Vibe-Kanban：统一编排Claude Code、Gemini CLI等AI编程代理的开源平台

当你同时使用Claude Code、Gemini CLI、AMP等多个AI编程代理时，是否经常在不同终端和标签页之间疲于切换？一个名为Vibe-Kanban的开源项目正试图解决这个痛点——它将所有AI编程代理整合到一个统一的看板平台上，支持并行编排、实时追踪和集中配置管理。

什么是Vibe-Kanban？

简单来说，Vibe-Kanban不是又一个AI编程工具，而是一个AI编程代理的编排层（Orchestration Layer）。你可以把它理解为代理的「任务控制中心」。

编排层这一概念在分布式系统和微服务架构中早已被广泛应用——最典型的例子就是Kubernetes对容器的编排管理。编排层的本质是在多个独立运行的服务或代理之上建立统一的调度和管理层，负责任务分配、状态同步、资源协调和生命周期管理。在AI代理领域，编排层的出现标志着工具使用范式从「单一代理手动操作」向「多代理自动化协调」的根本转变，类似于DevOps领域从手动部署到CI/CD流水线的演进历程。

它的核心理念是：不同的AI编程代理各有所长。Claude Code基于Anthropic的Claude模型，以强大的代码理解、多步推理和工具使用（tool use）能力著称，特别擅长复杂的代码重构和跨文件修改。Gemini CLI是Google推出的开源命令行AI工具，基于Gemini模型，拥有超长上下文窗口（最高支持100万token），在处理大型代码库的全局分析时具有独特优势。AMP（Amplified）则专注于自动化编程工作流，强调任务的端到端自动完成能力。OpenCode等新兴工具也各有特色。这种能力差异化正是多代理编排的价值基础——通过将合适的任务分配给最擅长的代理，可以实现整体效率的最大化。与其在它们之间手动切换，不如用一个统一平台来调度它们。

Vibe-Kanban任务面板

在一个实际演示中，Vibe-Kanban被分配了四项由AMP代理处理的代码任务，所有任务都在20分钟内完成合并。这种效率提升在传统的手动切换工作流中几乎不可能实现。

核心功能解析

多代理并行编排

Vibe-Kanban最强大的能力在于将不同任务分配给不同代理并行处理。举个具体场景：

让Claude Code负责后端API的生成
同时让Gemini CLI来搭建项目的文件结构
再让AMP处理前端组件的开发

这些任务可以并行推进，无需在不同终端之间来回切换。你只需在看板上分配任务、设定代理，然后追踪进度即可。

实时任务状态追踪

平台提供了一个类似Kanban的任务状态视图，包含四个阶段：

待办（To Do）：已创建但尚未启动的任务
进行中（In Progress）：代理正在处理的任务
审核中（In Review）：代理完成但需要人工确认的任务
已完成（Done）：经审核通过的任务

看板（Kanban）方法本身有着深厚的历史渊源。它起源于丰田生产系统（TPS），由大野耐一在20世纪40年代提出，最初用于制造业的库存管理和生产流程优化。2007年，David J. Anderson将其引入软件开发领域，形成了看板方法论。其核心原则包括：可视化工作流程、限制在制品数量（WIP Limit）、管理流动效率和持续改进。在软件开发中，看板通过将任务卡片在不同状态列之间移动，让团队直观地看到工作瓶颈和进度分布。Vibe-Kanban将这一经典方法论应用于AI代理管理，是对传统看板在AI时代的一次有意义的延伸。

你可以实时查看每个任务的处理状态、代码差异（diff）和所有更改内容。这种可视化的管理方式让多代理协作变得清晰可控。

多任务并行处理

集中化MCP配置管理

这是Vibe-Kanban最具实用价值的功能之一。如果你使用过MCP（Model Context Protocol），就知道跨不同代理管理MCP配置有多麻烦——你需要为Gemini CLI在JSON文件中配置一次，然后为Claude Code重复同样的操作，每个代理都需要单独设置。

MCP（模型上下文协议）是由Anthropic于2024年底推出的开放标准协议，旨在为AI模型与外部工具、数据源之间建立统一的通信接口。在MCP出现之前，每个AI代理都需要针对不同工具编写专门的集成代码，导致大量重复工作和兼容性问题。MCP通过定义标准化的服务器-客户端架构，让AI代理可以通过统一协议访问文件系统、数据库、API等外部资源。目前MCP已被Claude Code、Cursor、Windsurf等多个主流AI编程工具采纳，形成了一个快速增长的工具生态。然而，尽管协议本身是统一的，各个代理对MCP的配置方式却各不相同——配置文件的路径、格式和参数命名都存在差异，这正是跨代理配置管理的痛点所在。

