Block 捐赠给 Linux 基金会的 AI Agent,正在重新定义＂通用助手＂

不只是一个代码助手——它是桌面应用 + CLI + API 三合一的通用 AI Agent，支持 15+ 大模型和 70+ MCP 扩展

一、AI Agent 的"战国时代"

2026 年的 Agent 生态，用一个字来形容就是"乱"。

Claude Code 擅长编程，OpenAI Codex 擅长生成，Cline 能操控浏览器，Copilot 是 IDE 插件——每个 Agent 有自己的专长，但问一个"帮我做市场调研，然后整理成表格发邮件"的需求，没有哪个 Agent 能一条龙搞定。

这不是技术做不到，而是生态太碎片化。

Goose 想改变这件事。

它来自 Block（Square 和 Cash App 的母公司），创始人团队在支付领域处理过高并发、高安全性的复杂系统。2026 年 4 月，Block 将 Goose 捐赠给了 Linux 基金会旗下的 Agentic AI Foundation（AAIF），与 Anthropic 的 MCP 协议和 OpenAI 的 Agent SDK 同驻一个组织。

目前，Goose 在 GitHub 上已有 47,458 颗 Star，今天又涨了 338 颗。

二、Goose 到底是什么？

Goose 是一个通用型 AI Agent——不局限于编程，你可以用它做研究、写文档、自动化流程、数据分析，或者任何需要 AI 协助完成的事情。

它的独特之处在于三种形态同时存在：

底层用 Rust 构建，保证了性能和跨平台的一致性。这不像 Electron 套壳的应用，它是一个真正原生的 Agent 体验。

2.1 为什么说它是"通用"的？

Goose 对接了 15 个以上 LLM 提供商：

• • 商业 API： Anthropic Claude、OpenAI GPT、Google Gemini
• • 本地模型： Ollama（本地运行 Llama、Qwen 等）
• • 云平台： Azure OpenAI、AWS Bedrock
• • 路由服务： OpenRouter

而且它原生支持 Agent Communication Protocol (ACP)——你可以直接用现有的 Claude、ChatGPT 或 Gemini 订阅来驱动 Goose，不需要额外购买 API Key。

2.2 MCP 扩展生态

Goose 是 MCP（Model Context Protocol）的"一等公民"。通过 MCP，它可以接入 70+ 种扩展工具：

• • GitHub：创建 Issue、提交 PR、管理仓库
• • Slack：发消息、搜历史记录
• • 文件系统：读写文件、管理目录
• • 数据库：直接查询 PostgreSQL/MySQL/SQLite
• • 浏览器：自动导航、抓取内容
• • 自定义：用 Python/TypeScript 写你自己的 MCP Server

Goose 还支持 MCP Roots——扩展可以理解你的活动工作区上下文，让工具调用更加准确。

三、怎么用？30 分钟上手实战

3.1 安装

桌面应用（推荐新手）：

从 GitHub Releases^[1] 下载对应系统的安装包即可。支持 macOS（.dmg）、Windows（.exe）、Linux（.AppImage）。

CLI 安装（一行命令）：

curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

3.2 配置 LLM

Goose 支持多种配置方式。最简单的是在桌面应用的设置界面选择模型：

1. 1. 打开 Goose 桌面应用
2. 2. 进入设置 → Provider
3. 3. 选择你偏好的模型提供商（Anthropic、OpenAI、Google 等）
4. 4. 输入 API Key（或者选择 ACP 模式使用现有订阅）

CLI 模式下通过配置文件 ~/.config/goose/config.yaml 设置：

provider: anthropicmodel: claude-sonnet-4api_key: ${ANTHROPIC_API_KEY}

3.3 基础使用示例

Code 模式 - 让 Goose 帮你写代码：

# 在终端中打开 Goosegoose# 进入交互式会话后，直接说：# "帮我写一个 Python 脚本，读取当前目录下所有 CSV 文件，合并后输出到 merged.csv"

Goose 会自动：

1. 1. 读取当前目录的文件列表
2. 2. 找到所有 .csv 文件
3. 3. 用 pandas 读取并合并它们
4. 4. 写入 merged.csv
5. 5. 返回操作摘要

