用 OMA 能搭出什么。
直接来自仓库、可直接运行的实例——每一个都围绕它解决的问题来组织。按你想搭的东西浏览，然后打开源码。
从你要解决的问题出发。
覆盖客服、运营、研究、会议、安全等具体结果的完整工作流。
协调器根据物流或账单升级问题动态选择专职 Agent，再综合各自证据，形成一份有依据的回复。
run-team4 个任务的 DAG（extract → compliance-check + summary → notify）+ 步骤级重试。正常运行，或用 FORCE_FAIL=task2 触发重试。
run-taskstask-dependenciesretry5 个任务的 DAG：三个并行的根任务（日志模式 + 部署关联 + 影响范围）汇入根因假设与最终复盘综合。
run-taskstask-dependenciesparallel-execution选择工作应该如何流动。
可复用的协调模式：并行处理、任务交接、共识、依赖，以及跨模型推理。
通过 AgentPool.runParallel() 的 MapReduce 式 fan-out。
agent-poolparallel-execution通过 delegate_to_agent 的同步子智能体委派。
run-teamdelegation多个评审智能体并行，然后综合。
run-taskstask-dependenciesparallel-execution通过 runConsensus() 的提议者→评判者反驳循环：默认评判 prompt 与每个评判者的 judgePrompt 函数。
consensus多源研究，由一个综合智能体汇整。
run-taskstask-dependenciesparallel-execution通过 preserveReasoningAsText 跨 provider 保留推理模型的思维流。
multi-modelreasoning-transfermulti-turn给一次运行加上边界。
在工作流进入生产前加入 schema、重试、评估、预算、工具闸门、计划重放与可观测性。
智能体产出经 Zod 校验的 JSON。
run-agentstructured-output每个任务的指数退避重试。
run-tasksretry将工具授权与逐次调用 Gate 组合，对 bash 命令执行放行、人工复核或拦截。
tool-usetool-gating用 createPlanArtifact 固定协调器计划，再用 runFromPlan 回放，不重跑协调器。
run-teamtask-dependenciesplan-replay对两个 Target 运行无需 API Key 的 EvalSet 回归，结合规则评分器、Judge 评分器和 Gate 给出结果。
evaluationstructured-output无需 API Key 的示例，覆盖批处理、TraceStore、OpenTelemetry、生命周期处理和离线 Run Viewer。
observabilitytrace-storeopen-telemetry把 OMA 嵌进你已经在用的系统。
连接服务器、MCP 工具、记忆、AI SDK 应用、外部编码 Agent 与链路追踪设施。
Express REST API：POST /tickets 背后跑 runTasks()、每个智能体独立 Zod schema、可切换的 provider 环境变量、HTTP 错误映射（400/502/504）。
http-serverrun-tasksstructured-output通过 connectMCPTools() 把一个 MCP 服务器的工具暴露给智能体。
mcpcustom-toolsNext.js：OMA runTeam() 搭配 AI SDK useChat 流式输出。
ai-sdkrun-teamstreaming让同一支团队运行在你的模型栈上。
来自 catalog 的紧凑目录，覆盖 provider adapter、OpenAI 兼容端点与本地模型配置。
由已校验的 catalog 在固定的 Framework commit 上生成；每条 catalog entry 都恰好出现一次。在 GitHub 上浏览全部→
要把它用到生产环境？
open-multi-agent 采用 MIT 许可、可自行免费运行。当你需要在期限内交付、集成，或获得支持时，元定义科技（YuanASI）提供商业交付与支持。