我们刚刚制作了一个生成 Claude Code Sessions 的 MCP 工具。以下是其重要性。

Source: Dev.to

我一直在构建 OpZero —— 一个 AI 原生的部署平台，最初的目标是让带有 vibe‑code 的应用能够毫不费力地上线。通过对话进行部署，无需 git push，也不需要 CI/CD 流水线。它已经可以用了：只需一条聊天信息，就能在 2 秒内将应用部署到 Cloudflare Pages。

但我们昨晚实现的功能改变了 OpZero 的本质。

启动 Claude Code 会话的 MCP 工具

我们在 Railway 上部署了一个 claude_session_start MCP 工具。它连接到代码仓库，启动一个 Claude Code 会话，执行任务，并返回结果——一个完全自治的编码代理，可以被另一个代理作为工具调用。

第一次成功运行指向了我们自己的仓库。Claude Code 响应道：“Hello! Ready to help with your OpZero project.” 并以代码 0 正常退出。

这就是代理 spawning agents。而且它有效。

Why this isn’t just a party trick

AI 工具生态系统目前面临组合问题。你拥有提供“手”的 MCP 服务器——它们可以部署、搜索、查询数据库、管理基础设施。但每个工具都是孤立的。代理调用一个工具，得到结果后再调用下一个。这是编排，但它是平面的。

当其中一个工具能够启动 another agent（另一个代理）时，拓扑结构就会改变。你从中心辐射模型（代理调用工具）转变为图结构（代理将任务委派给能够调用工具的代理）。父代理不需要了解所有细节；它只需要把问题拆解并分配各个部分。

这与人类工程团队的工作方式相似。技术负责人并不会写每一行代码。他们把工作拆分、分配，并整合结果。我们刚刚赋予了 AI 代理同样的能力。

更大的图景：可组合的代理神经系统

我们一直在开发我们称之为 模块合约 的东西——一种通用规范，允许任何能力（MCP 服务器、API、技能、记忆存储，或现在的 代理会话）参与统一系统。关键理念如下：

• 模块之间相互不了解。 部署模块不会导入预览模块。它们都声明自己能做什么以及需要什么上下文。中间的解析器负责匹配和组合。
• 发现是自动的。 代理不会浏览市场并安装插件。它表达意图——“将此部署到生产环境”——解析器会找到合适的模块，检查治理策略并执行。没有安装步骤。
• 治理是内置的，而非后加的。 每一次调用都会经过策略层：成本控制、访问控制、数据分类、审计日志。这使得动态发现足够安全，可用于企业环境。

claude_session_start 工具像其他模块一样符合此合约。它声明了自己的能力（在仓库中启动编码会话）、上下文需求（仓库 URL、任务描述、认证）以及输出（会话结果、退出码）。解析器可以将它与其他模块组合——启动会话修复 bug，然后部署结果，再对部署进行测试。

我们实际在构建的东西

OpZero 最初是一个部署平台。它正逐步成为一个 面向代理的赋能平台——一个与供应商无关的基础设施层，使代理无论由哪种大型语言模型（LLM）驱动，都能更强大。

关键洞察：这些大型 LLM 供应商（Anthropic、OpenAI、Google）都在构建各自的工具生态系统和插件市场。每家都想成为完整的垂直堆栈。但企业从云计算之战中已经知道，这会导致什么——深度绑定一家供应商，五年后就要花费数百万进行迁移。

OpZero 并不与它们竞争。我们让它们的代理更具能力。我们是中立的层，处理繁杂的基础设施组合，使任何供应商的代理都能发现能力、遵守治理政策并完成任务。

你的 AI 构建它。我们把它放到互联网上。现在我们还帮助它构建其他东西。

接下来

我们正在敲定 Module Contract 规范（它定义了任何能力如何变得可被代理发现并可组合），构建 resolver runtime（在 “agent needs something” 与 “agent has something” 之间的智能层），并将第一方模块集合扩展到部署之外。

如果你正在构建 MCP 服务器、代理工具或企业 AI 基础设施——我们应该聊聊。神经系统需要神经元。

OpZero 是一个开放、供应商中立的代理基础设施平台。没有供应商锁定。使用你的工具、你的代理、你的规则。