goose 架构

goose 是一个开源 AI 智能体，建立在大语言模型（LLM）的基本交互框架之上。大语言模型主要作为基于文本的对话界面：处理文本输入并生成文本输出。这种“文本进、文本出”的方式通过工具集成得到增强，使 AI 智能体能够完成任务，由此形成了 goose。

goose 的组件

goose 通过三个主要组件运行：界面、智能体，以及已连接的扩展。

在一次典型会话中，界面会启动一个智能体实例，该实例随后同时连接到一个或多个扩展。界面也可以创建多个智能体，并发处理不同任务。扩展和交互循环是 goose 功能的重要部分。接下来说明 goose 如何连接扩展并处理用户请求。

模型上下文协议（MCP）是一项开放标准，使数据源与 AI 智能体之间能够互操作。goose 使用 MCP 连接到 MCP 系统/服务器。在 goose 中，这些系统/服务器称为扩展。

扩展通过工具向 goose 暴露功能。工具是让扩展执行特定操作的函数，例如运行命令或执行文件操作。例如，Google Drive 扩展包含一个用于搜索文档的工具。正是这个工具让 goose 能够执行该操作。

goose 自带一组内置扩展，各自用于增强你的交互。其中包括开发、网页抓取、自动化、记忆等方面的工具。goose 也支持连接外部扩展，或创建自定义扩展作为 MCP 服务器。

要进一步了解扩展和工具的设计与实现，请参阅扩展设计指南。

goose 以两种方式支持 Agent Client Protocol (ACP)：

goose acp 通过 stdio 把 goose 启动为 ACP 服务器，让 JetBrains 和 Zed 等编辑器可以直接连接。见在 ACP 客户端中使用 goose。

goose 可以把外部 ACP 智能体（例如 Claude Code 或 Codex）委托为 provider。ACP 智能体在内部处理工具执行。goose 把已配置的扩展作为 MCP 服务器传递过去。

下面更仔细地看上图中的交互循环。

人类请求：流程从你开始，也在你这里结束。一旦你给 goose 一个请求、问题、命令或待解决的问题，流程就开始了。
Provider 对话：goose 把你的请求连同一份可用工具列表，发送给你已连接的 LLM provider。provider 处理它，并在必要时在响应中创建一次工具调用。
模型扩展调用：大语言模型能够创建工具调用请求，但不能执行它，这时就由 goose 接手。goose 取得格式为 JSON 的工具调用，运行它，并收集结果。
回复模型：执行工具调用后，goose 把结果发回模型。如果还需要更多扩展，这些步骤会重复。
上下文修订：goose 会移除旧的或不相关的信息，确保大语言模型只关注最重要的信息。这有助于 token 管理。
模型响应：所有工具调用完成后，大语言模型把最终响应发回给你，并在你回复后重新开始循环。

goose 不会让错误打断流程，而是捕获并处理传统错误以及执行错误。无效 JSON、缺少工具等错误会作为工具响应发回模型，从而给大语言模型解决错误并继续所需的信息。

关于 goose 如何处理错误的更多细节，请参阅 goose 中的错误处理指南。

goose 免费且开源，但大语言模型的 token 用量通常有成本。消息、工具请求、资源、文件内容、指令等一切都在争夺 token 用量。内容修订就在这里发挥作用，帮助降低其中一部分成本。为此会做几件事：