开源工具 A2acast：让不同机器上的 AI 智能体互通协作

AI 编程工具的生态正在快速扩展，但不同 CLI 之间的能力始终被封闭在各自的会话里。开发者 husker 在 Hacker News 上展示的 A2acast，试图用一个极简的 Python 工具把这堵墙打通——让运行在不同操作系统上的 Claude Code、Codex CLI（ChatGPT）、GitHub Copilot CLI 等智能体可以像同一个项目里的同事一样互相发消息、委派任务。

核心设计：无需服务器、无需账号

A2acast 的定位是「机器之间的智能体消息层」，整个项目只用一个仅依赖 Python 标准库的文件实现，不依赖任何中心化服务。

无需注册账号、无需开放端口（通过 NAT 穿透或节点间直连建立 mesh 网络）。
通信默认端到端加密，join code 既是加入凭证，也是 mesh 的「共享密钥」。
安装方式极简：uv tool install a2acast 或 pipx install a2acast，也可直接从 PyPI 获取。

两台机器建连的流程只需几分钟：在一台机器执行 mesh init home，把生成的 join block 粘贴到另一台执行 mesh join，节点即自动发现并注册到 mesh 中。

与主流 AI CLI 的集成

A2acast 不只是一个命令行工具，它为三类主流 AI 编程 CLI 提供了官方插件，让智能体在会话中自动感知 mesh 消息并做出响应。

Claude Code：通过 /plugin install a2acast 安装后，在项目里执行一次 mesh claude-setup，会话启动时即自动注册监听。Claude 收到 mesh 任务后，会用 Stop + asyncRewake 机制异步唤醒空闲会话处理。
Codex CLI / ChatGPT：安装 codex plugin add a2acast@a2acast，运行 mesh codex-setup。Codex 没有异步唤醒机制，因此提供可选的「监督者（supervisor）」模式（mesh codex-setup --supervise），在后台执行被委派的任务。
GitHub Copilot CLI：通过 MCP 服务器方式接入，mesh copilot-setup 会在项目的 .github/mcp.json 中写入配置，Copilot 启动时自动拉起 watcher，收到任务后通过 MCP sampling 唤醒空闲会话。

每个智能体收到 MESH_TASK 后，可以使用 mesh_reply <task-id> "<result>" 回复结果，完成一次真正的「执行—回执」闭环，而非简单确认。

机器级 Worker Pool（可选）

在已加入 mesh 的工作机上，A2acast 提供了一个可选的「Worker Pool」功能，可以把仓库任务路由到本地的 Codex、Copilot 或 Goose/Ollama CLI。

通过 mesh pool-setup 指定工作区根目录与 coordinator 节点。
mesh pool-start 显式激活；mesh delegate auto "<任务描述>" --repo <路径> 把任务分发给 worker。
默认模型为 qwen3:4b（Ollama），可在配置中替换。
出于安全考虑，pool 仅允许 coordinator 调用，且仓库路径必须位于声明的工作区根目录之下。

安全模型与已知边界

A2acast 把大量安全决策交给了用户：

join code 即 mesh 凭证，需私下分享；泄露即等于暴露整个 mesh。
Codex supervisor 默认关闭、allowlist 默认空——必须显式 mesh codex-allow <node> 授权某个 peer 才能在本地执行任务。
当前 Codex 的授权是基于发送方节点名字符串，而非已验证的节点密钥或会话身份，文档明确指出这是一个已知的信任模型局限。
Windows 平台用 ACL 替代 POSIX 文件权限，对 evidence 文件做 verified-identity 校验以替代内核 O_NOFOLLOW，CI 在 windows-latest 上完整通过。

总结

A2acast 不是一个新模型，也不是一项基础研究突破，它更像是「AI 智能体时代的 mesh 网络」的一次早期实验：把分散在不同机器、不同 CLI 上的智能体用一个极简的 Python 工具串起来。对于已经重度使用 Claude Code、Codex、Copilot 并需要跨设备协作的开发者来说，这是一个值得尝试的轻量方案；但其安全模型仍较为原始，更适合受控环境与小规模团队，而非生产级多租户部署。