Autonomous Lab

🚀 自主实验室（Autonomous Lab）

自主实验室（Autonomous Lab）是一个 MCP 服务器，它能将任何资深 - 初级工作流程转变为自主循环。由 AI 负责执行，而你只需做出决策。

🚀 快速开始

你可以将此页面链接复制到 Claude Code、Cursor 或任何编码代理中，让其为你安装自主实验室（Autonomous Lab），它会处理一切。

若要手动安装：

添加到 MCP 客户端配置（如 Cursor ~/.cursor/mcp.json）

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "uvx",
      "args": ["autonomous-lab"],
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

如果你通过 uv pip install 进行安装

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "autonomous-lab",
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

然后告知你的代理：“在 [你的主题] 上初始化一个自主实验室项目”。

✨ 主要特性

• 零额外成本：基于你现有的编码代理订阅运行，无需单独的 API 密钥，无基于使用量的计费，无需新账户。
• 多代理编排：可选模式，每个角色（首席研究员、实习生、评审员）作为独立代理运行，拥有自己的上下文窗口。使用你现有的 CLI 订阅（Claude Code、Codex CLI、Cursor），无需 API 密钥。若出现任何故障，会回退到单代理模式。
• 技能容器：可使用你已有的任何 SKILL.md 文件组合来配置角色。具备 scanpy + 科学写作 + 统计分析 技能的首席研究员与具备 react + typescript + 代码评审 技能的技术主管行为不同。
• 24 小时会话：循环可无限运行，无超时，无上下文丢失。使用 autolab_resume 可在断开连接后恢复会话。
• 完全可配置：通过 YAML 角色配置文件控制个性、专业知识、目标和可用工具，可在数秒内进行切换。
• 领域无关：适用于研究、软件、咨询、法律、医学、创意等任何具有资深 - 初级结构的领域。
• 专家咨询：可在会话中途邀请领域专家提供一次性建议，而不中断循环。
• 经过验证的引用：内置 CrossRef 集成，可提供真实、经过验证的参考文献（无虚假论文）。
• 游戏风格的监控界面：浏览器仪表盘可显示实时进度、迭代历史和编辑控件。

📦 安装指南

自动安装

将此页面链接复制到 Claude Code、Cursor 或任何编码代理中，让其为你安装自主实验室（Autonomous Lab）。

手动安装

添加到 MCP 客户端配置（如 Cursor ~/.cursor/mcp.json）

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "uvx",
      "args": ["autonomous-lab"],
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

如果你通过 uv pip install 进行安装

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "autonomous-lab",
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

安装完成后，告知你的代理：“在 [你的主题] 上初始化一个自主实验室项目”。

💻 使用示例

基础用法

两个 AI 角色（资深 + 初级）会在你的项目上进行循环迭代。它们会进行设计、执行、编写和修订。你作为决策者，可担任编辑、代码评审员、创意总监或该领域所需的其他角色。

循环流程如下：

autolab_next → (AI 充当角色) → autolab_record → lab_meeting → autolab_next → ...

当工作完成后，你可以进行评审，选择接受、要求修订或拒绝。循环将继续，直到你满意为止。

高级用法

多代理模式

默认情况下，单个 AI 代理会按顺序扮演所有角色。多代理模式会为每个角色生成一个专用代理，为每个代理提供全新的上下文窗口。在 .autolab/config.yaml 中启用此模式：

orchestration: multi

agents:
  pi:
    provider: claude-cli   # 使用你的 Claude Code 订阅
    model: opus
  trainee:
    provider: claude-cli
    model: sonnet

多个实习生

首席研究员可以有多个实习生并行处理不同任务。每个实习生都有自己的上下文窗口和专注领域：

orchestration: multi

agents:
  pi:
    provider: claude-cli
    model: opus
  trainees:                              # 复数键
    - name: "数据分析师"
      provider: claude-cli
      model: sonnet
      focus: "数据分析、统计、图表生成"
    - name: "撰写人员"
      provider: codex-cli
      model: o3
      focus: "论文撰写、LaTeX、文献综述"
    - name: "代码开发人员"
      provider: cursor-cli
      model: sonnet-4
      focus: "脚本开发、测试、可重复性"

