OpenGenieMaster 是面向持续多机器人作业的开源具身持续 Harness，是对智元 AGIBOT 于 2026-10-27 发布的具身 Agent 框架 GenieMaster 的独立开源复刻。

编码 Agent（Claude Code、Codex 或内置的 Claude Agent）通过 EEP（Embodied Execution Protocol，具身执行协议） 调用机器人能力、下发多模态引导、读取物理反馈、跨中断续接任务，并把作业经验反思进长期记忆——整个过程不改动策略权重。EEP 以 MCP 服务器的形式提供，任何支持 MCP 的编码 Agent 都可以直接接入。

独立项目。 本项目由社区维护，与智元 / AGIBOT 无隶属、授权或合作关系。GenieMaster 官方代码在本文撰写时尚未发布（项目主页标注 “Coming soon”），本仓库依据官方项目主页、论文图表和公开报道复刻其设计；协议的线格式、默认值和错误码均为本项目自定，不保证与官方实现兼容。详见调研纪要。

亮点

零依赖：核心是纯 Python 3.10+ 标准库实现，无需训练或分发任何策略、模型权重，装个 Python 就能跑。
EEP over MCP：具身能力、多模态引导、物理反馈与任务连续性，通过 stdio 以 MCP 工具的形式对外暴露。
任务连续性：工作项与机器人绑定，带依赖与手持物；中断的任务暂停后，从下一个未完成步骤续做，支持机队派工与交接。
共享准入：每个请求都经过安全联锁——机器人已停止、标定失效、依赖未完成、或检测到有人进入工作区，都会被拒绝。
记忆与反思：执行记录被反思进版本化的长期记忆（可 diff / 回滚），策略权重保持不变。
回归可测的仿真器：语义多机器人仿真器显式建模七类失败机制，复现论文的五类实验。

架构

架构：编码 Agent → Harness → 机器人执行服务

逐项对照与设计取舍见 docs/architecture.md，协议规范见 docs/eep-spec.md。

快速开始

先从源码安装（见安装），然后运行：

ogm demo --scenario restocking --rounds 3 --trials 6

演示输出：成功率、恢复次数与学到的长期记忆

演示会在仿真便利店里重复执行补货任务，每轮结束后反思。学到的经验里有两条对应 GenieMaster 主页公开的案例：价签遮挡导致头部相机找不到小挂钩（改用腕部相机近距离定位）、夹爪在回撤时松开（运输途中保持闭合）。在本仓库里，它们是由执行记录经反思、准入后自动学到的。

ogm scenarios            # 列出仿真场景
ogm demo -v              # 带逐次输出的演示
ogm bench --experiment all --out results   # 全部评测，约 20 秒

仿真评测

ogm bench 在内置的语义仿真器里复现论文的五类实验，仿真器显式建模了价签遮挡、相似商品、新品、回撤时夹爪松脱、人员闯入、动作服务宕机、远距离判据误判七类失败机制。

总体成功率与任务完成度（6 个任务，每方法 100 次试验）：

总体成功率：OpenGenieMaster 93.2%，端到端 VLA 12.5%

能力组合——每加入一项能力后的成功率：

能力组合：成功率从 52% 提升到 99%

从经验中学习——长期记忆提升并稳住跨轮次的成功率：

记忆提升并稳住跨轮次的成功率

新品泛化——EEP 引导让策略从未训练过的新品上仍保持高成功率：

EEP 引导在新品上保持高成功率

持续多机器人部署——一个仿真的 24 小时班次：

24 小时多机器人部署汇总

以上是仿真回归结果，用来检验 Harness 的机制是否按设计生效；仿真器的概率参数是公开写明的假设（sim/policy.py）。这些数字不是真机结果，也不能与 GenieMaster 论文的数字比较。完整结果与方法见 docs/benchmarks.md。

安装

需要 Python ≥ 3.10，核心没有任何第三方依赖。macOS 自带的 python3 可能是 3.9，此时请换用较新的解释器（如 uv python install 3.12）。

PyPI 包暂未发布：目前 pip install opengeniemaster 还装不上，请先从源码安装。PyPI 发布后会删掉这条说明。

git clone https://github.com/eust-w/opengeniemaster.git
cd opengeniemaster
pip install -e .

需要内置 Claude Agent 时，把最后一步换成 pip install -e ".[claude]"，会一并安装 Anthropic SDK。

PyPI 发布后，也可以直接安装：

pip install opengeniemaster            # 核心
pip install "opengeniemaster[claude]"  # 含内置 Claude Agent

让 Claude Code / Codex 当编码 Agent

GenieMaster 把 Claude Code、Codex、Kimi、DeepSeek 等编码 Agent 放在 Harness 中心。EEP 是 MCP 服务器（stdio，纯标准库实现），因此这些 Agent 可以直接作为编码 Agent 使用：

claude mcp add opengeniemaster -- ogm mcp --scenario restocking --state-dir .ogm

也可以把 examples/claude_code.mcp.json 复制为项目根目录下的 .mcp.json，Codex 的配置见 examples/codex_config.toml。从源码运行而没有安装时，把 ogm 换成 python3 -m opengeniemaster，并在仓库根目录启动 Agent。

让 Agent 先读取 MCP prompt geniemaster_operator（完整的操作规程），然后给它一个目标，例如“把缺货的商品补上”。主要工具如下：

