Skip to content
Back to search

t3-magpie-orchestrator

Quota-aware multi-model orchestrator skills and read-only Magpie MCP server for T3 Code

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/jryang2026-code--t3-magpie-orchestrator/badge.svg)](/listings/jryang2026-code--t3-magpie-orchestrator)

HTML

<a href="/listings/jryang2026-code--t3-magpie-orchestrator"><img src="/api/listings/jryang2026-code--t3-magpie-orchestrator/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

README.md · README · 145 lines
  1. # T3 Code × Magpie 多模型协同工作流
  2. > 简体中文 · [English](README.en.md)
  3. **只和 T3 Code 里的一个主力对话窗口说话,让它自己先看一眼实时余额,再把任务拆给最顺手的模型、用最合适的原厂 Harness 去干。**
  4. ![T3 Code × Magpie 多模型协同思维导图](docs/assets/orchestrator-mindmap.png)
  5. ---
  6. ## 一、前因:不是模型不够强,是全靠手切根本跑不动
  7. 刷评测刷久了,很容易像集邮一样开一圈订阅:Claude Pro、Codex Plus、Antigravity,再加上几个送额度或者包月的轻量 Flash 渠道。
  8. 各自用了一段时间后,脾气其实都很清楚。Claude Opus 5.5 适合拿主意、搭复杂界面和最后收口;Codex Sol 6.2 啃后端并发逻辑、状态机排障和挑代码毛病更细;至于全仓检索、跑测试、提交 PR 这些重复体力活,让 Pi 或 OpenCode 挂上一批 Flash 模型跑,又快又不心疼。
  9. 最早我试过 Paseo 给不同 Agent 分角色,后来换到 **[T3 Code](https://t3.codes)**。T3 Code 最打动我的一点,是它原生就能扫描你本机装了哪些 Harness 和 CLI——不管你装了 Claude Code、Codex、Pi、OpenCode 还是 Antigravity,主模型调一下内置的 `orchestrator_capabilities` 就能全部认全,并不需要人去手工报菜名。
  10. **但真拿它高强度推实际项目时,还是有两个卡点:**
  11. 1. **它看得到本机有哪些工具,却不知道你的派活规矩**:虽然本地十来个工具都连着,但我其实只想在主窗口和 Claude 对话,要求“后端硬活走 Codex、高风险设计先过一遍 Neon、本地装了 `omp` 但不要用它”。每次新开线程,这套职责和禁忌还得靠人重贴一遍。
  12. 2. **主模型看不见 Magpie 里的实时剩余配额**:T3 Code 自己只存了部分本地工具的基础状态,不知道我多个 Claude / Codex 账号池里还剩多少 5 小时或 7 天额度,更分不清哪些渠道是包月、哪些在烧按量钱包。跑着跑着主力账号突然撞限停摆,旁边几乎没动过的 Flash 额度却一直闲着。
  13. ![Magpie 7 天实测用量账单](docs/assets/magpie-7d-proof.png)
  14. 拉出本地 Magpie 的 7 天消耗面板更能看清这种压力:一周下来共产生 **89.01 亿 Token(含 84.11 亿缓存读取,输入 4.49 亿、输出 4076.9 万)**、**5.2 万次请求**,按 API 牌价折合超过 **¥20,026+**。到这个吞吐量级,靠人眼盯着几个窗口手动切账号、猜剩余额度,效率迟早崩掉。
  15. ---
  16. ## 二、思考与取舍:我们考虑了什么,又有哪些明确限制
  17. ### 1. 为什么用 Magpie + 只读 MCP,而不另起一套代理?
  18. 动工前我翻过 Theo 公开在 GitHub Gist 上的做法——他用 CLIProxyAPI(CPA)把家里十几台机器要用的 Claude 和 Codex 账号集中到一个端点再走 Tailscale 分发。
  19. ![Theo 在 GitHub Gist 公开的 CLIProxyAPI 多账号中枢配置](docs/assets/theo-cpa-gist.png)
  20. 但就我日常都在用 **[Magpie](https://github.com/yetone/magpie)** 的习惯来说,没必要为了调度再叠一层新网关。Magpie 本身就已经在抓各家订阅的 5 小时和 7 天即时水位,还能把多个便宜渠道捆成一个 `Model Group` 自动兜底。既然网关里已经有实时配额,我干脆写了一个不带任何第三方依赖的本地只读 MCP(`skills/t3-orchestrator-workflow/scripts/dispatch_mcp.py`),让主模型开局先调一次 `get_dispatch_brief` 把可用水位看一眼:
