本期「每日五技」从 GitHub 实时搜索中精选 5 个面向 AI Agent 开发者的实用项目，覆盖 桌面助手、多 Agent 编排、Agent 可观测性、MCP 网关、浏览器自动化 五大方向。其中既有 10w+ Star 的热门工具，也有 3k 级别但定位独特的「基础设施级」新项目，适合不同阶段的 Agent 开发者参考。
🛠️ 1. farion1231/cc-switch
- 🔗 GitHub：github.com/farion1231/cc-switch
- ⭐ Stars：112.9k
- 💬 跨平台桌面 All-in-One 助手，统一管理 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI 与 Hermes Agent 等多种 AI 编程助手的供应商配置。
这是一个用 Rust 写的高性能桌面应用（macOS / Linux / Windows 全平台），解决当下 AI 编程生态”碎片化”的真实痛点：开发者常常同时使用 Claude Code 写代码、Codex 做 review、偶尔切到 Gemini CLI 处理长上下文，每个工具的 API Key、Provider、MCP 服务器、模型预设都散落各处。cc-switch 提供统一的 GUI 来管理这些配置——一键切换 OpenRouter / DeepSeek / 月之暗面等不同供应商、一键启停 MCP 服务、一键导入导出配置备份。它支持 hermes-agent、claude-code、codex、minimax 等多个 topic 标签，意味着已经为你常用的 AI 工具都做好了适配。中文社区使用率很高，是目前 GitHub 上 Star 数最高的 AI 编程桌面工具之一。
🛠️ 2. lobehub/lobehub
- 🔗 GitHub：github.com/lobehub/lobehub
- ⭐ Stars：79.4k
- 💬 你的「首席 Agent 运营官」——把多个 AI Agent 编排成 7×24 持续运营的虚拟员工团队。
LobeHub 的定位不是又一个 ChatGPT 客户端，而是「Chief Agent Operator（CAO）」。它把”管理 AI Agent”这件事抽象成企业运营：你可以像招聘员工一样接入新 Agent（支持 ChatGPT、Claude、自定义 LLM 接入的 agent），像排班一样给 Agent 安排定时任务，像看周报一样追踪每个 Agent 的产出与质量。背后是 TypeScript 全栈实现，前端体验打磨得相当成熟，对多 Agent 协作（agent-collaboration、agent-harness）有完整支持。对于希望把”散装”的 Agent 调用升级成”团队级 Agent 流水线”的中大型团队，LobeHub 提供了一个开箱即用的编排平台，比从零搭建 LangGraph / CrewAI 更适合非工程背景的运营、产品负责人使用。
🛠️ 3. raga-ai-hub/RagaAI-Catalyst
- 🔗 GitHub：github.com/raga-ai-hub/RagaAI-Catalyst
- ⭐ Stars：16.1k
- 💬 Python SDK：Agent AI 可观测性、监控与评估框架，专治 Agent 黑盒难调试。
做 Agent 应用的人都经历过这种崩溃：Agent 在生产环境答错了，但完全不知道是 prompt 问题、工具调用问题、还是 LLM 本身的问题。RagaAI-Catalyst 就是为解决这个问题而生——它提供 agent、llm、tool 三个层级的全链路 trace，支持 multi-agent 调试、token / 成本监控、性能基准评估、AI 质量打分。Apache-2.0 协议、商用友好。Python SDK 设计轻量，几行代码就能接入现有 Agent 项目。功能定位对标商业产品 LangSmith、Langfuse，但完全开源，特别适合成本敏感的中小团队或独立开发者把 Agent 推向生产前的最后一公里。
🛠️ 4. agentgateway/agentgateway
- 🔗 GitHub：github.com/agentgateway/agentgateway
- ⭐ Stars：3.7k
- 💬 下一代 Agentic Proxy：专为 AI Agents 和 MCP Servers 设计的高性能 API 网关。
当你的组织里同时跑着几十个 MCP Server、几百个 Agent 实例时，流量管理、限流、鉴权、可观测性这些”传统微服务”问题就会原封不动地出现在 AI 基础设施上。agentgateway 用 Rust 实现、原生 Kubernetes 集成、基于 Gateway API 标准，把 Envoy / Istio 那一套成熟的网关能力移植到 Agent / MCP 场景：你可以用熟悉的 K8s YAML 配置 MCP 路由、用同样的限流策略保护昂贵的 LLM 调用、用同一套可观测性栈追踪 Agent 流量。它解决了”MCP 服务多了怎么管”这个从 demo 走向生产时绕不开的问题，是当前 AI 基础设施层少有的”网络协议 + 编排”交叉领域项目。
🛠️ 5. epiral/bb-browser
- 🔗 GitHub：github.com/epiral/bb-browser
- ⭐ Stars：5.9k
- 💬 「浏览器即 API」——CLI + MCP Server，让 AI Agent 直接控制你日常登录的 Chrome。
与 browser-use、Playwright 这类开 headless 浏览器做自动化的方案不同，bb-browser 的核心思路是”直接接管你已经在用的 Chrome”：它通过 Chrome DevTools Protocol 与你日常的 Chrome 通信，能直接使用你浏览器里已经登录的 cookie、session、本地存储——这意味着访问公司内网、需要 2FA 的后台、已经登录的 Notion / Gmail / 飞书等需要登录态的场景，对 AI Agent 来说都不再是障碍。同时提供 CLI 和 MCP server 两种接入方式，TypeScript 实现，MIT 协议。对于”我想让 Agent 帮我点开公司后台导出数据”这类”小但高频”的真实工作场景，bb-browser 是当下最轻量的方案之一。
📡 数据源：GitHub Search API
如有侵权请联系删除。