GACF — Gitconomy AI Coding Agent 开放能力工程框架

Define once, adapt across AI coding agents.

1. 项目简介

GACF（Gitconomy Agent Capability Framework）是由 Gitconomy Research 发起的 AI Coding Agent 开放能力工程框架。

GACF 致力于把分散在不同 AI 编程智能体中的 Agent、Skill、MCP、Prompt、Rule、Hook、Tool 等能力组件，工程化为可复用、可组合、可评测、可分发，并能够适配不同 AI Coding Agent 的能力。

GACF 不创建新的 AI Coding Agent，也不是智能体运行时或多智能体编排框架。它希望在 OpenCode、Codex、Claude Code 等 AI 编程智能体之上建立一个开放的能力层，解决 AI Coding Agent 能力难以复用、迁移和持续维护的问题。

2. 为什么开发 GACF？

AI Coding Agent 生态正在快速发展。

OpenCode、Claude Code、Codex、Trae、Qoder、CodeBuddy 以及大量衍生工具，正在形成各自的 Agent、Skill、Rule、MCP、Hook 和配置机制。

与此同时，不同工具之间也开始出现越来越多可以复用的能力机制和开放接口。很多 Prompt、Skill、MCP 服务以及知识资产本身并不需要针对每一个 AI Coding Agent 从头开发。

真正的问题在于：一个完整的 Agent 能力，仍然缺少跨不同 AI Coding Agent 的统一工程化组织、适配、评测、分发和治理机制。

例如，同一个研究能力可能包含：

研究 Agent
   +
检索 Skill
   +
知识库 MCP
   +
引用检查规则
   +
报告模板
   +
相关配置

这些组件本身可能具有较高的复用性，但部署到不同 AI Coding Agent 时，通常仍需要处理目录结构、配置格式、Agent 定义、权限、Hook、工具调用和生命周期机制等差异。

GACF 不试图重新发明这些已有能力，也不要求所有 AI Coding Agent 采用完全相同的实现方式。

GACF 重点解决两个问题：

第一，能力复用。

同一种能力可以在不同项目、团队和开发场景中重复使用，而不需要反复复制和维护 MCP、Skill、Prompt 或 Agent 配置。

第二，跨智能体适配。

同一种能力可以通过目标适配器部署到不同的 AI Coding Agent：

                         能力
                          │
                     统一能力描述
                          │
                     目标适配器
                          │
        ┌────────┬────────┼────────┬────────┬────────┐
        ▼        ▼        ▼        ▼        ▼        ▼
     OpenCode  Claude   Codex     Trae     Qoder  CodeBuddy
                Code
        │
        ▼
 OpenCode 兼容/衍生实现

                 ……更多 AI Coding Agent

因此，GACF 要解决的核心问题可以概括为：

AI Coding Agent 能力的工程化复用与跨智能体适配。

3. GACF 的核心架构设计

3.1 核心对象：可复用、可移植的能力

GACF 的全部设计围绕一个核心对象展开：一份能力（Agent Capability）经过标准化、组合与跨 Agent 适配，再打包分发、评测注册，逐步沉淀为能力资产（Capability Asset）。

                   GACF
                    │
                    ├── GSpec  能力规范
                    │
          ┌──────────┼──────────┐
          ▼          ▼          ▼
        GForge     GBench     GPack
         开发       评测       分发
          │
          │
          ▼
       GLedger
       注册 / 资产

GSpec 负责定义能力、能力包、能力描述文件和目标适配器等基础规范。
GForge 负责能力的开发、组合与构建。
GBench 负责能力的测试、评测，以及兼容性和可移植性验证。
GPack 负责能力包的安装、分发、版本管理，以及面向不同 AI Coding Agent 的能力装配。
GLedger 负责能力的注册、身份、来源、版本、评测记录和生命周期管理，使经过持续沉淀的能力可以成为可追溯、可治理的能力资产。

