Archon：开源 AI 编程助手指挥中心，强化知识协作与多工具集成

一、Archon是什么？

Archon是一款开源的AI编程助手指挥中心，同时作为Model Context Protocol（MCP）服务器，旨在通过知识管理、任务协同和多工具集成，增强AI编程助手（如Claude Code、Kiro等）的能力。它支持智能文档处理、向量搜索、项目任务管理，并通过标准化协议实现多工具协作，适用于开发团队、独立开发者等场景。

简单来说，Archon的核心目标是为AI编程助手提供统一的“资源池”和“协作框架”：一方面，它能集中管理知识（如技术文档、代码示例）和任务（如项目开发进度）；另一方面，它通过MCP协议让多个AI助手能共享这些资源，实现“协同工作”。无论是开发团队还是独立开发者，都能通过Archon让AI助手更“懂”项目背景、更高效地完成编程任务。

Archon目前处于beta阶段，代码完全开源，开发者可自由使用、修改和贡献，其设计理念是“让AI编程助手从‘独立工具’变成‘协作团队’”。

二、功能特色

Archon的功能围绕“增强AI编程助手能力”和“促进资源协作”展开，核心特色可分为四大模块，每个模块都针对实际开发场景中的痛点设计。

1. 智能知识管理：让AI助手“满腹经纶”

知识是AI编程助手的“燃料”，但分散的文档、代码片段往往难以被有效利用。Archon的知识管理功能通过全流程自动化处理，让AI助手能快速获取所需知识。

• 智能网页爬取：支持自动识别文档网站（如官方API文档、技术博客）和站点地图（sitemap），批量爬取内容并去重。例如，开发者只需输入一个框架的官方文档网址，Archon会自动爬取所有子页面，无需手动复制粘贴。

• 多格式文档处理：支持上传PDF、Word、Markdown、TXT等格式文件，自动进行“智能分块”——根据内容逻辑（如章节、代码块、段落）拆分文档，避免因文本过长导致AI理解断层。例如，一份500页的技术手册会被拆分为“安装指南”“API列表”“示例代码”等独立区块。

• 代码示例提取：自动识别文档中的代码片段（支持Python、Java、JavaScript等主流语言），提取后单独索引，方便AI助手快速调用。例如，文档中“如何用FastAPI创建接口”的代码示例会被标记为“FastAPI-接口创建”，后续可通过关键词直接检索。

• 向量搜索：基于上下文嵌入（Embedding）技术实现语义搜索，而非简单的关键词匹配。例如，搜索“如何处理JSON数据”时，不仅能找到包含“JSON”的内容，还能匹配“解析字典数据”“序列化对象”等相关知识。

• 源管理：按来源（如“官方文档”“博客”“本地文件”）、类型（如“API说明”“错误处理”）和标签（如“Python”“前端”）对知识分类，支持批量编辑和删除，避免知识混乱。

2. 任务管理：让AI助手“目标明确”

脱离项目任务的知识是零散的，Archon的任务管理功能将知识与具体开发目标绑定，让AI助手知道“该做什么”。

• 项目与任务创建：支持创建项目（如“电商网站后端开发”），并在项目下拆分任务（如“设计用户登录接口”“修复支付模块bug”），每个任务可关联知识库中的相关文档（如“用户认证API文档”）。

• 任务状态跟踪：任务支持“待处理”“进行中”“已完成”等状态标记，开发者可添加备注（如“需要参考OAuth2协议”），AI助手通过MCP协议读取任务信息后，能更聚焦于当前目标。

• 跨工具任务同步：当开发者在Claude Code中更新任务进度后，Archon会自动同步至全局任务列表，其他AI助手（如Kiro）打开同一项目时，能实时看到最新状态，避免重复劳动。

3. 多工具集成：让AI助手“协同作战”

