上周刷 GitHub Trending，一个 43000+ Star 的项目引起了我的注意——Goose。更让我意外的是，它刚从 Block（Square 的母公司）迁移到了 Linux 基金会旗下的 Agentic AI Foundation (AAIF)。一个用 Rust 写的 AI Agent，既有桌面 App 又有 CLI，还能嵌入 API。这不就是 Claude Code 和 OpenCode 的直接竞品吗？
我花了一个周末深入看了它的源码和文档，把这三个工具放在一起做了个对比。结论可能跟你想的不一样。
Goose 的定位很清晰：一个跑在你机器上的通用 AI Agent。不只是写代码——研究、写作、自动化、数据分析，什么都能干。
几个硬数据：
| 指标 | 数据 |
|---|---|
| GitHub Stars | 43,358 |
| Forks | 4,417 |
| 主要语言 | Rust |
| License | Apache 2.0 |
| 贡献者 | 30+ |
| 支持的 LLM Provider | 15+（Anthropic、OpenAI、Google、Ollama、OpenRouter、Azure、Bedrock 等） |
| MCP 扩展 | 70+ |
| 创建时间 | 2024-08-23 |
2026 年 4 月，Goose 从 block/goose 正式迁到了 aaif-goose/goose。Linux 基金会专门成立了 Agentic AI Foundation 来托管这个项目——这在 AI Agent 领域是头一遭。
它有三种使用方式：
curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash 一行安装Goose 的架构设计是它最大的亮点，也是最值得学习的地方。
┌─────────────────────────────────┐
│ Interface Layer │
│ (Desktop App / CLI / API) │
└───────────────┬─────────────────┘
│
┌───────────────▼─────────────────┐
│ Agent Core │
│ (interaction loop, context │
│ management, error handling) │
└───────────────┬─────────────────┘
│
┌───────────────▼─────────────────┐
│ Extensions (MCP) │
│ 70+ tools via Model Context │
│ Protocol │
└─────────────────────────────────┘
Interface 层收集用户输入，展示输出。Agent Core 管理整个交互循环：把请求 + 可用工具列表发给 LLM，执行 LLM 返回的工具调用，把结果返回给 LLM，循环往复直到任务完成。Extensions 层通过 MCP 协议提供具体的工具能力。
Goose 的 Agent Loop 有个值得注意的设计——Context Revision。每次工具调用返回结果后，Goose 会用一个小型 LLM 做摘要，移除过时信息，优化 token 使用。这意味着它能在长对话中保持上下文质量，而不是像一些 Agent 那样越聊越笨。
错误处理也很有意思：Goose 把所有错误（包括 JSON 解析失败、工具不存在这类问题）都作为工具响应返回给 LLM，让模型自己决定怎么处理。不是直接抛异常挂掉，而是给模型一个自我修复的机会。
Goose 基于 Model Context Protocol (MCP) 构建扩展系统，这是 Anthropic 提出的开放标准。70+ 扩展包括：
| 类别 | 扩展举例 |
|---|---|
| 内置 | Developer（默认启用）、Computer Controller、Memory、Auto Visualiser |
| 平台 | Apps、Chat Recall、Code Mode、Extension Manager、Summon、Todo |
| 外部 | 通过 --with-extension "npx -y @modelcontextprotocol/server-github" 动态加载 |
特别提一下 Summon——它可以加载 skills 和 recipes，把子任务委派给子 Agent。这跟 Claude Code 的 multi-agent 思路异曲同工。
除了 MCP，Goose 还支持 ACP (Agent Client Protocol)。这意味着：
说白了，Goose 不只想当 Agent，还想当 Agent 的调度器。
Claude Code 不需要太多介绍。它是 Anthropic 官方的 CLI Agent，深度绑定 Claude 模型。
优势很明显：
短板也很明显：
Claude Code 的定位是一个高度优化的单模型 Agent。它在 Claude 生态里表现最好，但出了这个生态就是另一回事了。
OpenCode 是另一个开源的终端 AI Agent，走的是简洁路线。
核心特点：
不足之处：
OpenCode 更像是一个务实的工具选择——够用、开源、不折腾。
直接上表，不废话：
| 维度 | Goose | Claude Code | OpenCode |
|---|---|---|---|
| 开源 | ✅ Apache 2.0 | ❌ 闭源 | ✅ 开源 |
| 语言 | Rust | TypeScript | Go |
| 使用方式 | 桌面 App + CLI + API | CLI + IDE 插件 | CLI |
| 模型支持 | 15+ Provider | 仅 Claude | 多 Provider |
| MCP 扩展 | 70+ | 支持 | 有限 |
| ACP 支持 | ✅（双向） | ❌ | ❌ |
| 桌面 App | ✅ 全平台 | ❌ | ❌ |
| 上下文管理 | 自动摘要 + 压缩 | 原生优化 | 基础 |
| 错误恢复 | LLM 自修复 | 成熟 | 基础 |
| 治理 | Linux 基金会 | Anthropic | 社区 |
| 成本 | 免费（自带模型 API 费） | API 费 + 订阅 | 免费（自带模型 API 费） |
| 成熟度 | 快速成长中 | 最成熟 | 早期 |
几个关键差异值得展开说说：
Goose 和 OpenCode 都支持多个 LLM Provider，你可以用 Anthropic、OpenAI、Google，甚至本地 Ollama。但 Claude Code 对 Claude 模型的优化是其他工具比不了的——它的 prompt engineering、工具调用格式、上下文管理都是针对 Claude 深度调优的。
这是典型的 广度 vs 深度 权衡。如果你只用 Claude 模型，Claude Code 的体验可能是最好的。但如果你想在 GPT-5、Gemini、Llama 之间切换，Goose 是更灵活的选择。
Goose 的 70+ MCP 扩展是实打实的优势。而且 MCP 是开放标准，理论上任何 MCP 服务器都能接入。这意味着 Goose 的工具集可以持续增长，不需要等官方开发。
更关键的是 ACP 协议——Goose 可以把 Claude Code 当作自己的 Provider。也就是说，你可以用 Goose 的界面和扩展生态，同时享受 Claude Code 的模型能力。这种"我全都要"的思路很有意思。
Goose 用 Rust 写的，这意味着：
Claude Code 用 TypeScript 写，在 Node.js 环境里跑，对于大多数开发场景够用了。但如果你在意性能和资源占用，Rust 的优势是真实的。
说了这么多，给出我的建议：
选 Claude Code，如果：
- 你已经是 Claude 订阅用户
- 你主要用 Claude 模型，不需要切换
- 你需要最成熟的代码 Agent 体验
- 你不介意闭源
选 Goose，如果：
- 你想要一个开源、可自托管的 Agent
- 你需要在不同 LLM Provider 之间切换
- 你需要桌面 App 而不只是 CLI
- 你想要丰富的 MCP 扩展生态
- 你在乎项目的长期治理（Linux 基金会背书）
选 OpenCode，如果：
- 你想要一个轻量级的终端 Agent
- 你不需要桌面 App
- 你更看重简洁而非功能丰富度
- 你想快速上手，不想配置太多东西
有一点可以确定：Goose 转投 Linux 基金会，意味着 AI Agent 领域开始出现基金会级别的治理结构。这对开源生态是个好信号——至少在治理层面，AI Agent 工具正在走向成熟。
如果你的团队在评估 AI Agent 工具，建议三个都试一下。Goose 的桌面 App + CLI 组合对新手最友好，Claude Code 在纯代码场景下效率最高，OpenCode 适合已经有成熟工作流的老手。
作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。
本文首发于 AI人工智能时代，转载请注明出处。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。