  21. ![magpie-dispatch MCP 实时输出示意](docs/assets/mcp-brief-preview.png)
  22. ### 2. 为什么坚持“单一对话入口”,不搞一堆 Bot 互相聊?
  23. 用过几轮多 Bot 群聊模式后有个很深的体会,也是 Anthropic 那篇 Single-Agent-Loop 实践里反复提到的事:**Agent 之间每次交接(Handover),本质上都是在压缩摘要,一定伴随细节折损**。
  24. 所以这套工作流刻意克制了子代理的权限:
  25. - 连续性强的设计规划、跨模块架构拆解、复杂 UI 交互和最后的 Merge 判断,全部留在 Claude Code(Opus 5.5)这一个主窗口里一气呵成。
  26. - 只有目标清晰、结果可直接靠测试或 Diff 验收的任务(例如只读搜仓、按明确接口补实现、跑测试、提交 PR),才用 `delegate_task` 派出去。
  27. ### 3. 为什么不硬编码模型清单,而要先做 `setup` 探测?
  28. 每个人的账号池和所在网络都不一样,同一批便宜模型在不同上游今天通、明天挂是常态。做开源仓库时最忌讳把写死的作者清单当默认模板,因此这个仓库拆成了两个 Skill:
  29. - **`setup-t3-orchestrator-workflow`**:安装后先按本机真实环境走一轮体检,逼着在入池前用 `magpie provider test` 筛掉返回 `400` / `404` 的坏接口,强制把**包月/免费额度**排在**按量余额**前面,同时帮你检查多账号护栏(`routing=smart`、`magpie provider pool <id> --careful on`、`claudeNoExtraUsage on`、Codex `magpie quota credits off`),最后把结果写进你本机私有的 `~/.config/t3-orchestrator/roster.json`。
  30. - **`t3-orchestrator-workflow`**:日常运行手册。每次动手前结合实时水位和你的偏好配置拆单,并管住后面的 PR 生命周期。
  31. ### 4. 当前刻意保留的设计限制(不承诺做不到的事)
  32. - **不同 Harness 仍有参数和上下文边界**:在 T3 Code `delegate_task` 下,各家推理参数字段并不统一(Claude 用 `effort`,Codex 用 `reasoningEffort`,Antigravity 用 `thought_level`,OpenCode 用 `variant`),需要靠 `orchestrator_capabilities` 实时对齐;另外 `pi mcp add` 默认 `--exposure` 为 `codemode`,若你偶发单独直开 Pi 也想读余额要加 `--exposure direct`,但反过来,所有被 `delegate_task` 派出的子工兵在规则上**禁止二次查余额或二次派活**,宁可保守也不允许套娃。
  33. - **Antigravity 余额依赖本地缓存新鲜度**:读取 `~/.t3/caches/antigravity.json` 时,只要缓存超过阈值会自动标出陈旧警告,避免主模型拿着过期的高余额放量派单;一旦周配额低于 `30%`,自动停用轻任务补位,切换回 Flash 工兵池。
  34. - **需要本地跑通 Magpie 与 T3 Code**:这套方案不是独立的 SaaS 编排平台,而是面向正在桌面端同时使用 T3 Code 和 Magpie 的重度个人开发者;如果你完全没有本地 Harness 或不想开启 Magpie 网关,直接裸用 T3 Code 会更轻。
  35. ---
  36. ## 三、执行闭环:一单任务从派单到收口怎么跑
  37. ![一个需求从派单到合入的完整闭环](docs/assets/execution-loop.png)
  38. 平时开发我的开源跨端桌面工具 **[MenuBarHome](https://github.com/jryang2026-code/MenuBarHome)**(一个运行在 macOS Swift 6 和 Windows 11 Tauri v2 菜单栏里的米家与 Home Assistant 控制工具,支持快捷键拼音首字母直搜、本地语音和误关撤销)时,整条流水线基本按上面这五个阶段自动往下推:
  39. 1. **查水位与能力**:主模型先拉 `get_dispatch_brief` 摸清当前哪个订阅宽裕,再调 `orchestrator_capabilities` 确认各 Harness 参数。
  40. 2. **条件二审**:日常小需求直接拆单动手;遇到高风险或跨模块架构改动(P0),主模型先拟出边界文档,交由 Antigravity Neon(`thought_level=medium`)只读挑刺一遍再进入编码。
  41. 3. **分支与派工纪律**:同一个功能的连续开发留在同一分支依次提交;只有相互独立的模块 PR,才启用 `isolation: "worktree"` 隔离并行(有前后依赖则交给 `gh stack`)。
  42. 4. **事件唤醒,不瞎轮询**:工兵测通、推分支并建好 PR 后,主线程直接调用 T3 原生 `watch_pull_request` 然后挂起结束当轮,**零 Token 等待 CI 与 GitHub Codex Auto-Review**(若仓库未配置 Bot 或超时,则本地补跑一次 `codex review` 兜底,避免卡死)。