不同AI助手各有优势（如Claude擅长长文本理解，Cursor擅长实时代码修改），Archon通过MCP协议让它们“各司其职”。

• 主流AI编程助手兼容：已支持Claude Code、Kiro、Cursor等工具，通过MCP协议连接后，这些工具可直接调用Archon的知识和任务资源。例如，在Cursor中编写代码时，可直接触发“从Archon知识库获取示例”的操作。

• MCP工具集：提供一系列标准化工具函数，帮助AI助手与Archon交互，例如：

• archon:find_versions：查询项目代码的历史版本（需关联Git仓库）；

• archon:manage_version：创建或切换代码版本；

• archon:search_knowledge：调用向量搜索接口查找相关知识；

• archon:update_task：更新任务状态。

• 工具权限控制：可设置不同AI助手的访问权限（如“只读知识库”“可编辑任务”），避免资源误操作。

4. 实时更新：让资源“与时俱进”

知识和任务不是静态的，Archon能随着开发过程自动更新，确保AI助手获取的信息始终最新。

• 知识实时同步：当新文档上传、网页爬取完成或代码示例更新时，知识库会立即重新索引，向量搜索结果同步刷新。

• 任务动态联动：任务状态变更、备注修改会实时同步至所有关联的AI助手，例如开发者在Archon中标记“支付模块bug已修复”，Claude Code在处理后续任务时会自动跳过该问题。

三、技术细节

Archon的技术架构围绕“前后端分离”“容器化部署”和“可扩展性”设计，各模块职责清晰，便于维护和二次开发。

1. 技术栈概览

2. 前端架构（archon-ui-main/）

前端采用React框架，通过TypeScript确保类型安全，使用TailwindCSS实现响应式设计，主要包含以下模块：

• 页面组件：src/pages/ 目录下包含知识库管理页（KnowledgeBase.tsx）、任务管理页（Tasks.tsx）、工具集成页（Integrations.tsx）等，每个页面对应独立的路由。

• 状态管理：使用React Context API管理全局状态（如用户登录信息、当前项目），局部状态通过组件内useState处理。

• API交互：src/services/api.ts 封装了与后端的通信逻辑，通过Axios发送请求，支持拦截器处理错误和身份验证。

• UI组件库：基于TailwindCSS自定义组件（如src/components/Button.tsx、src/components/Modal.tsx），确保界面风格统一。

3. 后端架构（python/）

后端基于FastAPI构建，采用模块化设计，代码结构清晰，主要包含：

• 主服务（server/）：main.py 是入口文件，定义了API路由和MCP协议接口；dependencies.py 处理依赖注入（如数据库连接、权限验证）。

• MCP模块（mcp/）：protocol.py 实现MCP协议规范，tools/ 目录包含find_versions、search_knowledge等工具函数的具体逻辑。

• 知识管理模块（knowledge/）：crawling.py 处理网页爬取，processing.py 负责文档分块和代码提取，vector_store.py 对接Supabase向量数据库。

• 任务管理模块（tasks/）：crud.py 实现任务的创建、查询、更新等操作，models.py 定义任务数据结构（基于Pydantic）。

• 代理服务（proxy/）：proxy.py 处理AI助手与Archon的通信代理，支持跨域请求和流量控制。

4. 数据库设计（Supabase）

Archon依赖Supabase提供的PostgreSQL数据库和向量存储功能，核心表结构如下：

• knowledge_sources：存储知识来源信息（如网址、文件路径、类型）；

• knowledge_chunks：存储拆分后的文档块，包含文本内容、向量嵌入、关联的来源ID；

• code_examples：存储提取的代码片段，包含语言类型、代码内容、关联的文档块ID；

• projects：存储项目信息（名称、描述、创建时间）；

• tasks：存储任务信息（标题、状态、关联的项目ID、关联的知识ID）。

数据库初始化脚本位于migration/complete_setup.sql，执行后会自动创建上述表和索引（如向量搜索所需的pgvector索引）。

5. 部署与配置

Archon支持本地部署和服务器部署，核心依赖Docker实现环境隔离，具体配置如下：

• 环境变量：.env.example 提供配置模板，需修改的关键参数包括Supabase的URL和密钥（SUPABASE_URL、SUPABASE_KEY）、OpenAI API密钥（OPENAI_API_KEY）、后端端口（BACKEND_PORT）等。

