Goose 50k Stars:Linux Foundation 孵化的通用 AI Agent

Goose 在 GitHub 上已经 5 万星了。但它的星星不是靠营销刷出来的——它是 MCP（Model Context Protocol）的官方参考实现。MCP 每出一个新特性，Goose 是第一个跑通它的 runtime。

现在这个项目被捐给了 Linux Foundation 旗下的 AAIF（Agentic AI Foundation），和 Anthropic 的 MCP、OpenAI 的 AGENTS.md 一起，构成了开源 Agent 基础设施的三根柱子。

它是什么

Goose 是一个通用的本地 AI Agent 框架，用 Rust 写的。有三个入口：

• 桌面应用：Electron 壳，macOS / Windows / Linux 全覆盖
• CLI：brew install goose 一条命令装好
• API Server：goosed 后台进程，其他系统可以把它当作 agent runtime 嵌入

它不只做代码——定位是"go beyond code suggestions"。写代码、做研究、写文档、跑自动化、分析数据，都能接。支持 15+ 模型供应商（Anthropic、OpenAI、Google、Ollama、OpenRouter 等），70+ MCP 扩展。

历史：从 Block 内部工具到行业标准

Goose 最早是 Block（Square 的母公司，旗下还有 Cash App、Afterpay、TIDAL）在 2024 年底开始做的内部项目。工程师团队需要一个统一的 Agent 框架来管理各种自动化任务，但市面上没有合适的开源方案——要么太绑定一个模型，要么不支持 MCP。

于是他们自己写了 Goose。2025 年初开源后社区反响超预期，到年底已经成为 MCP 生态中部署量最大的 Agent runtime。2025 年 12 月，Block 把 Goose 捐给新成立的 AAIF——同一天 Anthropic 捐了 MCP，OpenAI 捐了 AGENTS.md。Linux Foundation 正式宣布这三个项目组成 Agentic AI 的开源基础设施栈。

这意味着 Goose 不是某个公司的附属产品，而是在中立的基金会治理下的公共基础设施。

MCP 参考实现意味着什么

"参考实现"这个词很轻，但分量很重。

当 MCP 工作组讨论新特性时，不是先写 spec 再等人实现——而是在 Goose 里先跑通原型，确认可行了再写进 spec。AAIF 官方的原话："Where new MCP ideas go to become real."

一个具体例子：MCP 正在从有状态协议往无状态协议演进。这是根本性的架构变化——无状态意味着每次请求独立，更容易水平扩展和生产部署。Goose 是第一个跑通这个改动的 runtime。如果你在用 Goose，你永远在用最新、最完整的 MCP 实现。

架构：Rust 核心

Goose 的代码库组织得很干净。Rust workspace 按 crate 拆分：

crates/ ├── goose            核心 agent 引擎 ├── goose-cli        CLI 入口 ├── goose-server     后端服务 (goosed) ├── goose-mcp        MCP 扩展集成 ├── goose-acp-macros ACP 协议宏 └── goose-test       测试工具 ui/desktop/          Electron 桌面 UI

几个值得注意的设计决策：

• Rust 而不是 Python：性能更好，内存更安全，适合常驻后台进程。对于长时间运行的 agent，Rust 的稳定性和资源控制比 Python 更有优势。
• crate 级模块化：每个组件都是独立 crate，可单独复用。比如 goose-mcp 可作纯粹的 MCP 客户端库嵌入其他 Rust 项目。
• MCP 是一等公民：不是先写内部工具调用再套 MCP 壳——MCP 就是 Goose 的原生协议。所有外部工具/数据源/服务都通过 MCP 连接。

ACP：Agent 订阅 Agent

AAIF 最近推了新协议 ACP（Agent Client Protocol）。核心思路：一个 Agent 可以"订阅"另一个 Agent 的能力。

举个例子：你可以用 Goose 订阅已有的 ChatGPT Plus 或 Claude Pro 订阅，Goose 通过 ACP 把任务转发给商业 agent，结果带回本地。这意味着你不需要为用 Goose 而额外买 API key——如果你已有 ChatGPT、Claude 或 Gemini 的订阅，Goose 可以直接用。

这是 Goose 和其他开源 Agent 最大的区别之一——它不是替代商业产品，而是桥梁。本地跑 Goose，它协调云端和本地的各种资源。

Goose vs 其他 Agent

Goose 的独特定位：唯一一个以 MCP 为原生协议、支持 ACP 订阅、用 Rust 写的通用 Agent 框架。

能/不能分界线

适合：跨平台通用 Agent / MCP 生态使用者 / 嵌入 Agent 到自有系统 / 关心 MCP 协议演进 / 自建 Agent 的架构参考

不太适合：只需 IDE 代码补全（Copilot/Cursor 更快）/ 不关心 MCP 生态（Goose 的核心就是 MCP）/ 不想折腾自部署（Goose 本地优先，需自己配置）

我的判断

Goose 不是一个"你用不用"的问题——如果你在关注 AI Agent 基础设施层的标准化进程，它是一个"你必须看"的项目。

它的核心价值不在代码本身，而在它所承担的角色：MCP 协议的参考实现、AAIF 生态的核心组件、Rust 在 Agent 领域的标杆实践。MCP 在往 stateless 方向演进，Goose 是第一个跑通这些改动的 runtime。跟踪 Goose 的更新比跟踪 MCP spec 更直接——spec 是写出来的，Goose 是做出来的。

建议至少做两件事：装一下 CLI（brew install goose，5 分钟感受一下），然后读一遍 goose-mcp crate 的代码，看 MCP 客户端在 Rust 里是怎么实现的（约 30 分钟）。然后你就知道这件事的深度在哪了。

Leo · GitHub 项目精选 · 2026-07-03