我们公司现在用 AI 工具的人越来越多了。有人用 Claude Code，有人用 Cursor，还有人用 Codex CLI。每个人本地都配了一套 MCP、API Key、自定义 Skill，出了问题互相帮不上忙，新人入职又要重新配一遍。
最近看到 OpenWork，different-ai 团队开源的，TypeScript 写的，20k+ Star。它给自己的定位是 Claude Cowork 的开源替代，但核心解决的问题我更感兴趣：让团队里的不同 AI 工具共享同一套技能和连接服务。
我把它研究了一遍，今天说说这个思路。
一、它解决什么问题
现在的 AI 编程工具很多，但有个很烦的点：技能、MCP、连接服务都锁在单个客户端里。
你在 Claude Code 里配了一个很好用的代码审查 Skill，同事用 Cursor 就用不了。你在 Codex 里接了一个内部 API 的 MCP，换台机器又要重新配。团队规模一上去，每个人都在重复造轮子。
OpenWork 的做法是：做一个共享的 AI 工作流中枢。你在这个中枢里配置一次 Skill、MCP、连接服务，然后通过一个远程 MCP 暴露给所有兼容的 Agent 客户端。
OpenWork 中枢
├── Skills（技能库）
├── MCP 连接
├── Google Workspace / Microsoft 365
└── 插件市场
│
┌────┼────┬────────┐
│ │ │ │
▼ ▼ ▼ ▼
Codex Claude Cursor 其他 MCP 客户端
二、核心设计：一个 MCP，打通所有客户端
OpenWork 最巧妙的地方是用 MCP 协议作为统一接口。
它在云端或本地跑一个 OpenWork MCP 服务器，然后让 Codex、Claude Code、Cursor 这些客户端都连到这个 MCP。客户端只需要知道两个工具：
search_capabilities：查询当前用户能用哪些能力execute_capability：执行选中的能力
# Codex
codex mcp add openwork --url https://api.openworklabs.com/mcp/agent
# Claude Code
claude mcp add --transport http openwork https://api.openworklabs.com/mcp/agent
# OpenCode
# 在 opencode.json 里加一段远程 MCP 配置
接完之后，你在任一客户端里都能调用 OpenWork 中枢里配置好的技能，而不需要每个客户端单独配置。
三、OpenWork Den：团队级管理控制台
如果只是个人用，OpenWork 和一个本地 MCP 服务器差别不大。它的团队价值在 OpenWork Den 这个管理控制台：
Den 里可以做的事情：
- 成员管理：邀请队友、创建团队
- 权限控制：谁能用哪个模型 provider、哪个 MCP、哪个 Skill
- 桌面策略：限制本地模型访问、控制可使用的应用版本
- 插件市场：发布团队内部的 Skill 和插件
- 模型供应：集中配置推理 provider，统一管控 API Key
这个设计对企业的意义很实际：以前 API Key 散落在每个人本地，现在可以集中管理、按团队分配。
四、桌面应用 + 任意 Agent
OpenWork 有一个 Electron 桌面应用，提供独立的工作空间。但它的设计是"桌面应用 optional"——你可以不用桌面应用，直接从你现有的 Agent 里调用 OpenWork 的能力。
桌面端主要价值：
- 可视化管理工作空间
- 浏览和安装 Skill
- 管理 MCP 连接
- OAuth 登录时自动打开浏览器完成认证
后台引擎用的是 OpenCode CLI，所以 OpenWork 本质上是 OpenCode 的一个企业级封装层。
五、能做什么实际工作
OpenWork 本身不直接做"文档智能摘要"或"跨文件检索"，但它可以通过 Skill 和 MCP 接入这些能力。比如：
- 接一个文档处理 MCP，做长文档摘要
- 接一个代码图谱 MCP，做跨文件检索
- 接 Google Workspace / Microsoft 365，处理邮件和日历
- 接内部 API，做业务自动化
它提供的是统一的接入和分发层，具体能力来自你配置的 Skill 和 MCP。
内置也支持导入 Anthropic 兼容的插件，自动转化为 OpenWork 的 Skill 和 MCP。这对已经在用 Claude 生态的团队很友好。
六、部署方式
个人快速体验
git clone https://github.com/different-ai/openwork.git
cd openwork
pnpm install
pnpm dev
团队部署
OpenWork 支持两种模式：
- Host Mode：在本地或服务器启动完整服务，适合个人或团队共享服务器
- Client Mode：连接到远程 OpenWork 服务器，适合团队协作
对于企业，通常会自己部署 OpenWork Den + 远程 MCP 服务器，让团队成员通过 Client Mode 连接。这样可以保证数据不走到 OpenWork 官方的 SaaS。
七、我的判断
适合谁：
- 团队里同时用多种 AI 工具（Codex / Claude Code / Cursor / OpenCode）
- 希望统一管理团队 Skill、MCP、API Key
- 对数据合规有要求，想私有化部署
- 想让非技术同事也能通过 OAuth 轻松接入 MCP
不适合谁：
- 个人开发者单兵作战
- 团队全员只用同一个 IDE（比如全员 Cursor）
- 不想维护额外基础设施的小团队
- 主要需求是工作流自动化而非工具配置共享
实际价值：
OpenWork 最打动我的是它把"AI 工具配置"当成了一种团队资产。Skill、MCP、连接服务不再是每个人本地的一堆零散文件，而是可以发布、版本化、分配权限的共享能力。
这在 10 人以上的团队里很有价值。想象一下：安全审计通过的 MCP、经过测试的代码审查 Skill、对接好的内部 API，全部在 Den 里发布，新同事入职自动获得——这比每次手把手教效率高得多。
结语
OpenWork 不是又一个 AI Chat 客户端，而是一个企业级 AI 能力分发平台。它解决的不是"让 AI 做什么"，而是"让团队的 AI 工具如何共享同一套能力"。
当 AI 编程工具越来越多、团队里工具越来越杂时，这种"配置即资产"的思路会变得越来越重要。
