摩尔线程推出开源AI智能体框架MTClaw，显著提升执行效率

电子创新网 20260601

摩尔线程推出开源AI智能体框架MTClaw，显著提升执行效率

摩尔线程近日正式发布了AI智能体框架MTClaw的开源版本。该框架专注于桌面控制场景的AI智能体加速，据实测数据显示，MTClaw可将任务执行速度提升约7倍，任务成功率达到100%。目前，MTClaw的完整代码、评测数据及配套插件已开放在摩尔线程GitHub官方仓库和OpenClaw插件市场ClawHub。

为何AI智能体在桌面操作中常“慢人一步”？

在自动整理文件、批量截图、浏览器操作及自动化测试等日常任务中，AI智能体正逐渐成为开发者的常用工具。然而，许多用户在实际部署过程中仍面临任务执行效率低下的问题。

当前主流智能体架构通常将每一帧截图、每一次点击或文件操作请求全部发送至远程大模型进行推理决策。即使任务本身简单，也需经历完整的推理流程。这种处理方式类似于让一位科学家处理“打开抽屉拿笔”这样的日常事务，导致算力浪费和系统响应延迟。

现有解决方案的局限性

业界目前主要采用两类方法应对上述问题：

对大模型进行专项训练，以提升特定场景下的轻量化操作效率，但成本高且难以持续。
直接使用轻量模型，虽然能在简单任务上表现出色，但在复杂逻辑处理中成功率明显下降。

因此，上述两种方案均难以实现效率与准确性的平衡。

MTClaw如何实现“又快又准”

为解决上述问题，摩尔线程提出了MTClaw框架。该框架并未更改后端大模型，而是在前端引入了一层“前台助理”机制，结合轻量模型与路由策略（Function Router），通过任务分工实现整体加速。

高频轻量操作即时响应：如截图、点击、文件打开等常规任务，由前台助理直接判断并执行，响应速度达到毫秒级。
复杂场景自动转交处理：真正需要深度推理的任务则自动转交给用户配置的后端大模型，如ChatGPT、豆包、Qwen等，保证执行质量。
无侵入式设计：MTClaw支持多种AI客户端、智能体框架或评测系统，只需修改一行API Base地址即可调用，无需改动底层代码。

图1：摩尔线程MTClaw的“前台助理”工作流

关键技术解析

MTClaw在“快”与“准”的平衡上，主要依赖于以下两项关键技术：

精挑细选的轻量模型：MTClaw所搭载的轻量模型并非越小越好，技术团队经过多轮测试，最终选定一款300亿参数级模型，该模型在速度与准确性之间达到了最优平衡。
严格的会话隔离机制：在多用户、多并发场景下，MTClaw为每个会话维护独立的上下文、历史状态和路由信息，避免误判。

图2：摩尔线程MTClaw的“前台助理”对话隔离机制

实测表现：速度与成功率双提升

摩尔线程在50个真实桌面控制任务上对MTClaw进行了端到端测试（每项任务执行4次，后端大模型选用豆包Pro），结果显示：

在极速模式下，单次任务平均完成时间仅需5.54秒，较传统方式的37.97秒提升了约7倍。
在稳健模式下，任务成功率达到100%，平均完成时间为7.61秒，较传统方式快约5倍。

快速部署指南

MTClaw采用MIT开源协议，完整代码、评测数据及训练脚本均已开放，支持本地部署，不依赖云端服务。

GitHub仓库：https://github.com/MooreThreads/MTClaw
ClawHub插件页：https://clawhub.ai/packages/openclaw-session-bridge-plugin

部署方式一：与OpenClaw兼容

MTClaw已与OpenClaw完成兼容，并上架ClawHub，OpenClaw用户可通过如下命令直接安装：

bashopenclaw plugins install clawhub:openclaw-session-bridge-plugin

部署方式二：本地Python环境运行

若需在自定义流程中调用MTClaw的路由能力，可按以下步骤部署：

克隆仓库并安装依赖：

git clone https://github.com/MooreThreads/MTClaw.gitcd MTClawpip install ../scripts/install.sh

配置服务接入（示例）：
安装脚本会自动加载OpenClaw当前使用的模型到路由中，无需修改代码。

手动配置服务：

只需将openai.base_url指向MTClaw本地或服务器代理地址即可：

import openaiclient = openai.OpenAI(    base_url="http://:8000/v1",    api_key="your-key")response = client.chat.completions.create(    model="openclaw-function-router-0308",    messages=[{"role": "user", "content": "帮我截取当前屏幕，并检查浏览器里是否有报错提示"}])

技能加速与工具扩展

MTClaw提供两种方式帮助用户快速适配特定领域：

通过 skill-to-fc 加速特定Skill。
通过实现脚本并注册，使用工具定义教程快速调用。

推动开源生态建设

MTClaw不仅适用于桌面控制场景，其设计也具备在代码辅助、自动化测试及多模态任务编排等AI智能体应用中的扩展潜力。该项目旨在为国产GPU算力在智能体加速方向提供可复用的技术基座。

摩尔线程将持续推进：

开放训练工具链，支持企业定制策略；
适配更多主流大模型作为推理后端；
推出整合套件，进一步降低部署门槛。

摩尔线程邀请更多开发者共同参与MTClaw的建设，协同推动AI智能体在实际生产场景中实现“更快、更准、更省”的持续进化。更多信息请访问：https://github.com/MooreThreads/MTClaw

*以上测试数据均来自摩尔线程实验室。

关于摩尔线程开发者

摩尔线程开发者平台是由国产GPU创新企业摩尔线程打造的一站式开发者服务站点，致力于构建技术共享与创新驱动的生态体系，助力开发者实现技术突破与应用落地。

来源：摩尔线程开发者

查看全文

电子创新网

作者最近更新

摩尔线程推出开源AI智能体框架MTClaw，显著提升执行效率