  43. 5. **两轮硬熔断收口**:遇到 P0/P1 阻断意见打回原负责域修复;**最多修两轮,两轮过不了强制熔断,升级由 Claude + Codex 联合接管**。确认只剩有保留价值的 P2 建议且 CI 全绿后,建 GitHub Issue 登记(绝不为改个空格建一条水 Issue),再执行 Squash 合并并清场。
  44. 拿这套分工模式连轴推进 **[MenuBarHome](https://github.com/jryang2026-code/MenuBarHome)** 的两周里,项目累计合入了 **251 个 PR**(第一周 92 个、第二周 159 个);在最近 7 天 **89.01 亿** 全量 Token 的真实流量盘子里,绝大部分检索、长上下文缓存和常规试错都留在了 Antigravity 与 Pi / OpenCode 工兵层,昂贵的 **Claude 与 Codex 网关直连只消耗了全盘的 ~3%**,我也不用一直坐在几个终端中间当人工传话筒。
  45. ---
  46. ## 四、技术落地与安装
  47. ### 1. 环境前提
  48. - **[T3 Code](https://t3.codes)**(支持 `orchestrator_capabilities`、`delegate_task`、`watch_pull_request`)
  49. - **[Magpie](https://github.com/yetone/magpie)**(默认监听本地 `http://127.0.0.1:3425`,也支持从 `~/.config/magpie/gateway.json` 自动识别自定义端口)
  50. - **Python 3.9+**(`dispatch_mcp.py` 仅使用标准库,零额外 `pip` 依赖)
  51. - 本地已安装至少一个主控 CLI(`claude` / `codex`)以及你打算当工兵的 CLI(`pi` / `opencode`)与 `gh`
  52. ### 2. 安装两个 Skill
  53. ```bash
  54. npx skills add jryang2026-code/t3-magpie-orchestrator
  55. ```
  56. *(也可以直接 clone 本仓库,将 `skills/setup-t3-orchestrator-workflow` 与 `skills/t3-orchestrator-workflow` 软链到你的全局技能目录。)*
  57. ### 3. 首次初始化(根据你自己的订阅生成配置)
  58. 打开任意一个 Agent 会话(Claude Code / Codex / Antigravity),执行一次:
  59. ```text
  60. /setup-t3-orchestrator-workflow
  61. ```
  62. 它会先探测你本地的订阅余额和健康模型,和你确认偏好后生成 `~/.config/t3-orchestrator/roster.json`,并自动把 `magpie-dispatch` 只读 MCP 注册进 `claude`、`codex`、`pi`、`opencode`。
  63. 想随时人工看一眼当前本机探测出的水位和编排表,在仓库根目录直接跑:
  64. ```bash
  65. python3 skills/t3-orchestrator-workflow/scripts/dispatch_mcp.py --cli
  66. ```
  67. ### 4. 日常在 T3 Code 里使用
  68. 在 T3 Code 里为你的总控 Harness 新开一条对话,直接下需求即可:
  69. ```text
  70. /t3-orchestrator-workflow 实现功能 X,跑完测试,提 PR 并盯到满足合并条件。
  71. ```
  72. ### 5. 仓库结构速览
  73. ```text
  74. .
  75. ├── docs/assets/ # 思维导图、闭环图与实测截图素材
  76. ├── skills/
  77. │ ├── setup-t3-orchestrator-workflow/
  78. │ │ └── SKILL.md # 一次一跑的环境体检、测活与配置生成引导
  79. │ └── t3-orchestrator-workflow/
  80. │ ├── SKILL.md # 运行期查水位、二审、派活与两轮熔断手册
  81. │ ├── references/
  82. │ │ └── roster.example.json # 本机角色与阈值配置示例模板
  83. │ └── scripts/
  84. │ └── dispatch_mcp.py # 零依赖只读 MCP 服务(兼 CLI 预览)
  85. ├── README.md # 简体中文说明(默认)
  86. ├── README.en.md # English README
  87. └── LICENSE # MIT
  88. ```
  89. ---
  90. ## License
  91. MIT

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.