4. 项目路线图

GACF 的演进方式是”从实践中形成规范“——先不做庞大的标准体系，让规范从实现里长出来。开发分为以下阶段：

4.1 整体路线图

阶段	主题	主要产出
Phase 0	搭建项目骨架（Bootstrap）	Monorepo 骨架、最小 Capability Model、实验性 Manifest、GPack / OpenCode Adapter Skeleton
Phase 1	开发 GPack MVP	跑通 Capability Pack 的安装、验证、卸载闭环
Phase 2	构建参考能力包（Reference Packs）	首批 Reference Capability Packs
Phase 3	扩展多智能体适配（Multi-Agent Adapters）	Codex / Claude Code Adapter
Phase 4	形成能力规范（GSpec Draft）	从已验证实践抽象 Capability / Pack / Manifest / Adapter / Compatibility 规范
Phase 5	评测能力质量（GBench）	能力评测框架与评测数据
Phase 6	开发能力工具（GForge）	能力开发与构建工具链
Phase 7	治理能力资产（GLedger）	能力注册、溯源与资产账本
远期	打造开放能力生态（Open Capability Ecosystem）	开放能力生态

4.2 当前阶段：项目启动

GACF 当前处于项目启动阶段。这一阶段最重要的目标不是完成整个框架，而是建立第一个能够真实运行的端到端闭环：

已有 MCP / Skill / Agent
           │
           ▼
         能力包
           │
           ▼
         GPack
           │
           ▼
     OpenCode 适配器
           │
           ▼
     安装 → 验证 → 卸载

项目启动阶段计划完成：

建立 project-gacf 单体仓库和基础项目治理结构；
定义最小的能力、能力包和目标适配器模型；
建立实验性的能力描述文件；
开发 GPack 最小可用版本；
首先实现 OpenCode 适配器；
将已有 Agent 能力整理为首批参考能力包；
跑通能力包的安装、验证和卸载流程。

完成第一个端到端闭环后，再逐步增加 Claude Code、Codex、Trae、Qoder、CodeBuddy 等适配器，并探索对基于 OpenCode 的衍生实现采用适配器继承和差异适配机制。

当前形成的能力模型、描述格式和适配接口均处于实验阶段，将根据真实使用持续调整。

5. 参考能力包

Gitconomy Research 已有的 MCP、Skill 和 Agent 将逐步整理为第一批参考能力包。

初步包括：

reference-packs/
├── deep-research/
├── open-courseware/
├── spark-deck/
└── agentic-coding/

这些能力包用于验证 GACF 的能力模型、GPack 和目标适配机制，同时为后续社区开发提供参考。

它们是参考实现，而不是固定规范。

6. 项目仓库初始结构

GACF 采用 Monorepo：

project-gacf/
├── docs/                   # 文档（概念 / 架构 / 决策 / 指南）
├── specs/                  # GSpec 能力规范
│   └── gspec/
├── packages/               # 工具组件
│   ├── gpack/              # 能力分发与装配（第一个实现组件）
│   ├── gforge/             # 能力开发（占位）
│   ├── gbench/             # 能力评测（占位）
│   └── common/             # 共享核心模型
├── services/
│   └── gledger/            # 能力账本（占位）
├── adapters/               # 目标智能体适配
│   ├── base/               # 适配器（Adapter）基类与接口
│   ├── opencode/           # OpenCode 适配
│   ├── codex/              # Codex 适配（占位）
│   └── claude-code/        # Claude Code 适配（占位）
├── reference-packs/        # 参考能力包
├── examples/               # 示例（最小化 / 组合 / 多目标）
├── benchmarks/             # 评测数据与任务
├── tests/                  # 测试（单元 / 集成 / 端到端 / 兼容性 / 回归）
├── rfcs/                   # RFC 提案
└── scripts/                # 工程脚本

其中 GPack 是当前主要开发组件，其他组件将随着能力模型（Capability Model）的成熟逐步启动。