Magpie + Pi Agent：打造灵活、低成本的本地 AI Agent 工作环境

我认为当前最好的AI工具就是Magpie，它的强大不在于AI能力，而是它让AI的使用成本降低到了极致。对于AI的使用，无所顾及的使用和精打细算的使用的结果是不一样的，特别是针对高端的模型，能酣畅淋漓的使用将带来非常好的结果。
此外，就是极度简化的pi agent，最近通过两者的结合，以极低的成本完成了稽核系统+AI的项目模型构建、客服舆情项目的开发。

下面简单将安装过程记录下来。

最近尝试了 Magpie + Pi Agent 的组合，发现两者能够很好地互补：Magpie 负责统一管理大模型，Pi Agent 负责调用模型完成实际任务。

整个架构简单、轻量，而且具有很强的扩展性。

一、Magpie：统一管理大模型的 AI 网关

Magpie GitHub 项目

Magpie 是一个开源的 AI 模型管理与网关工具，可以把不同厂商的大模型统一接入，为多个 AI Agent 提供模型服务。

它的主要能力包括：

• 统一模型管理：支持 DeepSeek、Gemini、GLM、Claude、GPT、Ollama 等模型。
• API 协议转换：兼容 OpenAI、Anthropic、Gemini 等接口协议。
• 智能路由：可以配置多个模型，当模型调用失败或额度不足时尝试备用模型。
• 统一用量统计：集中查看模型调用量、Token 消耗及费用。
• 多 Agent 支持：可以为 Pi、Codex、Claude Code、OpenCode 等工具统一配置模型。
• 局域网共享：一台 Mac 运行 Magpie，局域网内其他设备也可以通过授权访问模型网关。

Magpie 默认在本机提供 API 服务：

http://127.0.0.1:3425/v1

对于支持 OpenAI 兼容接口的应用，只需要修改 API 地址，就可以通过 Magpie 调用不同的大模型。

二、Pi Agent：轻量、可扩展的 AI 执行工具

Pi Agent GitHub 项目

Pi Agent 是一个运行在终端中的开源 AI Coding Agent。

与功能繁杂的 AI 开发工具不同，Pi 采用极简设计，默认提供四种核心工具：

• read：读取本地文件。
• write：创建文件。
• edit：修改文件。
• bash：执行终端命令。

虽然功能看起来简单，但结合大模型之后，Pi 就具备了操作本地文件、编写代码、执行脚本和自动化处理任务的能力。

此外，Pi 支持通过 Skills、Extensions 和插件包扩展功能，也可以通过 SDK 集成到其他应用中。

它不仅适合辅助编程，还可以用于文档整理、批量翻译、日志分析等工作。

三、Magpie + Pi Agent：模型与执行能力分离

两者结合后，可以形成一个非常清晰的架构：

                 用户
                  │
                  ▼
             Pi Agent
           （任务执行层）
                  │
                  ▼
               Magpie
           （模型网关层）
                  │
       ┌──────────┼──────────┐
       ▼          ▼          ▼
    DeepSeek     Gemini      GLM
       │          │          │
       └──────────┼──────────┘
                  │
                  ▼
             返回执行结果
                  │
                  ▼
          Pi 操作本地文件

Pi 不需要关心模型来自哪里，Magpie 也不需要关心具体执行什么任务。

例如，可以根据任务特点选择不同模型：

这些只是配置示例，具体选择可以根据模型能力、成本和实际使用效果调整。

最大的好处是：更换模型不需要更换 Agent，多个 Agent 也不需要重复维护模型配置。

四、在 macOS 上安装

1. 安装 Magpie

打开终端，执行：

curl -fsSL https://usemagpie.ai/install.sh | sh

检查安装：

magpie --version

启动 Magpie 网关：

magpie serve

默认监听地址：

127.0.0.1:3425

2. 安装 Pi Agent

通过官方安装脚本：

curl -fsSL https://pi.dev/install.sh | sh

检查安装：

pi --version

如果提示 command not found，可以检查安装目录是否已加入 PATH。例如：

export PATH="$HOME/.local/bin:$PATH"

然后启动：

pi

3. 将 Pi 连接到 Magpie

首先在 Magpie 中添加模型供应商，配置 API Key 或模型订阅。

随后在 Magpie 的 Agents 页面找到 Pi，为它选择需要使用的模型。

Magpie 支持识别并配置 Pi，无须为每个模型单独手工维护接口地址。

完成后，Pi 的模型请求就可以通过 Magpie 网关转发。

需要注意，Magpie 必须保持运行，Pi 才能持续通过它访问模型。

五、进阶玩法：构建局域网 AI 网关

如果家中有多台 Mac、Linux 服务器或其他设备，可以把 Magpie 部署在一台长期运行的电脑上。

          家庭局域网
               │
    ┌──────────┼──────────┐
    │          │          │
 MacBook     Mac mini    Linux
 Pi Agent    Codex       Hermes
    │          │          │
    └──────────┼──────────┘
               │
               ▼
        Magpie AI Gateway
          192.168.1.100
             :3425
               │
      ┌────────┼────────┐
      ▼        ▼        ▼
   DeepSeek  Gemini   Ollama

Magpie 提供了 Settings → Share on local network 功能，可以启用局域网共享，并通过网关密钥控制访问权限。

这样，整个局域网内的 AI Agent 就可以共享统一的模型资源。

需要注意，局域网共享应启用访问鉴权，不建议直接将网关端口暴露到公网。

六、实际应用场景

我比较看好这个组合在以下几个方面的应用：

1. 批量文档翻译

使用 Pi 读取本地 Markdown、TXT 等文件，通过 Magpie 调用 DeepSeek 等模型完成翻译，再将结果保存为新文件。

2. 自动化文件处理

让 Pi 批量整理文件、提取内容、生成摘要，或者根据自然语言要求编写并执行处理脚本。

3. 多模型协同工作

简单任务使用低成本模型，复杂任务切换到推理能力更强的模型；也可以通过 Magpie 的路由组配置故障回退。

4. 家庭 AI 基础设施

在一台长期运行的 Mac 上部署 Magpie，为其他电脑上的 Pi、Codex、Hermes 等 Agent 提供统一模型服务。

七、总结

Magpie 和 Pi Agent 解决的是两个不同层面的问题。

Magpie 解决“用哪个模型”的问题，Pi Agent 解决“让模型做什么”的问题。

对于希望在 Mac 或 Linux 上构建个人 AI 工作环境的用户，这是一套值得尝试的轻量级方案。

它不需要复杂的基础设施，也不必绑定单一模型厂商。随着本地模型和开源 Agent 生态的发展，这种将模型管理与任务执行分离的架构，具有很好的灵活性和扩展空间。