Eigent — open-source Cowork-десктоп с командой AI-агентов

Eigent — это open-source десктоп-приложение для «coworking» с AI-агентами: вы собираете, управляете и запускаете собственную команду искусственных интеллектов, которая превращает сложные рабочие процессы в автоматизированные задачи. Проект построен на базе известного open-source фреймворка CAMEL-AI и позиционируется как локальная и бесплатная альтернатива Claude Cowork и Codex. Репозиторий набрал около 15 000 звёзд и распространяется по лицензии Apache 2.0.

Ключевая идея — Multi-Agent Workforce: несколько специализированных агентов делят работу между собой, выполняют её параллельно и координируют сложные многошаговые процессы, а вы наблюдаете за ними и вмешиваетесь прямо в десктоп-окне.

Ключевые возможности

Работа с одним агентом. Можно начать с одного сфокусированного агента для прямых задач: исследование, написание текстов, отладка, операции в рабочем окружении — всё рядом с вами в одном окне.

Команда агентов (Workforce). Масштабирование до нескольких специализированных агентов, которые распределяют работу, сотрудничают параллельно и выполняют сложные многошаговые процессы совместно.

Автоматизация по расписанию. Повторяющиеся процессы можно планировать — агенты запускают задачи в нужное время, и работа продолжается, даже когда вы отошли от компьютера.

Локальность и безопасность. Агенты работают на вашей машине в режиме local-first: файлы, креденшелы и контекст остаются под вашим контролем, без обязательной отправки в облако.

Любые модели. Подключаются облачные API, корпоративные шлюзы или локальный инференс — привязки к одному вендору нет.

MCP и навыки. Полноценная интеграция с MCP (Model Context Protocol), поддержка skills, встроенные тулкиты браузера и терминала.

Коротко весь список заявленных фич:

• Zero Setup — никакой технической конфигурации не требуется
• Координация нескольких агентов и режим одного мета-агента
• Локальный деплой и 100% open source
• Model-agnostic подход
• MCP и Skill Integration
• Встроенные браузер и терминал
• Корпоративные функции: SSO, контроль доступа

Варианты запуска

Локальный деплой (рекомендуется)

Полностью автономный режим с полным контролем над данными, без облачного аккаунта:

• локальный backend-сервер с полным API;
• интеграция с локальными моделями (vLLM, Ollama, LM Studio и др.);
• полная изоляция от облачных сервисов и ноль внешних зависимостей.

Подробная инструкция — в гайде по локальному деплою в репозитории.

Быстрый старт (облачный)

Для быстрого превью с подключением к облачному backend достаточно Node.js 18–22 и npm:

git clone https://github.com/eigent-ai/eigent.git
cd eigent
npm install
npm run dev

Этот режим подключается к облачным сервисам Eigent и требует регистрации аккаунта. Для полностью автономной работы нужен локальный деплой.

После git pull зависимости обновляются отдельно для фронтенда и Python-бэкенда:

npm install

cd backend
uv sync

Enterprise и облако

Для организаций — SSO, кастомная разработка, масштабируемый деплой и SLA. Есть и управляемая облачная платформа: хостинг моделей, API и хранилища берут на себя разработчики, старт занимает считанные минуты.

Сценарии использования

Разработчики делятся несколькими показательными кейсами с сайта eigent.ai:

Отдельно примечателен кейс с CI: агенты сами распределяют роли — один собирает логи, другой сравнивает golden values, третий делегирует глубокий анализ — и в итоге собирают структурированный отчёт об инциденте.

Технологический стек

Проект построен на современных и проверенных технологиях.

Backend (Python):

• Framework: FastAPI
• Менеджер пакетов: uv
• Async-сервер: Uvicorn
• Аутентификация: OAuth 2.0, Passlib
• Мульти-агентный фреймворк: CAMEL

Frontend:

• Framework: React, десктоп-обёртка Electron
• Язык: TypeScript
• UI: Tailwind CSS, Radix UI, Lucide React, Framer Motion
• Состояние: Zustand
• Редактор потоков: React Flow

Дорожная карта

Проект развивается открыто, и в roadmap заявлены направления, по которым видно направление мысли команды:

• Context Engineering — кэширование промптов, оптимизация системных промптов, сжатие контекста
• Multi-modal — точнее понимание изображений в браузере, продвинутое видео-генерирование
• Мульти-агентная система — фиксированные процессы в Workforce, много раундов взаимодействия
• Browser Toolkit — интеграция BrowseComp, запрет повторных посещений страниц, автоклик кэша
• Document Toolkit — динамическое редактирование файлов
• Terminal Toolkit — интеграция Terminal-Bench
• Environment & RL — интеграция RL-фреймворков (VERL, TRL, OpenRLHF)

Кому подходит

Eigent стоит попробовать, если вы хотите иметь под рукой постоянного AI-помощника с доступом к браузеру и терминалу, но не готовы отдавать данные в проприетарный облачный сервис. Разработчику он заменяет рутину: разбор инцидентов CI, подготовку отчётов, генерацию прототипов, работу с файлами. Небольшой команде — даёт корпоративные функции вроде SSO без покупки коммерческой лицензии. А благодаря model-agnostic подходу можно начать с бесплатной локальной модели и постепенно подключать более мощные API.

Отдельно стоит отметить темп разработки: более 2200 коммитов, активные дискуссии и 1,8 тысячи форков — проект живой, и roadmap регулярно пополняется из запросов сообщества.

Экосистема и лицензия

Eigent полностью open source с первого дня — каждый коммит и решение прозрачны. Проект опирается на исследования и инфраструктуру CAMEL-AI.org, и спонсорство CAMEL напрямую поддерживает развитие Eigent. Код распространяется по лицензии Apache 2.0, документация доступна на docs.eigent.ai.

Если вам нужен десктоп, где AI-агенты работают как полноценная команда — с браузером, терминалом, расписанием и локальными моделями — Eigent один из самых зрелых вариантов в open-source сегменте.