（国外）github地址：GitHub - gzwebsj-163/Velthyn: MoCode - AI Agent server (Docker) + macOS desktop client · GitHub（国内）gitcode地址：

Velthyn:MoCode - AI Agent server (Docker) + macOS desktop client - AtomGit

Velthyn Logo

Velthyn

MoCode — AI Agent Server (Docker) + macOS Desktop Client

多通道接入 · 多模型路由 · Agent 核心 · MCP 集成 · 记忆/知识/技能/自我进化

Multi-channel · Multi-model · Agent Core · MCP Integration · Memory / Knowledge / Skills / Self-Evolution

项目定位 · Positioning

Velthyn 是一套「服务器 + 桌面」一体化部署的 AI Agent 平台：

  • server/ —— 基于 Mocode 语言编写的多通道 AI Agent 服务端核心，以 Docker 部署；
  • desktop/ —— 基于 Electron 的 macOS 桌面客户端（内置 Python 后端，端口 9899）。

它解决的核心问题是：如何用一个 Agent 大脑，接入所有主流 IM 与 Web 入口，并具备记忆、知识、技能与自我进化的能力。

定位一句话：One Agent core, everywhere you chat.

整体架构 · Architecture Overview

整个系统自下而上分为 接入 → Agent 核心 → 模型能力 → 桌面客户端 四层，数据单向流转，各层职责清晰：

模型路由 & 能力层

AI Agent 核心 · server/agent

接入通道层 · 13 种 IM / Web 入口

桌面客户端 · desktop

Electron (macOS) x64 + arm64

内置 Python 后端 端口 9899

Web 控制台

微信 · 企微 · 公众号

飞书 · 钉钉

QQ · Telegram · Slack · Discord

终端

会话编排 chat

工具链 tools

记忆 memory

知识库 knowledge (RAG)

技能 skills

自我进化 evolution

多模型路由 (16 家 LLM)

语音 TTS (15) + 翻译

MCP 多服务器集成

Docker 服务器部署

完整架构图 · System Architecture：

Velthyn 完整架构图

架构设计原则：

  • 多通道统一会话：13 种 IM/Web 入口共享同一 Agent 大脑与记忆；
  • 多模型热切换：16 家模型后端并经 Web 控制台一键切换，故障转移有保障；
  • Agent 工具链：规划 → 工具调用 → 记忆回写，闭环执行复杂任务；
  • 可扩展：插件系统（plugins/）+ 技能系统（skills/）+ MCP 工具协议。

仓库结构 · Repository Layout

Velthyn/
├── server/                     # 服务器端 AI Agent 核心（Docker 部署）
│   ├── agent/                  # Agent 核心
│   │   ├── chat/               #   会话编排 / session
│   │   ├── tools/              #   工具链（bash/browser/read/write/edit/mcp...）
│   │   ├── memory/             #   记忆系统（短期 + 长期）
│   │   ├── knowledge/          #   知识库（RAG 检索）
│   │   ├── skills/             #   技能系统（SKILL.md 规范）
│   │   ├── evolution/          #   自我进化（self-learning / backup / trigger）
│   │   ├── prompt/             #   提示词管理
│   │   └── workspace/          #   工作区 / 沙箱
│   ├── channel/                # 多平台接入（13 种）
│   ├── models/                 # 多模型接入（16 家）
│   ├── bridge/                 # Agent ↔ 通道桥接层
│   ├── plugins/                # 插件系统（banwords/godcmd/role/tool/keyword...）
│   ├── skills/                 # 全局技能库（image-generation/knowledge-wiki/skill-creator）
│   ├── voice/                  # 语音合成（15 家）
│   ├── translate/              # 翻译（百度 / 有道）
│   ├── cli/                    # 命令行入口（cow）
│   ├── common/                 # 公共工具（log/const/ssl_certs）
│   ├── config-template.json    # 配置模板
│   ├── app.mo                  # 服务端主入口
│   └── Dockerfile              # Docker 构建
└── desktop/                    # macOS Electron 桌面客户端
    ├── main.js                 # Electron 主进程
    ├── preload.js              # 预加载脚本
    ├── scripts/                # 构建脚本（build_mac / setup_runtime / gen_icon）
    └── package.json            # 依赖与构建命令

