使用 goose 之前你需要知道的 4 件事
所以你听说了 goose。也许你看了一场直播，团队里有人提到它，或者你在试图自动化开发环境时偶然走进了我们这片互联网角落。不管怎样——很高兴你来了。
goose 是一个本地、开源的 AI 智能体，可以自动化任务、与你的代码库交互，并连接到一个不断增长的工具生态。但在你点击安装之前，有四件事能帮助你从中获得最多。
等一下——goose 到底是什么？
goose 是一个 MCP 客户端。
这意味着它通过所谓的 Model Context Protocol（MCP）连接工具和数据。MCP 是一项开放标准，让 AI 智能体能够通过自然语言与外部系统交互。如果你用过 Claude Desktop、Windsurf、VS Code 或 Cursor 里的 Agent 模式，你已经用过 MCP 客户端，即使你当时没意识到。
goose 的不同之处在于：
- 它在本地运行，不在别人的云里
- 你自带 LLM，可以使用最适合你的那一个
- 你可以用开源 MCP 服务器添加新能力
把它想成更像「你的个人自动化工具包」，而不是「一个 AI 助手」。你决定使用哪个 LLM、它应该访问哪些工具、它可以执行哪些任务。你没有被锁死；你说了算。
1. 选对 LLM
goose 不捆绑 LLM。你自带 LLM。这意味着你可以选择哪种模型最适合你，无论是 Claude 或 Gemini 这样精致的托管模型，还是 Ollama 这样更私密、更本地的东西。
但注意：并非每个模型都一样，尤其是在隐私、性能，或按 token 收费多少方面。如果你只是在探索，带免费额度的云托管 LLM 是很好的起点。但如果你在处理敏感数据，或不想把东西送到第三方服务器，本地就是正确的路。
无论哪种，goose 都给你灵活性。
话虽如此，如果你现在想要 goose 的最佳表现，推荐 Anthropic 的 Claude 3.5 Sonnet 和 OpenAI 的 GPT-4o（2024-11-20），因为它们目前对工具调用的支持最强。
好奇其他模型排得怎样？查看社区启发的基准排行榜，看看你喜欢的模型在 goose 上表现如何。
如果还在决定，这里是可用 LLM 提供商的完整列表。
2. 理解 MCP 服务器是什么
有趣的部分从这里开始。goose 是一个会说 MCP 的客户端。MCP 让你能够作为提示的一部分与其他应用和工具交谈。想读邮件、查看 GitHub issue、运行自动化测试，或抓取网页？这就是 MCP 服务器的用武之地。
每台服务器给 goose 一种新能力。
真正的问题是：你想让 goose 能做什么？ 如果有对应的服务器，你大概就能实现。而且是的，有一整份 MCP 服务器目录，你可以按工具、下载量等来搜索。
3. 可能有费用
goose 本身？完全免费且开源。🎉 但你的 LLM 提供商可能没那么慷慨。
大多数模型会给你一个免费额度来玩，但如果你做的事情比较重，或经常使用，最终会碰到速率限制或 token 费用。这很正常，但如果你没预料到，它可能会悄悄到来。
为了帮你管理这一点，可以查看处理速率限制指南。
4. 融入社区
这一点比大多数人意识到的更重要。
goose 背后有整个社区——人们在构建、探索、搞坏东西（再修好），并分享一路上学到的一切。我们在 Discord 上闲逛，在 GitHub Discussions 里回答问题，每周举办直播，展示 goose 能做什么，以及如何让它做得更多。
有这些：
- Goosing Around——随意的深度演示，我们公开构建
- Wild Goose Case——展示酷的社区项目
- Great Goose Off——同样的任务、同样的时限，但提示、MCP 服务器和策略不同
你会在我们的 YouTube 频道上找到这些直播，即将到来的场次在 Discord 日历上。另外，如果你更喜欢文档，goose 文档和博客一直在更新新的指南、技巧和教程。
如果你有这四样东西：一个性能不错的 LLM、合适的 MCP 服务器、对 LLM 成本的基本理解，以及一个可以提问的地方，你就已经准备好使用 goose 了。
现在，去快速开始指南开始吧。
哦，当你走到井字棋游戏时，我赌 10 个 goose 币，你赢不了那个机器人。