所有实习生通过 asyncio.gather 并行运行。每个实习生都会看到一个包含其专注领域的范围提示以及关于其他实习生正在处理内容的协调说明。如果其中一个失败，其他实习生将继续运行。

代理团队（Claude Code）

当在启用代理团队的 Claude Code 中运行时（CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1），多代理模式会自动升级为原生代理团队。首席研究员成为委托模式下的团队负责人，实习生成为拥有自己上下文窗口的团队成员，他们通过共享任务列表和直接消息进行协调。无需额外配置，相同的 orchestration: multi 配置适用于两种模式。

可选的特定团队设置：

team:
  delegate_mode: true          # 首席研究员仅进行协调，不执行操作
  require_plan_approval: false  # 实习生行动前无需首席研究员批准

📚 详细文档

MCP 工具

角色示例

name: 陈玛丽亚博士
role: pi
title: 计算生物学首席研究员
expertise: 单细胞基因组学、机器学习
goal: 发现细胞类型特异性调控程序
skills:
  - scanpy
  - scvi-tools
  - 科学写作
  - 统计分析
personality:
  - "有远见：能发现新颖的研究方向"
  - "严谨：要求统计可重复性"

支持的提供商

CLI 提供商是主要途径，无需配置 API 密钥。如果未找到 CLI 二进制文件或多代理因任何原因失败，将自动回退到单代理模式。

对于 API 提供商，安装可选依赖项：

pip install 'autonomous-lab[multi-agent]'

远程 / SSH 环境

监控 Web UI 默认绑定到 127.0.0.1（仅本地）。在远程服务器、SSH 会话或容器中，UI 将尝试自动检测并绑定到 0.0.0.0。如果自动检测与你的设置不匹配，请使用以下方法之一。

方法 1：环境变量（推荐）

在你的 MCP 配置中将 MCP_WEB_HOST 设置为 0.0.0.0：

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "uvx",
      "args": ["autonomous-lab"],
      "timeout": 600,
      "env": {
        "MCP_WEB_HOST": "0.0.0.0",
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

然后在本地浏览器中打开 http://<远程主机 IP>:8766/lab。

方法 2：SSH 端口转发

保持默认配置（127.0.0.1）并转发端口：

ssh -L 8766:localhost:8766 用户@远程主机

然后在本地打开 http://localhost:8766/lab。

要求

• Python >= 3.11
• 兼容 MCP 的客户端（Cursor、Claude Code、Codex CLI、Windsurf 等）

🔧 技术细节

知识工作的瓶颈从来都不是执行，而是判断，即知道哪些问题重要、哪些结果有意义、应该追求哪些方向。最有能力做出这些判断的人，大部分时间都花在了不需要其特定专业知识的任务上。

自主实验室（Autonomous Lab）将层级提升了一级。AI 代理承担工作角色，如首席研究员和实习生、技术主管和开发人员、主治医师和住院医师，运行完整的设计 - 执行 - 评审循环。人类则进入编辑角色，即负责筛选、判断和指导的角色。你的品味和判断力，而非你的劳动，成为主要输入。

这不是一个副驾驶，而是对工作单元本身的重新组织。

📄 许可证

本项目采用 Apache 2.0 许可证。请参阅 LICENSE 和 NOTICE 了解更多信息。

致谢

自主实验室（Autonomous Lab）基于以下开源项目构建：

• 虚拟实验室（The Virtual Lab），由斯坦福大学的 James Zou 实验室开发（MIT 许可证），该项目提出了将大语言模型（LLM）代理作为首席研究员和科学家，通过结构化研究会议进行迭代的概念（Swanson 等人，《自然》2025 年）。
• mcp - 反馈增强（mcp - feedback - enhanced），由 Minidoracat 开发（MIT 许可证），提供了 Web UI、反馈循环、会话管理和国际化基础设施。
• 交互式反馈 MCP（interactive - feedback - mcp），由 Fábio Ferreira 开发（MIT 许可证），是原始的 MCP 反馈服务器。
• [工具宇宙（ToolUniverse）](https://github.com/mims - harvard/ToolUniverse)，由哈佛医学院的 Marinka Zitnik 实验室开发，集成了科学工具目录（1000 + 工具）。