MiniMax 版 Claude Code 开源，夯。

大家好，我是二哥呀。

好家伙，MiniMax 直接把他们的 Code CLI v0.4.12 开源了，还是 MIT 协议。

我只能说，伟大无需多言。

这样的话，我就可以去研究 MiniMax Code CLI 的源码，从而升级我的终端 Agent PaiCLI 了，舒服了呀。

我先放一个我用 MiniMax Code CLI + DeepSeek V4.1 Flash 开发的魂斗罗录屏，整体给我的感受还是 OK 的。

【录屏1】

从官方给出的跑分来看，不管是速度还是任务的成功率，都挺出色。

在 FrontierHarness Eval 上拿到了 SOTA 通过率、最快完成时间、第二低 token 消耗。

此处应该有掌声。

开源让开发者能审计、改造并复用整个工具链，CLI + Agent 的组合正在把实验快速推向真实工作流。

除了 Codex，对 Claude Code、Gemini，我其实更喜欢在终端里使用，原因很简单，这些桌面端做的有点垃圾。比如说 Antigravity，真的是烦死了，每次都要确认权限，整个输入界面竟然没有 auto 模式，我理解不了。

纯纯的反人类设计。

01、安装和配置

安装很简单，终端直接输入一行命令。

curl -fsSL https://filecdn.minimax.chat/public/install.sh | bash

当然也可以使用源码构建。

git clone https://github.com/MiniMax-AI/minimax-code.git
cd minimax-code
pnpm install --frozen-lockfile
pnpm build
pnpm mcode

安装完成后，来配置 DeepSeek V4.1 Flash。

配置需要两步。

第一步，在终端输入以下命令，然后键入 DeepSeek API Key。

read -rs "DEEPSEEK_API_KEY?请输入 DeepSeek API Key: "; echo
export DEEPSEEK_API_KEY

第二步，键入以下命令在 MiniMax Code CLI 中添加第三方模型，无需登录。

mcode provider add \
  --name "DeepSeek V4.1 Flash" \
  --base-url "https://api.deepseek.com" \
  --api-format openai-completions \
  --model deepseek-flash \
  --api-key-env DEEPSEEK_API_KEY

配置完成后，启动 mcode，确认一下。

随便输入一个提示词，看看有没有返回就行了。

02、上手体验

刚好我沉淀了很多 Case，直接让 mcode 自己挑一个跑跑看。

我觉得目前最大的问题是权限设计，一直弹出权限确认，没办法像Claude Code那样直接快捷键设置。

不过整体长程任务的处理还是不错的，我这个跑了 32 分钟，仍然没出问题。中间涉及文件读写、命令执行、多轮工具调用，没有出现卡死或上下文丢失的情况。能跑稳长任务，说明底层的 Turn Loop 和上下文管理是靠谱的。

03、Pi 框架和整体架构

MiniMax 没有从零开始写 Agent 框架，他们用了一个叫 Pi 的开源编码 Agent 框架做底座。

说实话，用 Pi 自研 Harness 和自己从头自研一个 Harness 没有任何区别，但减少了极多的工作量，还能白嫖社区维护。

agent-core 这个包负责定义一轮对话（Turn）的数据结构、工具协议、事件类型。

agent-runtime 提供扩展注册表，agent-extension 实现内置的 Skills、权限、MiniApp 等扩展。

local-runtime-v2 是完整的宿主实现，管 Session 和 Turn 的生命周期，用 SQLite 做持久化，负责模型选择和权限系统。

tui 包负责终端渲染和 CLI 命令解析。

界面和运行时之间通过事件流通信。这意味着 TUI 可以换成 Web UI、IDE 插件或者 Headless CLI，运行时完全不需要改动。MiniMax Code 就同时支持三种入口，交互式 TUI（mcode）、无头模式（mcode exec）和 ACP 协议（mcode acp，给编辑器用的）。同一套运行时代码跑三种入口，全靠分层解耦。