server/ — 服务器端 AI Agent 核心

Docker 部署的多通道 AI 智能体核心，能力全景如下。

多通道接入 · Multi-channel Access（13 种）

通道目录说明
Web 控制台channel/web浏览器对话与模型切换
微信channel/weixin, wechat_kf个人号 / 客服号
企业微信 / 公众号channel/wechatcom, wechatmp, wecom_bot企微 / 公众号 / 企微机器人
飞书channel/feishu飞书机器人
钉钉channel/dingtalk钉钉机器人
QQ / 企点channel/qqQQ 与企点
Telegramchannel/telegramTelegram Bot
Slackchannel/slackSlack App
Discordchannel/discordDiscord Bot
终端channel/terminal本地终端对话

多模型接入 · Multi-model Routing（16 家）

Claude · GPT/OpenAI · Gemini · DeepSeek · Qwen(通义) · Kimi(Moonshot) · 豆包(Doubao) · GLM(ZhipuAI) · MiniMax · 文心(Qianfan) · 百度 · 讯飞(Xunfei) · DashScope · ModelScope · LinkAI · Mimo，经 models/bot_factory.mo 统一工厂创建，Web 控制台一键切换。

Agent 能力 · Agent Capabilities

  • 任务规划：理解意图，拆解步骤，按序执行；
  • 工具调用：bash / browser / read / write / edit / search 等，见 agent/tools/；
  • 长期记忆：agent/memory/，短期会话 + 长期持久化；
  • 知识库：agent/knowledge/，RAG 检索增强生成；
  • 技能系统：agent/skills/，遵循 SKILL.md 规范，动态加载；
  • 自我进化：agent/evolution/，基于自我学习（self-evolution）沉淀记忆与技能。

MCP 集成 · MCP Integration

支持 MCP 多服务器系统（agent/tools/mcp/mcp_client.mo、mcp_oauth.mo、mcp_tool.mo），可将外部工具服务器（文件系统、数据库、API、外部服务）统一接入 Agent 工具链。

插件系统 · Plugin System

server/plugins/ 提供可热插拔插件：banwords（违禁词）、godcmd（命令）、role（角色扮演）、tool（工具）、keyword（关键词）、hello（欢迎）、dungeon（跑团）等，配合 event.mo 事件机制。

快速启动（server）

cd server
docker build -t velthyn-server .
# 或直接使用基础镜像运行
cp config-template.json config.json   # 修改模型/通道配置
./run.sh

Docker 镜像 · Docker Images

本项目的相关镜像已发布到公开 Registry dl.gzwebsj.cn（HTTPS，无需 docker login），可直接 docker pull 拉取：

镜像地址说明
mocode-webdl.gzwebsj.cn/gzwebsj-local/mocode-web:latestWeb 控制台 / Agent 服务端
mocode-admindl.gzwebsj.cn/gzwebsj-local/mocode-admin:latest管理面板
mocode-clidl.gzwebsj.cn/gzwebsj-local/mocode-cli:latest命令行工具
mocode-awfdl.gzwebsj.cn/gzwebsj-local/mocode-awf:latestAgent 工作流
mocode-prompt-repodl.gzwebsj.cn/gzwebsj-local/mocode-prompt-repo:latest提示词仓库
webbridge-browserdl.gzwebsj.cn/gzwebsj-local/webbridge-browser:latest浏览器桥
redisdl.gzwebsj.cn/gzwebsj-local/redis:7-alpine缓存
mariadbdl.gzwebsj.cn/gzwebsj-local/mariadb:10.11数据库

拉取示例：

docker pull dl.gzwebsj.cn/gzwebsj-local/mocode-web:latest
docker pull dl.gzwebsj.cn/gzwebsj-local/mocode-admin:latest

Registry 主页：https://dl.gzwebsj.cn（公开，直接访问 /v2/_catalog 可查看全部镜像列表）。

desktop/ — macOS 桌面客户端

基于 Electron 28+ 的 macOS 桌面应用，支持 Intel x64 与 Apple Silicon arm64。

  • 启动内置 Python 后端（端口 9899）；
  • 加载 Web 前端聊天界面；
  • 系统托盘常驻运行；
  • 内置 MCP 多服务器管理与智能体管理。

