目录

离开工位以后:我给 Mac 上的 agent 装了一个手机入口,以及为什么手机上说「可以,合并」不算数

上一篇写结果文件,讲的是协调方和执行方怎么交接。那套东西能跑,但有个前提我当时绕过去了:执行方在本机,人也得在本机。后来我把重活收回本机自己跑,这个前提就变成了每天的问题——活在 Mac 上,人经常不在 Mac 跟前。

我平时用 Claude Code 和 pi,都接自己的 magpie 网关,日常模型是 DeepSeek v4.1 Flash,编码和杂活都是它,设计审核另找一个强一点的模型看(gpt 6.1 sol,之前用 Opus 5.5,用了几年的账号被封了才换)。活以编码为主,也拿它们上网收集资料,最近还找工作、投简历。会话开多少看事情多少,闲时一两个,忙起来十个以上,每个管一摊事。agent 跑完一轮或者问了个只有我能答的问题,就停在那儿等着。我在工位上当然没事,问题是我总有不在的时候,出去遛个狗,那个会话就干等半小时。

远程桌面我试过,为回一句话开个桌面太重了。隧道之类的方案要在内网留个入口,不想留。官方倒是有个 Remote Control,后面会说为什么用不了。看了一圈,自己做了一个,Agent Bridge,11 月 10 号建仓,14 号发到 0.11.0。干的事情很窄:手机浏览器里能看到 Mac 上的 agent 会话,能回话,如此而已。

动手之前先验证了五轮

这次没直接写代码。11 月 9 号先写了份方案,花了几天做预验证,主要是怕几个想当然。有的话听起来理所当然,实测完全不是那么回事,这个项目后面最大的坑也确实不在写不出来,在想错了。

验证下来,中继这条路是通的,Cloudflare 的 Durable Object 能做 WebSocket 房间,Noise 有标准实现,端到端加密不用自己发明。Claude Desktop 的 Code 会话,桌面开着的时候能往里送话,每个会话进程都在 /tmp/cc-socks/ 下面挂了个 socket,实测送进去的消息落在同一条记录的末尾,界面上看得见,也没把记录写分叉。ChatGPT 那边的 Codex 线程能走它自己的 IPC,不过只能发给桌面里已经打开的线程,没打开的发不了。

也有当场划掉的。Claude 的普通聊天在本机根本没有本地记录,我装的这个版本连聊天界面都没有,这条线就不要再想了。所以最后的结论只能写「部分通过」,范围就按这个划,通哪条做哪条。

架构没什么花样

Mac 上装个 daemon,加一个菜单栏的小应用。它只往外连,连到 Cloudflare 的中继上挂着,家里网络不开放任何入站的东西,不用端口映射也不用改防火墙,我比较在意这条,为了远程回个话在路由器上开个洞,我不干。

中继看不见内容。浏览器和 Mac 之间是 Noise 端到端加密的,它只管转发密文,顶多知道房间号、什么时候有流量、多大的包。配对也不搞账号那一套,本机生成一个一次性令牌,只有哈希传到中继,令牌本身放在链接的 # 后面,那部分浏览器本来就不会发给服务器。配对时手机和 Mac 上各出一个 6 位的码,对上了才算数,令牌用完就废,几分钟过期。

麻烦的是适配器,每个 agent 存会话、收消息的方式都不一样,只能一个个接。Claude Desktop 的 Code、Claude Code 的命令行、ChatGPT 的 Codex、Codex 命令行、Antigravity、DeepSeek Harness,后来还有 pi。接完还得如实标能力,读不全的就标 partial。这些 agent 没有哪个给过稳定的接口,硬说全支持是骗人,也骗自己。

功能都是用出来的

第一版只有镜像,把桌面上的会话搬到手机上,能看能回。够用了几天,然后就卡在批准上,手机上说「可以,合并」,它不认。这个问题值得单独一节,放在后面。

破局的是托管会话。往别人的会话里塞话,语义上就是转达,那就不塞了,让 Bridge 自己拉起一个 Claude Code 进程,输入口归它管。从网页新建的会话都是这种,工具调用要批准、agent 要提问,都走协议回到浏览器,手机上点同意或者拒绝,是真的生效。代价是这种会话在桌面应用里看不到,两边是两套。0.1.7 上线之后,我的使用习惯就慢慢全挪过来了。

剩下的改动回头看全是被小事追的。Bridge 重启会把它拉起的进程一起带死,跑了一半的那轮就没了,后来加了个常驻的守护进程专门持有这些子进程,Bridge 重启只断一下连接,回合照跑,回来把中间的输出补上。agent 半夜跑完我不知道,又加了推送。再后来 pi 也能托管了,它本来就是我用得最多的,网页上能换模型、能给子代理单独设模型和思考等级。

我最常用的反而是三个小功能

todo 是 0.11 才加的,加之前我没觉得缺,加完离不开了。用着用着会突然想起一件事,可能是个功能,可能是个 bug,当时手头这个对话正在跑,又不想为它新开一个对话、多拉一个分支出来,就先记在 todo 里,标一下是功能还是 bug。等这个对话跑完、空出来了,点一下那条,它就接到输入框里发过去了。东西存在 Bridge 自己的库里,不怕清浏览器缓存,换台机器就是另一个库,这点要注意。

侧边栏在手机上不明显,在桌面浏览器里是主力。左边那一列可以一直开着,结构树、历史都在,哪个会话在跑、哪个在等我回话、哪个有没看的新回复,一眼就知道。会话里那条信息栏也是,上下文用了多少、挂着哪些后台任务,摊开摆在那儿。比起在终端里滚来滚去翻 TUI,我现在更愿意开着网页看,信息是摊开的,不用记。

