扣子 Coze 3.0 上线：Claude Code、Codex CLI 被拉进同一个 Agent 项目

扣子 Coze 3.0 上线：Claude Code、Codex CLI 被拉进同一个 Agent 项目

AI Agent 的竞争，正在从“单个模型有多聪明”，转向“多个 Agent 怎么一起把事做完”。

这个变化最近有两个典型信号。

一个是 Claude Opus 4.8 随版本发布的 Dynamic Workflows。它允许 Claude Code 在复杂任务中生成工作流脚本，调起大量并行子 Agent，完成拆解、执行、验证和汇总。

另一个是扣子 Coze 3.0。它没有把重点放在脚本化调度上，而是把人、云端 Agent、本地 Agent 放进同一个项目里，让用户通过 @ 的方式派活。

这两条路线不一样，但指向同一个问题：当 Agent 数量越来越多，真正的门槛变成了协作。

一、Coze 3.0 这次更新了什么

据 IT之家 2026 年 6 月 1 日报道，字节跳动 AI 智能体平台扣子 Coze 3.0 已上线，重点能力包括：

这次最值得开发者关注的，不是又多了几个模板，而是它把本地命令行 Agent 拉进了项目工作台。

Claude Code、Codex CLI、OpenClaw 这类工具，过去通常跑在各自的终端窗口里。它们能读写本地文件、执行命令、修改代码，但彼此之间很少共享上下文。

Coze 3.0 的变化在于：这些本地 Agent 可以被接进同一个项目，和云端 Agent 一起协作。

二、本地 Agent 接入为什么重要

本地 Agent 和普通聊天机器人最大的区别，是它真的能动本地环境。

它不只是回答问题，还能：

• 读取项目文件
• 修改代码或文档
• 执行命令
• 生成报告、PPT、脚本
• 在本地上下文里持续推进任务

这类 Agent 的能力很强，但过去也有明显问题：窗口分散、上下文割裂、协作靠手动复制粘贴。

典型场景是这样：

Coze 3.0 把这些 Agent 放到一个项目里后，核心变化是：上下文可以留在项目中，用户只需要点名不同 Agent 接力。

它不是完全自动化的 Agent 编排，更像一个项目群聊式的工作台。

三、它和 Dynamic Workflows 是两条路线

Claude Opus 4.8 的 Dynamic Workflows 更偏“自动编排”。

用户描述一个大目标，Claude Code 生成脚本，把任务拆成多个子任务，再并行调起子 Agent 执行。Tom’s Guide 对这项功能的描述是：Claude 可以在单个任务中启动数百个并行子 Agent，并在汇总前验证结果。

Coze 3.0 更偏“人主导的协作”。

用户把多个 Agent 拉进项目，通过 @ 的方式分配任务。比如：

两者的差异可以概括为：

这说明多 Agent 协作还没有唯一标准答案。

一条路线是让模型自己调度更多 Agent。另一条路线是先把 Agent 放到同一个工作场景里，让人来组织协作。

四、开发者真正要关注的是权限和上下文

本地 Agent 接入项目工作台后，效率提升明显，但风险也同步变大。

尤其是能读写本地文件、执行命令的 Agent，权限边界必须想清楚。

需要重点注意三件事：

本地文件权限要最小化。 不要把整个磁盘都开放给 Agent。更稳妥的做法是按项目目录授权，只让它访问当前任务需要的文件。

多人协作要有操作记录。 如果项目里有多个人和多个 Agent，谁让 Agent 改了什么文件、执行了什么命令，最好能留下记录。

关键文件不要交给模糊指令。 合同、财务、客户资料、源代码密钥这类内容，不适合用一句“帮我找一下”直接交给高权限 Agent。

Agent 越像同事，就越不能只按聊天机器人的安全标准来管。

它需要更接近开发工具、远程终端和自动化脚本的权限设计。

五、Claude Code / Codex 这类 Agent 的模型接入怎么选

Coze 3.0 解决的是“把 Agent 放到同一个项目里”的问题。

如果你的本地 Agent 还需要稳定调用 Claude 模型，重点是把底层模型接入做稳。

ClaudeAPI 的常用接入点如下：

Python 最小调用示例：

import anthropic

client = anthropic.Anthropic(
    api_key="sk-你的ClaudeAPI密钥",
    base_url="https://gw.claudeapi.com"
)

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "帮我把这个 Agent 项目拆成调研、写作、PPT 三个任务。"}
    ]
)

print(response.content[0].text)

import anthropic

client = anthropic.Anthropic(
    api_key="sk-你的ClaudeAPI密钥",
    base_url="https://gw.claudeapi.com"
)

response = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "帮我把这个 Agent 项目拆成调研、写作、PPT 三个任务。"}
    ]
)

print(response.content[0].text)

这段代码会通过 ClaudeAPI 网关调用 Claude 模型，用于给多 Agent 项目做任务拆解。

模型选择可以按任务强度分层：

六、这次更新的实际意义

Coze 3.0 这次更新，最有价值的地方不是“又多了一个 Agent 平台”。

它真正改变的是工作入口。

过去很多人已经在本地使用 Claude Code、Codex CLI、OpenClaw，但这些工具像分散的员工，各自开一个窗口，各自记一段上下文。

现在的方向是：把这些 Agent 收进同一个项目，让它们围绕同一个目标接力。

这对内容生产、代码开发、资料调研、文件处理都有意义。

尤其是跨端场景里，手机端一句话调动家里电脑上的本地 Agent，已经接近“远程 AI 助手”的形态。

小结

Coze 3.0 和 Claude Opus 4.8 Dynamic Workflows 放在一起看，可以看到一个清晰趋势：

多 Agent 协作正在成为 AI 工具的新主线。

模型能力仍然重要，但真正决定工作效率的，开始变成三个问题：

• Agent 能不能接入真实工作环境
• 多个 Agent 能不能共享上下文
• 权限、执行和结果验证能不能管住

对开发者来说，与其等一个什么都会的万能 AI，不如先搭一套各有分工、上下文统一、权限可控的 Agent 工作流。

ClaudeAPI.com 提供 Opus 4.7、Sonnet 4.6、Haiku 4.5 的稳定接入能力，支持 Anthropic 原生格式与 OpenAI 兼容格式，适合接入 Claude Code、Codex CLI 等本地 Agent 工作流。