契约	工具
Capability	`eep_capabilities`、`<domain>_lookup`、`<domain>_orders`、`store_inspect_shelf`
Continuity	`eep_task_create`、`eep_task_get`、`eep_task_list`、`eep_task_update`（暂停 / 恢复 / 重试 / 跳过 / 交接…）、`eep_dispatch`
Guidance + Feedback	`eep_suggest_guidance`、`eep_execute`、`eep_observe`、`eep_verify`、`eep_wait`
安全	`eep_robot_stop`、`eep_robot_resume`（另有准入层的人员闯入联锁）
记忆与反思	`memory_records`、`memory_propose`、`memory_search`、`memory_note`、`memory_reflect`、`eep_capability_gaps`

--state-dir .ogm 会把长期记忆、任务状态和事件日志持久化，跨会话保留。

内置 Claude Agent

不使用外部 Agent 时，可以让内置 Agent 直接用 Claude 驱动 Harness（需要 Anthropic Python SDK 和 API 凭据）：

pip install -e ".[claude]"                           # 在仓库根目录执行；PyPI 发布后也可用 pip install "opengeniemaster[claude]"
ogm agent --scenario office_supply_search            # 默认 claude-opus-5-5，effort=high
ogm reflect --state-dir .ogm --llm                   # 用 Claude 做反思

内置 Agent 默认开启服务端 fallbacks: "default"：遇到安全分类器拒答时，由 API 自动换用推荐的备用模型重试。代码里可以通过 ClaudeAgent(server_fallbacks=False) 关闭。

接入真实机器人

机器人端只需实现一个很小的 HTTP/JSON 执行服务（/eep/v0/execute、/observe、/check、/state、/stop），即可接入 Harness：

继承 opengeniemaster.embodiment.service.RobotBackend，在其中调用你的 VLA 推理服务、全身控制器和检测器，然后用 serve() 启动服务。examples/human_backend.py 是一个可直接运行的人在回路后端：每个请求交给操作员遥操作完成并回报结果，适合在接入策略之前试跑整个闭环。
编写机队文件 examples/fleet.json，填写机器人型号、端点、令牌和标定版本，以及业务记录 examples/records.json。
用 ogm doctor --fleet examples/fleet.json 做上线前检查：逐台探测机器人执行服务（能否连通、令牌是否被接受、协议版本是否一致、控制的是否就是配置里的那台机器人），任一项失败即以非零码退出。
启动 ogm mcp --fleet examples/fleet.json --state-dir .ogm。

共享准入会拒绝以下请求：机器人已停止、标定失效、依赖未完成，或已观测到有人进入工作区却未声明暂停。eep_robot_stop 可随时急停；若机器人端没有确认停止，返回结果里会是 confirmed: false，Harness 会继续拒绝发给这台机器人的请求，但它可能仍在运动，请确保实体急停触手可及。

只读调用（observe、check、state、stop、resume）遇到网络错误或 5xx 时会自动重试（机队文件里每台机器人的 retries，默认 2 次）；execute 从不重试，保证同一动作不会执行两次。机器人端服务会拒绝超过 8 MiB 的请求体、以恒定时间比较令牌，并在无令牌却监听非本机地址时告警；令牌请通过环境变量 OGM_ROBOT_TOKEN 传入，而不是 --token。

本仓库尚未在真机上验证。 接入真机前请务必确保有急停、人工接管和动作范围限制。

目录结构

opengeniemaster/
  eep/          协议数据模型、JSON Schema、错误码
  domain/       领域层：业务记录、工作流、组合工具（store / office / home）
  embodiment/   具身层：机器人档案与技能绑定、执行适配器、机器人端 HTTP 服务
  harness/      Harness 核心：连续性、准入、判据、引导、恢复、编排器、练习
  memory/       临时 / 长期记忆、反思器
  agents/       EEP 工具注册表、MCP 服务器、内置 Claude Agent、提示词
  sim/          语义多机器人仿真器与场景
  bench/        基线方法、实验与报告
  replay.py     录制回放的离线回归测试
  flywheel.py   Policy RSI 数据导出（筛选 / 加权 / 目标重标）
  cli.py        ogm 命令行
tests/          100 个单元、集成与回归测试（unittest，零依赖）
docs/           架构对照、EEP 规范、评测、调研
examples/       MCP 配置、机队文件、业务记录、人在回路后端

参与贡献

欢迎提交 Issue 和 Pull Request，中英文均可。开始之前请先阅读贡献指南、行为准则、安全策略和更新日志。

运行测试：

python3 -m unittest discover -s tests -v

CI（.github/workflows/ci.yml）在 Python 3.10–3.13 上运行测试、命令行冒烟测试和打包。发布 GitHub Release 时，发布工作流会构建并通过 PyPI Trusted Publishing 上传。

局限

未训练或分发任何策略、模型权重；Policy RSI 只实现到训练数据导出这一步。
仿真器是语义级的（概率化技能结果），不模拟物理。如需物理仿真，可通过执行适配器接入 Genie Sim、Isaac 或 MuJoCo 等后端（尚未实现）。
EEP 的字段级规范来自官方主页的公开描述；消息封装、错误语义和版本协商为本项目自定（open-eep/0.1）。
未在真机上验证；所有评测数字均来自仿真。

许可证

本仓库原创内容采用 MIT License。引用的外部资料保留各自的版权与许可证，本仓库许可证不授予外部代码、模型权重或素材的使用权。

GenieMaster、Genie、AgiBot / 智元等名称和标识归其各自权利人所有。本项目使用这些名称仅为说明研究和复刻对象，不代表任何认可或关联。

亮点

架构