我用 Multica 指挥 4 个 AI Agent 开发了一套 TOEIC 模考系统

从零搭建自托管多智能体平台，踩坑记录和实操指南

背景

最近在试用 Multica 这个多智能体协作平台。它有点像 AI 版的 JIRA——你创建任务（issue），分配给 squad（智能体小队），squad leader 自动分派给队员执行，队员之间还能互审、互评。

我拿一个 TOEIC 模考系统当试验品，让 4 个 AI agent 协作开发，结果比预期好——也有不少坑。这篇记录完整流程，希望能帮到你。

一、环境准备

硬件和系统

• Windows 10，一台普通开发机
• Docker Desktop（跑 Multica 后端）
• Git Bash 作为终端

部署 Multica（自托管）

# 1. Clone 仓库
git clone https://github.com/multica-ai/multica.git
cd multica

# 2. 配置 .env（关键！）
# 必须设置 APP_ENV=development，否则本地验证码不生效
echo "APP_ENV=development" >> .env
echo "MULTICA_DEV_VERIFICATION_CODE=888888" >> .env

# 3. 启动
docker compose -f docker-compose.selfhost.yml up -d

# 4. 安装 CLI
# 从 GitHub Releases 下载 multica-cli-*.zip，解压到 ~/.multica/bin/
multica login --token <your-pat> --server-url http://localhost:3000
multica daemon start

坑 #1: Docker Compose 的 ${VAR:-default} 语法会把空值当"已设置"，导致 APP_ENV= 变成 production，本地验证码失效。必须显式写 APP_ENV=development。

配置 Agent CLI

Multica daemon 会自动扫描 PATH 上的 CLI 工具。我的机器上有：

# 创建 agent
multica agent create --name "Claude Leader" --runtime-id <id> --model claude-sonnet-4 --visibility workspace
multica agent create --name "OpenCode Content" --runtime-id <id> --model deepseek/deepseek-chat --visibility workspace
multica agent create --name "Copilot Frontend" --runtime-id <id> --model claude-sonnet-4 --visibility workspace
multica agent create --name "Cursor Backend" --runtime-id <id> --model composer-2.5 --visibility workspace

坑 #2: OpenCode 的模型名必须带 provider 前缀 deepseek/deepseek-chat，不能只写 deepseek-chat。否则 agent 2 秒内失败，提示 “Model not found”。

二、组建 Squad

# 创建 squad，指定 leader
multica squad create --name "TOEIC Team" --leader "Claude Leader"

# 添加队员（需要完整 UUID，8 位前缀不行）
multica squad member add <squad-id> --member-id <full-uuid> --type agent

Squad 结构：

TOEIC Team
├── Claude Leader (leader)    — 评估任务、分派、审查
├── OpenCode Content (member) — 生成题目内容
├── Copilot Frontend (member) — React 前端
└── Cursor Backend (member)   — Python 后端

坑 #3: squad member add 的 --member-id 需要完整 UUID。agent list 显示的 8 位前缀不够。

三、创建任务

我创建了 16 个 issue，覆盖 7 个 Part 的题目生成、前后端基础设施、UI 页面：

multica issue create \
  --title "[INFRA] Backend - Database Schema + API" \
  --assignee "TOEIC Team" \
  --description "Build TOEIC backend with FastAPI + PostgreSQL..."

multica issue create \
  --title "[TOEIC] Set 1 - Part 1 (Photographs) - 6 questions" \
  --assignee "TOEIC Team"
# ... 更多 issue

任务分 3 层：

1. 数据层: Part 1-7 共 7 套题目（200 题 + 听力脚本）
2. 后端: DB schema、REST API、JWT 认证、TOEIC 评分
3. 前端: 考试界面、答题卡、计时器、登录注册、成绩报告

四、Agent 协作过程

Leader 的工作流

Claude Leader 接到任务后的标准动作：

1. 读 issue 描述
2. 评估复杂度，决定分派给谁
3. 在 issue 下发评论 @agent，附带具体要求
4. 队员完成后，Leader 审查结果
5. 通过 → mark done；不通过 → 发修订意见，队员重做

队员之间的互动

有意思的是，队员之间也会互相审查。Copilot Frontend 做完前端后 Leader 审查发现 Part 3 题目数量不对（69 道应该是 39 道），Leader 把反馈发给 OpenCode Content 重做，Copilot 继续修前端其他问题。

