企业官网建设流程全解析

大家好，我是Java陈序员。

用 AI 编程的开发者，电脑往往安装多个 Agent: Cursor、Claude Code、Codex…等等。

AI 编程虽然大大提高了编程效率，但是每个 Agent 都把模型写在自己的配置文件里，格式各不相同，key 和接口地址也各管各的。

这就导致密钥散落在各个配置，切换模型操作繁琐，对比测试不同模型时非常折磨人。

今天，给大家介绍一个本地 AI 网关应用，一处搞定多 AI Agent 模型管理！

项目介绍

magpie—— 一个本地 AI 网关应用，让每个 Agent 都能用上每一个模型。只需要添加一次大模型供应商，在任何 Agent 里都能一键选用。

功能特色：

• 统一本地 AI 网关：本地网关服务自动兼容各大模型厂商的接口差异，一套地址兼容 OpenAI Responses、Anthropic Messages 等各类兼容式开源模型接口，同时支持流式输出、工具调用、长思考推理、上下文会话完整透传
• 可视化管理：提供可视化面板，自动扫描本机所有已安装 Agent, 一眼看清每个 Agent 在用什么模型，点一下就能切换，下次会话即生效
• 全平台模型聚合：原生支持几乎所有主流大模型厂商，模型列表直接从厂商获取，同时支持本地模型、第三方中转地址，兼容性拉满
• 智能路由：内置多种智能调度策略，同时可将多个模型、多个账号组建为路由组，遇到限流、欠费、超时自动熔断切换，全程无感
• 全局密钥统一托管：所有 API Key 统一存放，各 Agent 不再保存密钥，同时支持订阅账号一键登录复用，无需手动复制 Key, 以及支持单密钥、单账号自定义配额、限流、每日上限
• 可视化用量统计：内置完整用量看板，Token 消耗、缓存命中、推理用量、调用次数、各厂商/各账号/各会话成本等数据都可实时查看
• 跨平台完美支持：提供应用包、TUI 终端、CLI 命令等多种使用形态，跨平台完美支持 Windows、macOS、Linux

与 CC‑Switch 对比：

很多人会把 magpie 和 CC‑Switch 混淆，二者定位本质不一样：

• CC‑Switch 是批量修改各个 Agent 配置
• magpie 是搭建一层中间网关，所有流量经过网关转发，能力上限更高

快速上手

magpie支持多种使用形态，可通过不同方式进行安装使用。

• 安装包安装

1、打开下载地址

https://github.com/yetone/magpie-releases/releases/

2、选择下载对应操作系统的安装包进行安装使用

• 脚本命令安装

1、一键安装命令

curl-fsSLhttps://usemagpie.ai/install.sh|sh

2、常见使用命令

# 添加供应商magpie provideradddeepseek sk-…# 预设只需要密钥magpie provideraddmoonshot sk-… magpie provideraddollama# 本地服务器不需要# 给 Agent 换上第三方模型magpie codex deepseek/deepseek-v4-pro magpie claude moonshot/kimi-k3 magpie gemini zhipu/glm-5.3 magpie opencode claude/claude-sonnet-5# 在 OpenCode 里用你的 Claude 订阅# 一个模型，多个供应商magpie groupaddopusmodels=claude/claude-opus-5-5,copilot/claude-opus-5.5routing=order magpie claude group/opus magpiels# 每个 Agent 和它的模型magpie save work&&magpie use work# 方案magpie tui# 在终端里用完整的应用

功能体验

• Agent

• 供应商

• 网关

• 路由

• 用量

• 资源库

• 设置

可以说，以往我们使用 Cursor、Claude Code、Codex、Kimi Code 等多款 AI Agent 时，最大的痛点就是模型分散、密钥分散、配置分散，切换模型需要反复修改配置文件，不仅麻烦，还极易造成密钥泄露、配额浪费、版本混乱等问题。

而magpie跳出了传统工具“替换配置”的旧思路，通过本地统一 AI 网关的全新架构，实现了一处配置、全网生效、任意 Agent 自由切换模型。如果你平时经常使用各类 AI 编码助手，magpie可以帮助你解决以上痛点难题，快去试试吧~

项目地址：https://github.com/yetone/magpie

最后

推荐的开源项目已经收录到GitHub项目，欢迎Star：

https://github.com/chenyl8848/great-open-source-project

或者访问网站，进行在线浏览：

https://chencoding.top:8090/#/

大家的点赞、收藏和评论都是对作者的支持，如文章对你有帮助还请点赞转发支持下，谢谢！