04、核心循环

Agent 的核心是 Turn Loop，也就是一轮对话从用户输入到模型回复的完整流程。

MiniMax Code 的核心循环实现在 pi-turn-runner.ts 里：

async runTurn(input) {
  // 1. 构建本轮状态（全新对象，不复用上一轮的）
  const turn = newTurn(input, deps);
  // 2. 通知外部"开始执行"
  await emitRunning(turn);
  // 3. 创建 Agent 实例
  const agent = newAgent(turn);
  // 4. 创建历史游标
  const history = newHistory(turn, agent);
  // 5. 安装工具钩子（beforeTool / afterTool）
  setToolHooks(agent, turn);
  // 6. 安装模型钩子（beforeLLM / afterLLM）
  setLLMHook(agent, turn, history);
  // 7. 订阅事件流，串行队列保证顺序
  const events = subscribeEvents(agent, turn, history);
  // 8. 驱动 Agent 循环（模型调用 → 工具执行 → 再调用）
  await runAgent(agent, turn, events.convergeAtIdle);
  // 发送结束事件
  await emitTerminal(turn, termination);
}

两个设计让我印象深刻。

第一个是每轮状态隔离。每次执行都会创建全新的 turn、agent、history 对象，上一轮的状态不会泄漏到下一轮。好处是天然线程安全，调试也方便，出了问题只需要看当前 turn 的状态。

第二个是钩子（Hook）机制。工具执行前后、模型调用前后，都预留了钩子。扩展只需要注册一个 Hook 函数，就能在对应阶段插入自己的逻辑。举个例子，性能统计放在 afterLLM 钩子里做，权限检查放在 beforeTool 钩子里做，上下文压缩放在 onHistoryChanged 钩子里做。

05、工具和扩展

MiniMax Code 的工具定义有一个我很喜欢的设计，LLM 看到的 schema 和运行时执行的代码分开存放。

在 define.ts 里，定义一个工具只需要调用一个函数：

// packages/agent-core/src/tools/define.ts
const readFileTool = defineRuntimeTool({
  name: 'read_file',
  description: '读取指定路径的文件内容',
  schema: Type.Object({
    file_path: Type.String()
  }),
  async execute(ctx, input, signal) {
    // 运行时的实际文件读取逻辑
    return { text: content, content: [...] };
  }
});

返回值自动拆成两部分。def 是定义，包含工具名称、描述、参数 schema，这些信息发给 LLM，让模型理解这个工具能干什么、参数格式是什么样的。impl 是实现，包含实际的执行逻辑，留在本地运行。

换模型的时候可以调整工具定义（比如某些模型不支持复杂嵌套的 schema），而执行逻辑完全不用动。反过来也成立，优化执行逻辑的时候不影响 LLM 看到的接口描述。

工具的执行上下文通过闭包注入。每个工具执行时能拿到 sessionId、turnId、toolCallId 这些信息，但这些信息是在 Turn 创建时就绑好的，不用 AsyncLocalStorage，也不用全局变量。Java 里对应的做法是通过构造方法注入一个 Context 对象。

扩展系统建在工具系统之上。registry.ts 是扩展注册表，管理所有扩展的生命周期。

每个扩展在初始化时可以注册四类，工具、系统提示词、提醒、钩子。Skills 就是用这套扩展机制实现的。它在初始化时扫描项目目录和用户目录下的 Skill 文件，生成一个可用 Skills 清单注入到系统提示词里。同时注册了一个提醒器，每轮对话都会检查用户的输入是否匹配某个 Skill，匹配到了就插入一条提醒。

Skills 的实现里还有一个细节让我印象深刻。它用 WeakMap 缓存每轮对话的 Skill 快照，同一轮对话里多次访问 Skills 清单拿到的是同一份缓存，不同轮次之间旧的缓存随着对话上下文被垃圾回收自动释放，不会内存泄漏。

扩展注册表有一个清晰的生命周期状态机，new → initializing → ready（或 failed）。状态到了 ready 之后就不允许再注册新扩展了，防止运行时意外修改工具列表。初始化过程中如果任何一个扩展出错，整个注册表进入 failed 状态，不可恢复。

ending

用了大半天跑 MiniMax Code CLI，又花了一个下午读源码。

还是挺有收获的。

其实AI时代最大的便利就是学习的成本大幅降低，几乎就没有学不会的知识，因为GitHub上有大量优质的开源项目。

加上可以用 Codex 和 Claude Code 无痛阅读源码，架构、细节、产品这些都可以覆盖到。

还是很充实的。

我们下期见。