• Docker Compose：docker-compose.yml 定义了前端、后端、数据库代理等服务的启动配置，通过docker compose up可一键启动所有组件。

• 开发模式：支持“混合开发模式”（前端用Node.js本地启动，后端用Docker运行），便于实时调试，需安装Node.js 18+和Make工具。

四、应用场景

Archon的设计初衷是解决AI编程助手在实际开发中的协作和资源管理问题，以下是其典型应用场景：

1. 开发团队协作：统一项目知识与任务

在多人开发的项目中，新成员常需要花大量时间熟悉文档，AI助手也因“信息差”频繁给出不符合项目规范的建议。通过Archon：

• 团队可将项目文档（如架构设计、接口规范）上传至知识库，AI助手（如Claude Code）能快速检索并生成符合规范的代码；

• 项目经理在Archon创建任务（如“开发用户注册模块”）并关联“用户表设计文档”，所有开发者的AI助手都能获取任务详情，避免重复沟通；

• 当项目文档更新（如接口参数修改），Archon实时同步至知识库，AI助手生成的代码会自动适配新规范。

2. 独立开发者：高效管理碎片化知识

独立开发者常面对“需要时找不到资料”的问题，Archon可成为个人知识管家：

• 爬取常用框架的官方文档（如Django、Vue）并分类存储，编写代码时通过向量搜索快速调用示例；

• 将调试过程中解决的“疑难bug”记录为知识块，标记“Python”“异常处理”标签，后续遇到类似问题时，AI助手（如Cursor）能直接参考解决方案；

• 拆分个人项目为任务（如“完成登录页UI”“对接支付API”），AI助手根据任务进度提供阶段性建议（如“现在需要调用Stripe的支付接口，是否需要获取相关文档？”）。

3. 技术文档维护：让文档与代码联动

技术文档常因代码更新而滞后，Archon可实现文档与代码的同步：

• 上传代码仓库的README和注释文档，Archon自动提取其中的功能说明和使用示例；

• 当代码版本更新（如新增API），通过archon:find_versions工具对比差异，AI助手可自动生成文档更新建议；

• 开发者可在Archon中标记“待补充文档”的任务，关联对应的代码文件，确保文档与代码版本一致。

4. 多AI工具协同：发挥工具各自优势

不同AI助手的特长不同，Archon可让它们“互补合作”：

• 用Claude Code基于知识库的技术文档生成详细的代码框架（利用其长文本理解能力）；

• 用Cursor打开生成的代码框架，通过Archon调用知识库中的代码示例，进行实时修改和调试（利用其代码实时编辑能力）；

• 用Kiro基于Archon的任务列表，检查代码是否符合当前任务目标（利用其逻辑校验能力）。

五、使用方法

Archon的使用需完成环境准备、配置和启动三个步骤，以下是详细流程（以全Docker模式为例）：

1. 环境准备

确保本地安装以下工具：

• Docker Desktop（用于容器化运行，支持Windows、macOS、Linux）；

• Git（用于克隆仓库）；

• Supabase账户（免费 tier 足够个人使用，也可部署本地Supabase）；

• OpenAI API密钥（或Gemini、Ollama的API凭证，用于向量嵌入）。

2. 克隆仓库与配置环境

# 克隆仓库（stable分支更稳定，适合用户使用） 
git clone -b stable https://github.com/coleam00/archon.git 
cd archon 

# 复制环境变量模板并修改 
cp .env.example .env

打开.env文件，填写关键参数：

• SUPABASE_URL：Supabase项目的URL（在Supabase控制台“设置-API”中获取）；

• SUPABASE_KEY：Supabase的anon/public密钥（同上）；

• OPENAI_API_KEY：OpenAI的API密钥（若使用Gemini，需修改为GEMINI_API_KEY）；

• 其他参数（如BACKEND_PORT=8000、FRONTEND_PORT=3000）可保持默认，也可根据需要修改。

3. 初始化数据库

登录Supabase控制台，进入项目的“SQL编辑器”，创建新查询并粘贴migration/complete_setup.sql中的内容，点击“运行”。该脚本会自动创建所需的表、索引和函数（包括pgvector扩展，用于向量搜索）。

