goose 是一个运行在本机的开源 AI Agent。它不只面向代码补全，而是希望覆盖代码、研究、写作、自动化、数据分析等更广的任务。项目 README 里的定位很直接：桌面端、CLI 和 API 都提供，既可以给普通用户使用，也可以嵌入到自己的工作流里。
这个项目已经从 block/goose 迁移到 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）。当前仓库是：
|
|
goose 主要由 Rust 和 TypeScript 编写，许可证为 Apache-2.0。GitHub 项目描述是：一个开源、可扩展的 AI agent，不只给出代码建议，还能安装、执行、编辑和测试，并可接入任意 LLM。
goose 解决什么问题
很多 AI 编程工具只停留在“给建议”或“改代码”这一层。goose 的目标更宽一些：让 AI agent 直接在你的机器上完成任务。
它可以用于：
- 代码修改和测试。
- 本地自动化任务。
- 资料研究和写作。
- 数据分析。
- 多步骤工作流。
- 通过 API 嵌入到其他系统。
- 通过 MCP 扩展外部工具能力。
如果你只想在编辑器里要几段代码，普通 Copilot 类工具已经够用。goose 更适合想把 AI 放进“本机任务执行链”的用户：它可以使用本地环境、连接模型 provider、调用扩展，并通过桌面端或 CLI 进入不同工作方式。
三种入口：桌面端、CLI、API
goose 的一个特点是入口比较完整。
第一种是桌面端。它支持 macOS、Linux 和 Windows，适合不想一直待在终端里的用户，也适合需要更清晰可视化交互的人。
第二种是 CLI。终端用户可以直接安装命令行工具，把 goose 放进日常开发流程里。
第三种是 API。它可以作为可嵌入的 agent runtime，让其他系统或内部工具调用 goose 的能力。
这三个入口对应不同使用习惯。个人开发机可以先从桌面端或 CLI 开始；团队内部工具、自动化平台或实验型 agent 工作流，则更适合看 API 和自定义分发能力。
安装方式
官方 README 推荐先下载桌面端：
|
|
如果只安装 CLI，可以使用官方脚本：
|
|
GitHub Releases 也提供不同平台的构建产物。当前 latest release 信息显示，v1.33.1 发布于 2026-04-29，包含 macOS、Linux、Windows、deb、rpm、Flatpak 等资产。
安装完成后，建议先按官方 Quickstart 配置 provider，再从一个低风险目录开始测试。由于 goose 可以执行本机任务，不建议一开始就在重要生产仓库里给它过高权限。
支持的模型和 provider
goose 支持 15+ provider。README 中列出的方向包括：
- Anthropic
- OpenAI
- Ollama
- OpenRouter
- Azure
- Bedrock
- 更多 OpenAI-compatible 或云端 provider
它既可以使用 API key，也可以通过 ACP 使用已有的 Claude、ChatGPT 或 Gemini 订阅。
ACP 这一点值得关注。很多用户已经有模型订阅，但不同工具要么不支持直接复用，要么配置方式很割裂。goose 通过 ACP provider 把订阅模型接入 agent 工作流，能减少“订阅在一边、自动化工具在另一边”的割裂感。
不过 provider 政策变化很快。真正使用前，仍然要确认对应服务是否允许这种接入方式、是否有额度限制、是否适合公司代码或敏感数据。
MCP 扩展能力
goose 支持通过 Model Context Protocol（MCP）连接扩展。README 提到它可以连接 70+ extensions。
MCP 的意义在于：agent 不只会“聊天”和“改文件”，还能通过标准协议接入更多工具，比如文档、数据库、浏览器、内部系统、搜索服务、设计工具或项目管理系统。
对个人用户来说，MCP 可以让 goose 连接常用工具。对团队来说，MCP 更像一个安全边界和集成标准：你可以把内部能力包装成 server，让 agent 通过明确接口访问，而不是直接把所有系统暴露给模型。
与代码助手的区别
goose 不只是代码补全工具。更准确地说，它是一个本机 agent runtime。
代码助手通常重点在：
- 补全代码。
- 解释代码。
- 生成函数。
- 在编辑器里修改局部文件。
goose 更强调：
- 本机任务执行。
- 多步骤工作流。
- provider 可切换。
- 扩展能力。
- 桌面端和 CLI 并存。
- API 可嵌入。
- 不限定在代码任务。
这也意味着它的复杂度更高。你需要考虑模型配置、权限、扩展、工作目录、日志、凭据管理等问题。它不是“越自动越好”的工具，而是更适合被认真配置和逐步引入。
自定义分发
goose 仓库提供 CUSTOM_DISTROS.md，说明可以构建自己的 goose distro，预配置 provider、extensions 和 branding。
这对团队或组织很有意义。
比如团队可以做一个内部版本：
- 预置公司允许的模型 provider。
- 默认连接内部 MCP server。
- 配好安全策略和日志设置。
- 限制不允许使用的外部服务。
- 使用自己的品牌和默认引导。
这样普通成员不需要从零理解所有配置，也能减少把 key、provider、扩展配错的风险。
使用建议
如果你第一次尝试 goose，可以按这个顺序来：
- 先安装桌面端或 CLI。
- 配置一个你确定可用的 provider。
- 在测试目录里运行简单任务。
- 观察它会读取哪些文件、执行哪些动作。
- 再接入 MCP extension。
- 最后再尝试复杂代码仓库或自动化工作流。
不要一开始就把 goose 放进生产仓库、给它全部权限、再让它执行模糊任务。AI agent 的能力越强，越需要明确边界。
建议保持几个习惯：
- 重要改动前先提交 git。
- 不把 API key 写进项目文件。
- 只在可信 workspace 里启用高权限操作。
- 公司代码先确认数据合规和 provider 政策。
- 对自动化结果保留人工 review。
适合谁用
goose 更适合这些用户：
- 想要桌面端和 CLI 都可用的 AI agent。
- 希望使用多个模型 provider。
- 想通过 MCP 接入更多工具。
- 需要把 AI agent 嵌入自动化流程。
- 想在代码之外处理研究、写作、数据分析等任务。
- 团队希望构建带预配置的内部 agent 分发版。
如果你的需求只是“在 IDE 里补全代码”，goose 可能显得重。
如果你想要一个可以长期扩展的本机 agent 平台，它的设计会更有吸引力。
小结
goose 是 AAIF/Linux Foundation 旗下的开源 AI Agent，定位比传统代码助手更广。它提供桌面端、CLI 和 API，支持 15+ provider、ACP 订阅接入和 70+ MCP extensions，适合把 AI 放进本机工作流和团队自动化体系里。
它的价值不只是“能写代码”，而是把模型、工具、扩展和执行环境放在同一个 agent 框架下。使用时要特别注意权限、凭据和数据边界：先从小任务开始，确认 provider、扩展和执行行为都符合预期，再逐步扩大使用范围。