Vibe-Kanban提供了集中化的MCP配置管理，让所有代理继承相同的设置、环境变量和工具配置。这一个功能就能为你节省大量的重复配置时间。

开发服务器管理

平台还内置了开发服务器管理功能，支持一键部署。你可以直接在平台上启动开发服务器，配合代理测试生成的代码是否正确运行，无需额外打开终端窗口。

安装与配置指南

环境准备

Vibe-Kanban支持macOS、Linux和Windows三大平台。安装前需要确保：

Node.js：已安装最新版本
至少一个AI编程代理：如Claude Code、Gemini CLI、AMP或OpenCode

如果尚未安装这些代理，可以通过终端中的npx命令快速完成一键安装。

安装步骤

打开终端，运行 npx vibe-kanban 命令安装依赖
安装完成后，通过指定端口在浏览器中启动平台
首次启动时会弹出安全提示，需要确认同意

⚠️ 安全提示：由于Vibe-Kanban会调用本地的AI编程代理执行代码，建议在受保护的环境中部署，充分了解其中的安全风险后再操作。

这里需要特别展开说明安全风险的背景。AI编程代理的安全问题是当前业界高度关注的议题。由于这类工具需要直接访问本地文件系统、执行终端命令甚至操作Git仓库，一旦被恶意利用或出现意外行为，可能导致代码泄露、文件误删或未经授权的代码提交。2025年以来，多个安全研究团队已报告了针对AI编程代理的「提示注入攻击」（Prompt Injection Attack）案例，攻击者通过在代码注释或依赖包中嵌入恶意指令，诱导AI代理执行危险操作。Vibe-Kanban作为多代理的统一入口，其安全性尤为重要——它同时控制多个代理的执行权限，一旦平台本身存在漏洞，影响面将成倍放大。因此，在生产环境或涉及敏感代码的项目中使用时，务必做好权限隔离和网络防护。

初始配置

启动后，平台会引导你完成以下配置：

选择默认执行器：Claude、AMP、Gemini或OpenCode
选择代码编辑器：支持Cursor、Windsurf等多种编辑器，也可自定义
GitHub集成（可选）：登录GitHub后，AI代理可以直接在你的GitHub账户中发起PR

配置完成后，你可以在设置标签页中随时修改这些选项，包括系统主题（浅色/深色）等。

实际使用流程

创建项目

你有两种方式创建项目：

使用现有仓库：连接到本地目录，选择文件夹并填写项目名称
从零开始：指定Git仓库路径和名称，创建新目录

两种方式都支持设置脚本和开发服务器脚本。

创建和管理任务

项目创建后，你可以开始添加任务。例如输入「创建一个UI」作为任务指令，添加详细描述，甚至可以搜索代码库中的特定文件作为上下文，然后点击「创建并启动」。

关键在于你可以同时创建多个任务。比如第一个任务是「创建UI」，在它处理的同时，你可以立即创建第二个任务「添加聊天机器人到UI」，两个任务会并行处理。

任务完成后进入审核阶段，你可以查看所有代码差异和更改，确认无误后标记为完成，并直接启动开发服务器进行测试。

适用场景与局限

最适合的场景

多模块项目开发：前后端分离、微服务架构等需要并行开发的场景
代理能力对比：同一任务分配给不同代理，对比输出质量
团队协作：统一管理多个代理的配置和任务进度

需要注意的问题

安装过程中可能遇到依赖包缺失的情况，需要手动补装
安全风险需要重视，建议在隔离环境中使用
作为开源项目，稳定性和功能完善度仍在持续迭代中

总结

Vibe-Kanban代表了AI编程工具发展的一个重要方向：从单一代理到多代理编排。随着AI编程代理越来越多、能力越来越强，如何高效管理和协调它们将成为开发者面临的新挑战。Vibe-Kanban提供了一个可行的解决方案——统一平台、并行编排、集中配置。

从更宏观的视角来看，这种多代理编排的趋势与整个AI行业的发展方向高度一致。OpenAI、Google、Anthropic等头部公司都在推动「代理化」（Agentic）AI的发展，未来的软件开发很可能不再是开发者与单一AI助手的对话，而是开发者作为「指挥官」协调多个专业化AI代理协同工作。Vibe-Kanban虽然还处于早期阶段，但它所代表的编排范式可能成为未来AI辅助开发的标准工作流之一。

对于日常使用多个AI编程代理的开发者来说，这个工具值得一试。它不会替代任何一个代理，而是让你更高效地使用所有代理。