、高感知的改动。

第二，做隐私模式开关

把 Ollama / LM Studio / MLX / 本地模型、本地语音、本地文件访问、联网工具确认统一包装成“隐私模式”。

技术上是配置路由，产品上是信任承诺。

第三，做场景化 Agent 模板包

基于 Skill Template Wizard 和 Skill Installer，推出一批一键安装场景：

打工搭子；
知识管家；
运维助手；
编码搭子；
内容运营；
数据分析员。

这会比“你可以创建 Agent 和 Skill”更容易让用户上手。

11. 更长期的方向：桌面端 OS 工具与跨端接管

Marvis 的 OS 级操控和跨端接管，确实是桌面 Agent 的高价值方向。

MateClaw 如果要往这个方向走，应该依托mateclaw-desktop，但需要坚持两个原则：

第一，所有 OS 操作都必须先经过 Tool Guard。

第二，所有跨端接管都应该围绕 taskId，而不是围绕“某个聊天窗口”。

这样未来的 MateClaw 桌面端可以形成这样的体验：

用户在 Web Console 发起任务 → 桌面端执行本地文件和系统工具 → 手机 IM 渠道订阅任务进度 → 高危操作推送审批卡片 → 用户确认后任务继续 → 结果回写 Web Console 和企业渠道

这不是简单做一个桌面 AI，而是把桌面、Web、IM、审批和企业运行时连成一个闭环。

结语：Agent 的下一站不是更会聊，而是更可托付

Marvis 的出现说明，用户对 AI 助手的期待正在变高。

用户不再满足于“帮我写一段文字”。他们会希望 AI 能看懂文件、操作应用、处理任务、跨端协作，并在关键节点主动确认。

但在企业场景里，仅仅“能操作”还不够。

企业需要的是：

能规划；
能执行；
能调用工具；
能审批；
能恢复；
能审计；
能跨渠道；
能本地化部署；
能被团队长期管理。

这就是 MateClaw 的机会。

如果说 Marvis 代表了个人 OS Agent 的一个方向，那么 MateClaw 可以代表另一条路线：

面向团队和企业的 Agent Harness OS，让 AI 不只是会回答，而是能在边界清晰、过程可见、风险可控的前提下，真正把事情做完。