启动（desktop）

cd desktop
npm install
npm start

构建

npm run build:mac          # 构建 macOS dmg
npm run build:all          # 构建所有平台
npm run build:mac:dir      # 构建非打包目录（便于查错）

技术与论文衬托 · Academic Foundations

本项目的多项设计可在学术界找到思想源头，以下为概念映射（供技术背景衬托，非直接引用代码）：

技术点设计思想参考论文 / 规范
多通道统一接入统一消息抽象 + 通道适配器模式，相似于多平台 Bot 框架Gamma et al., Design Patterns (1994) 的 Adapter / Facade 模式
多模型路由 / 工厂基于工厂模式动态创建模型后端，实现可插拔多模型Gamma et al., Design Patterns (1994)；OpenAI Function Calling 技术报告
Agent 规划-执行推理 + 行动交错，让 LLM 边思考边调用工具Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models (ICLR 2023)
工具调用 / 工具使用LLM 学会调用外部工具，弥补知识不足Schick et al., Toolformer: Language Models Can Teach Themselves to Use Tools (2023)
长期记忆记忆分层（短期 / 长期），检索相关历史促进多轮一致性Park et al., Generative Agents: Interactive Simulacra of Human Behavior (UIST 2023)
知识库 RAG检索增强生成，外挂知识库提升事实准确性Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (NeurIPS 2020)
Skills 技能系统以文档化规范（SKILL.md）封装可复用能力组件化 / 模块化软件工程；AlphaCodium（Ridnik et al., 2024）的工作流结构化思想
自我进化 / self-learningAgent 在交互中沉淀经验、反哺自身能力Shinn et al., Reflexion: Language Agents with Verbal Reinforcement Learning (NeurIPS 2023)；Voyager（Wang et al., 2023）终身学习
MCP 协议统一的模型上下文工具协议，连接外部工具服务器Anthropic, Model Context Protocol (2024, 开源标准)
语音合成 TTS多引擎适配层，统一 TTS 封装参见各家 TTS 引擎文档，用于语音回复场景
对话系统多轮维护Session 管理，保持上下文连贯Vinyals & Le, A Neural Conversational Model (2015)；对话状态跟踪 (DST) 领域

说明：Velthyn 是工程化产品，上述论文/规范作为设计思想来源与背景参考；具体实现以源码为准。引用均为该领域公认的经典或里程碑工作，可在学术数据库检索验证。

安全说明 · Security Notes

  • 所有 API Key / 凭据 通过 环境变量 或 配置文件 注入，勿硬编码进代码或提交至仓库；
  • 仓库内不含真实密钥；部署时请使用 config-template.json 复制为 config.json 并填入自有凭据；
  • Agent 工具（如 bash）具备工作区沙箱约束，避免越权访问。

贡献 · Contributing

欢迎提交 Issue 与 Pull Request。请阅读 server/CONTRIBUTING.md 了解开发约定。

许可证 · License

MIT © 2026 gzwebsj-163

MoCode — One Agent Core, Everywhere You Chat · 一个大脑，全平台对话

# 数据结构 # 神经网络 # 人工智能 # 深度学习
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

大模型安全实战】智能体安全的攻防二元性：同一种能力，为什么既是防线也是攻击面？（第4期）

avatar 龙虾开发者社区
cover

SparkSQL 之 Hive On Spark 原理分析

avatar 龙虾开发者社区

2026大厂AI Agent面试深度复盘：从“会背概念“到“能扛生产“的范式跃迁

2026年AI Agent面试核心要点摘要（147字） 大厂AI Agent面试已从概念背诵转向工程实践考核，重点考察：1）理解Agent与Chatbot的本质差异在于闭环行动能力；2）掌握ReAct循环、记忆分层设计（工作/短期/长期记忆）及优化策略；3）熟悉MCP协议对工具调用的标准化改进及安全风险；4）具备异常处理、性能优化的工程能力。面试官更关注候选人在非确定性系统中构建确定性保障的能力，

avatar 龙虾开发者社区