整个过程就像一个微型开发团队，只是所有成员都是 AI。

五、踩过的坑

坑 #4: Codex Agent 不工作

Multica 自带的 Codex agent 连不上 DeepSeek API（我用的 codex_proxy 代理挂了）。我试了：

• 替换成 CodeArts（华为云） → CLI 参数不兼容。Multica 的 opencode backend 硬编码了 --dangerously-skip-permissions 和 --dir flag，CodeArts CLI 不支持，直接 exit 1。
• 最终换成 Cursor CLI → 成功了，但有个小波折。

坑 #5: Cursor CLI 版本检测

daemon 用 cursor-agent --version 检测版本，但版本目录名 2026.06.15-18-00-12-6f5a2cf 不匹配脚本中的正则 ^\d{4}\.\d{1,2}\.\d{1,2}-[a-f0-9]+$（多了时间戳）。

# 修复：重命名目录，去掉时间部分
mv versions/2026.06.15-18-00-12-6f5a2cf versions/2026.06.15-6f5a2cf

坑 #6: Clash DNS 劫持

Cursor agent 启动后报 connect ETIMEDOUT 198.18.0.9:443。这是 Clash 的 TUN 模式留下的 DNS 污染——Meta 虚拟适配器的 DNS 还是 198.18.0.2。

# 删掉 TUN 路由
route delete 0.0.0.0 mask 0.0.0.0 198.18.0.2

# 重置 Meta 适配器 DNS
netsh interface ip set dns "Meta" dhcp

坑 #7: Copilot 不走订阅

Copilot Frontend 配了 claude-sonnet-4 模型，但我没充 Copilot 会员，它居然能工作。后来发现是环境变量配了 BYOK（自带 Key）：

COPILOT_PROVIDER_TYPE=anthropic
COPILOT_PROVIDER_BASE_URL=https://api.deepseek.com/anthropic
COPILOT_MODEL=deepseek-v4-pro

GitHub Copilot CLI 检测到这些变量后就绕过 GitHub 的路由，直连 DeepSeek API。

坑 #8: Squad 不会主动轮询

Multica 的 squad 是事件驱动的——Leader 只在收到新评论或任务指派时才行动。如果你改了 agent 配置、修了 bug，Leader 不会自动感知。需要手动在 issue 下发一条 @Leader 评论来触发。

六、最终成果

14/16 个 issue 完成（1 个取消，1 个是测试验证）。

multica-test-project/
├── backend/
│   ├── app/
│   │   ├── main.py              # FastAPI 入口
│   │   ├── api/auth.py           # JWT 认证
│   │   ├── api/exams.py          # 考试 API
│   │   ├── api/questions.py      # 题库 API
│   │   ├── core/database.py      # SQLAlchemy
│   │   ├── core/security.py      # 安全
│   │   └── services/scoring.py   # TOEIC 评分转换
│   ├── tests/test_api.py
│   └── toeic.db (262KB)
├── frontend/                     # React + TypeScript + Vite
│   ├── ExamPage, Timer, AnswerSheet
│   ├── LoginPage, RegisterPage
│   ├── ScoreReportPage
│   └── ExamListPage
└── data/
    ├── set1/                     # Part 1-7 全部 200 题
    └── set2/part5.json           # Part 5 补充 30 题

总共耗时约 2 小时（含调试），人工干预主要是配置 agent 和修网络问题。实际编码工作全是 agent 完成的。

七、快速上手 Checklist

1. docker compose up -d 启动 Multica
2. 确认 .env 里 APP_ENV=development
3. 安装所需 CLI 工具（claude, opencode, copilot, cursor-agent）
4. multica daemon start 自动检测运行时
5. 创建 agent（注意模型名格式）
6. 组建 squad
7. 创建 issue 并分配给 squad
8. 坐等 Leader 分派，有问题时发 @Leader 触发

关键技巧：

• 配模型名时先跑 xxx models 确认完全一致
• Leader 空闲时手动在 issue 下发评论触发
• 注意 Windows 上的 Clash/代理对 daemon 子进程的影响

Multica 让多 agent 协作的门槛降到了「写 issue」这一步。2 小时搭出一套完整考试系统，放在以前至少要好几个人的工作日。虽然有些坑，但踩过一遍就能跑通了。

试试看，把你的 side project 交给一个小型 AI 开发团队。