自动化工作流：

# 非交互式模式，直接执行任务goose --task "搜索最新的 AI 论文摘要，保存到 research.md"

数据分析：

goose --task "分析 sales.csv 中的月度趋势，生成折线图并保存为 chart.png"

3.4 安装 MCP 扩展

在桌面应用中，进入 Extensions 面板，搜索并安装你需要的扩展：

# 例如安装 GitHub 扩展后，你可以直接说："帮我看看这个仓库最近的 Issue，把未处理的整理成表格"

Goose 就会通过 MCP 协议调用 GitHub API，读取 Issue 列表，整理成表格返回给你。

手动添加自定义 MCP Server：

编辑 ~/.config/goose/mcp_config.json：

{  "mcpServers": {    "my-custom-tool": {      "command": "python",      "args": ["/path/to/my-mcp-server.py"],      "env": {        "API_KEY": "xxx"      }    }  }}

然后重启 Goose，你的自定义工具就自动出现在 Agent 的工具箱中了。

3.5 高级用法：自定义发行版

Goose 支持构建"自定义发行版"——预配置好提供商、扩展和品牌。这在企业内部部署时尤其有用：

# 参考官方文档构建自己的 Distrogoose build-distro --name "my-company-goose" \  --provider openai \  --extensions github,slack,notion

四、为什么值得关注？

4.1 Linux 基金会背书 = 长期主义

Goose 被捐赠给 AAIF（Linux 基金会），这意味着它不会被任何一家公司的商业决策左右。Anthropic 的 MCP、OpenAI 的 Agents SDK 和 Goose 同驻一个基金会，这本身就是生态整合的信号——未来的 Agent 不是"选择哪个平台"，而是"在统一标准下自由切换"。

4.2 Rust 原生 = 性能不是问题

很多 AI Agent 用 Python 或 Node.js 构建，启动慢、内存占用高。Goose 用 Rust 编写，二进制文件小、启动瞬间、内存占用低。这在桌面场景和资源受限的环境中尤为重要。

4.3 真正的"通用"概念

大多数 Agent 要么只做代码，要么只做聊天。Goose 的设计从一开始就是"什么都能做"：

• • 同一个 Agent，可以编程、可以写文档、可以查资料、可以操作文件、可以调用 API
• • 不需要切换工具，不需要学习多个界面
• • 桌面、终端、API 三种入口，覆盖所有使用场景

4.4 MCP 生态的"杀手级载体"

MCP 协议再强大，也需要一个好的宿主来承载。Goose 对 MCP 的深度支持——包括交互式 UI 组件和 Roots 上下文——让它成为当前 MCP 生态中体验最完整的客户端实现之一。

五、小结

Goose 不是一个"又一个新的 AI Agent"。它是一个重新定义"AI 助手"应该怎么做的项目：

• • 不是插件，是原生应用。 桌面 + CLI + API 三位一体
• • 不是独家绑定，是开放中立。 15+ LLM 提供商，70+ MCP 扩展
• • 不是小打小闹，是行业基建。 Linux 基金会背书，Block 团队持续贡献

如果你想找"一个 Agent 搞定所有事"的解决方案，Goose 值得你花一个周末去尝试。从下载到第一次完成有用任务，可能只需要 10 分钟。

项目信息： aaif-goose/goose^[2] | 47,458 ★ | MIT 许可证 | Rust 语言 一句话总结： Linux 基金会旗下的通用 AI Agent，桌面/CLI/API 三种形态，15+ 大模型支持。

引用链接

[1] GitHub Releases: https://github.com/aaif-goose/goose/releases[2] aaif-goose/goose: https://github.com/aaif-goose/goose