还有一个快速切换,顶栏一个按钮,在最近两个对话之间来回跳。听起来小,用起来停不下来,因为我发现自己同时深跟的对话其实只有两个,开十个是有的,但注意力就两个之间转。再多,维护不过来。说到底 agent 再能跑,最后排队等的是我,AI 时代瓶颈是人脑,这个没办法。

这些功能现在长在我的日常动线里。通勤路上、遛狗的时候、在沙发上看电视、晚上躺床上、甚至坐在马桶上——只要想起来某个会话该回了,掏出手机就能看、能回、能安排下一件。能这样用的前提是托管模式基本就是全功能:不是桌面版的只读镜像,是会话本身就在手机上完整地跑。

批准不了,这件事我想了很久

往桌面会话里送话只有 peer socket 这一条路,送进去的话会被包上一层:

1
2
3
<cross-session-message from="uds:/tmp/cc-socks/<pid>.sock" from-name="Agent Bridge · <设备名>">
你说的话
</cross-session-message>

收到话的 agent 分得清内容和人。改代码、查东西这种,它照做。但合并、发版、删东西这类事,它会回一句,这话是另一个会话转来的,不算我本人说的。我一开始觉得这是障碍,后来觉得它是对的。Bridge 要是把这层包拆了,把手机上的话伪装成我在桌面输入框里打的,那任何一段被转发的文字都能冒充我去批准一次上线。这个口子不能开,开了这个工具的安全模型就全塌了。

所以现在就三条土办法。要么最后一步我回电脑自己点;要么在桌面那个会话里提前说好,检查都过了的 PR 你自己合,手机上再说合并,算在提前给的授权里;要么让它把命令打出来,我复制到终端自己执行。都不优雅,但语义是干净的。真要手机上批,就开托管会话,那边没有这个问题。

官方的 Remote Control 我认真查过,它在官方应用里发的话确实算本人回合,没有这层包。查完发现三条对不上:它要 claude.ai 订阅登录,不认 API key 也不认第三方网关,我本机走 magpie 又没登录,跑起来直接报错;它不给本地程序留接口,Bridge 没办法把手机的输入递进去;还有它的记录存在 Anthropic 那边,我做这个东西的前提就是内容不出自己的机器和密文通道。功能是好功能,解的不是我这个问题。

还有条路实验过,claude --resume -p,拿会话 id 把话追加进去。它是真执行,连提交都给你做了,但执行的不是桌面里开着的那个进程,是新拉起来的一个。桌面那个不读磁盘上的记录,新说的话进不了它的脑子,而且两个进程同时写一个记录文件,写着写着就分叉了,后加的那些话成了没人认的孤儿。回执说成功了,实际状态对不上,这种比做不到还坏,停了,不做。

终端里直接跑的会话还有个小问题,它弹出选择题的时候,网页上是答不了的。试了几种送法,要么通道不理,要么写进去的地方根本不是输入队列,要么权限不够。只有当会话跑在 herdr 的面板里时有办法,那个面板能把真按键送进去,先看清光标指着哪个选项,再按方向键和回车,只敢做单选,多选不敢碰。没有 herdr 的时候,老实回终端答。

剩下的限制一次说完吧。网页只能新建托管会话,别的适配器都是附着在已经有的会话上。读取普遍不全,缺工具输出、缺附件、缺早期的对话,都有可能。Antigravity 的桌面版只能看不能发。协议里有些方法写了还没实现,网页拿新消息靠轮询,聊天页五秒刷一次,不实时。界面只有中文。记录文件落在磁盘上没加密,靠系统给的目录权限挡着。一个房间只能绑一台 Mac,大概就这些,想起来再补 CHANGELOG 里都有。

现在的状态

0.11.0,MIT 开源,GitHub 上 gowinder/agent-bridge,有 DMG 下载,网页端在 agent-bridge.craftstead.app。签名公证要配了苹果的证书才有,没配的版本第一次打开得去系统设置里手动放行,README 里写了,没什么好美化的。

我自己的用法换过三茬。一开始用 Claude 桌面版的会话,镜像看着是方便,但真到要提交代码、开 PR 的时候就卡住,批准不了事,最后一步总得回电脑。后来换成 Bridge 托管的 Claude Code,能跑完整流程了。现在主要用托管的 pi,功能比较全,也比较开放,模型、子代理、思考等级这些都能在网页上直接设。

还有一件说出来有点绕的事:Agent Bridge 后期的开发,大部分就是托管 pi 通过 Agent Bridge 自己开发的。我有灵感先丢进它自带的 todo 里记着,完成一个,手动安排下一个,人在哪儿都能推进。等 app 设置里那个「自动更新」开关做到开了就全自己来(检测到新版就自己下载装上,不用我点「检查更新」和「立即更新」),我基本可以脱离 Mac 主机用它——工具做到能脱离自己的开发机继续开发自己,这条线算是闭环了。

下一步不急着加新 agent。订阅推送欠着,做了轮询就能退,那是体验上最大的一块,pi 托管还有几个边角在磨,先磨完再说。

最后留个问题,也是我真想听听别人怎么想的:一个能从手机直达你开发机的工具,做到什么程度你才敢让它常开着。我的答案就是前面那些,只出不进,中继看不见明文,批准权不外借。哪条松了,我宁可不用它。