4. 启动服务

# 构建并启动所有服务（首次启动需下载镜像，耗时较长） 
docker compose up --build -d 

# 查看服务状态（确保frontend、backend、proxy均为running状态） 
docker compose ps

启动成功后，通过浏览器访问http://localhost:3000（默认前端端口）即可打开Archon界面。

5. 基础操作示例

（1）添加知识

• 进入“知识库”页面，点击“添加知识”；

• 选择来源类型（如“网页”），输入网址（如https://fastapi.tiangolo.com/），点击“爬取”；

• 爬取完成后，系统自动分块并索引，可在“知识列表”中查看和编辑。

（2）创建任务

• 进入“项目”页面，点击“新建项目”，输入名称（如“个人博客后端”）；

• 在项目内点击“新建任务”，输入标题（如“设计文章表结构”），关联知识库中“SQL表设计示例”的文档块；

• 标记任务状态为“进行中”，AI助手连接后可自动获取任务信息。

（3）集成AI助手

• 进入“工具集成”页面，选择要连接的AI助手（如Claude Code）；

• 按照提示在AI助手中配置MCP服务器地址（默认http://localhost:8000/mcp）；

• 完成后，在AI助手中输入指令时，可触发archon:search_knowledge等工具调用。

六、常见问题解答（FAQ）

1. 启动后无法访问界面，如何排查？

• 检查Docker服务是否正常运行（docker info命令无报错）；

• 查看容器日志：docker compose logs frontend（前端）或docker compose logs backend（后端），根据错误信息调整配置（如端口冲突需修改.env中的FRONTEND_PORT）；

• 确认Supabase数据库已执行complete_setup.sql脚本，且.env中的Supabase凭证正确。

2. 支持哪些AI编程助手？是否需要付费？

• 目前已兼容Claude Code、Kiro、Cursor，后续会逐步支持更多工具（可在GitHub Issues提出需求）；

• Archon本身是开源免费的，但使用过程中可能产生第三方服务费用（如OpenAI API调用费、Supabase超出免费额度的存储/流量费）。

3. 文档爬取时遇到反爬机制怎么办？

• Archon的爬取模块支持基础的请求头模拟（如设置User-Agent），若网站反爬严格，可在python/knowledge/crawling.py中修改crawl_website函数，添加代理或延迟请求逻辑；

• 对于无法爬取的网站，建议手动下载文档后上传至Archon。

4. 如何更新Archon到最新版本？

• 若使用stable分支：git pull origin stable，然后重新执行docker compose up --build -d；

• 注意：更新前建议备份Supabase数据库（通过Supabase控制台的“备份”功能），避免数据丢失。

5. 本地没有Docker，能否直接部署？

• 可以，但需手动安装依赖：

• 前端：cd archon-ui-main && npm install && npm start；

• 后端：cd python && pip install -r requirements.txt && uvicorn server.main:app --host 0.0.0.0 --port 8000；

• 需确保本地PostgreSQL已安装pgvector扩展，并手动执行数据库脚本。

七、相关链接

• 项目仓库：https://github.com/coleam00/Archon

八、总结

Archon作为开源的AI编程助手指挥中心，通过知识管理、任务协作和多工具集成，有效解决了AI编程助手资源分散、协作低效的问题。它基于React和FastAPI构建，依赖Supabase实现数据存储，支持Docker快速部署，适用于开发团队、独立开发者等多种场景。无论是集中管理技术文档、同步项目任务，还是让不同AI助手协同工作，Archon都能提供稳定的支持，目前处于beta阶段，欢迎用户体验和开发者参与完善。