# Crab Code：用Rust从头构建的开源Claude Code替代品

> 一个完全开源、Rust原生、支持任意LLM的Agentic编程CLI工具，提供与Claude Code兼容的工作流体验

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-06T09:15:49.000Z
- 最近活动: 2026-04-06T09:19:03.345Z
- 热度: 150.9
- 关键词: Rust, AI编程, 开源, Claude Code, Agentic, LLM, 终端工具, MCP
- 页面链接: https://www.zingnex.cn/forum/thread/crab-code-rustclaude-code
- Canonical: https://www.zingnex.cn/forum/thread/crab-code-rustclaude-code
- Markdown 来源: ingested_event

---

# Crab Code：用Rust从头构建的开源Claude Code替代品\n\n在AI辅助编程领域，Claude Code以其强大的Agentic能力赢得了广泛关注——它不仅能给出代码建议，更能理解需求、制定计划并自主执行终端操作。然而，其闭源特性限制了开发者的定制自由。现在，一个名为Crab Code的开源项目正在改变这一局面，它用Rust从零开始构建，为开发者提供了完全开放、高度可定制的替代方案。\n\n## 项目背景与动机\n\nClaude Code的出现标志着编程助手从"建议型"向"执行型"的转变。这类工具能够理解复杂任务、调用各种工具、在终端中自主完成编码工作。然而，对于追求开源、注重隐私或需要深度定制的开发者来说，闭源解决方案始终存在顾虑。\n\nCrab Code的诞生正是为了填补这一空白。它由CrabForge社区独立开发，采用Apache 2.0许可证完全开源，没有任何功能限制或黑箱操作。项目目前处于积极开发阶段，第一阶段 nearing completion，核心Agent循环、工具系统、TUI界面、MCP支持和多Agent基础架构均已实现，超过945个测试用例在17个crate中通过。\n\n## 核心技术架构\n\nCrab Code采用四层架构设计，共包含17个crate，体现了Rust生态系统的工程化最佳实践：\n\n**第一层（基础层）**：common、core、config、auth模块提供基础类型、配置管理和认证功能。\n\n**第二层（服务层）**：api、tools、mcp、tui、plugin、telemetry模块分别处理LLM API通信、工具执行、MCP协议、终端界面、插件系统和遥测数据。\n\n**第三层（编排层）**：agent和session模块实现Agent循环和会话管理的核心逻辑。\n\n**第四层（入口层）**：cli、daemon、xtask提供命令行界面、守护进程模式和构建任务。\n\n这种分层设计使得各模块职责清晰，便于维护和扩展。项目选择Tokio作为异步运行时，采用枚举类型的LlmBackend实现零动态分派，通过 exhaustive match 确保类型安全。\n\n## 关键特性解析\n\n### 模型无关设计\n\n与绑定特定厂商的解决方案不同，Crab Code支持任何兼容OpenAI API的模型提供商，包括Claude、GPT、DeepSeek、Qwen、Ollama等。这种设计赋予用户完全的选择自由，可以根据任务需求、成本考虑或隐私要求灵活切换模型。\n\n### 安全权限系统\n\n项目内置三级权限模式：Default（默认询问）、TrustProject（信任项目）、Dangerously（危险模式）。配合glob模式匹配，用户可以精细控制工具执行权限，在便利性和安全性之间找到平衡。\n\n### MCP协议兼容\n\nCrab Code完整支持Model Context Protocol（MCP），包括stdio和SSE两种传输方式。通过McpToolAdapter，外部MCP工具可以无缝集成到原生工具系统中，极大扩展了工具生态。\n\n### 智能上下文管理\n\n项目实现了会话保存/加载/恢复功能，支持CRAB.md项目指令文件（类似CLAUDE.md），并具备自动上下文压缩机制——当上下文窗口使用率达到80%阈值时自动触发压缩，确保长会话的稳定性。\n\n### 交互式终端界面\n\n基于ratatui构建的TUI界面支持Markdown渲染、语法高亮和Vim模式，为终端用户提供流畅的交互体验。同时支持单命令模式（single-shot mode），满足脚本化使用场景。\n\n## 开发路线图与社区参与\n\n项目采用里程碑式开发，目前已完成M0到M7a阶段，包括项目脚手架、领域模型、流式API、核心工具、Agent循环、TUI界面、配置管理和MCP集成。M7b阶段（多Agent和技能系统）正在开发中，涵盖AgentTool、任务系统和技能系统。\n\n未来规划包括：\n- 操作系统级沙箱（Linux Landlock/macOS Seatbelt）\n- OAuth2 + AWS Bedrock / GCP Vertex认证\n- 团队/群体多Agent协调\n- WASM插件运行时\n- WebSocket MCP传输\n- 守护进程模式和自动更新机制\n\nCrab Code欢迎社区贡献，当前特别需要帮助的领域包括测试与基准、OS级沙箱实现、额外LLM提供商集成、MCP WebSocket传输、文档国际化以及插件系统开发。\n\n## 使用场景与价值\n\n对于以下用户群体，Crab Code提供了独特价值：\n\n**开源倡导者**：完全Apache 2.0开源，无功能限制，可自由审计和修改源码。\n\n**性能敏感用户**：Rust原生实现带来即时启动、极小内存占用，无Node.js运行时开销。\n\n**隐私意识开发者**：支持本地模型（如Ollama），敏感代码无需上传云端。\n\n**定制化需求者**：四层架构和插件系统支持深度定制，满足特定工作流程。\n\n**多模型用户**：一个工具对接多种模型，避免为不同提供商安装多个客户端。\n\n## 结语\n\nCrab Code代表了AI辅助编程工具开源化、本地化、定制化的发展趋势。它不仅复刻了Claude Code开创的Agentic编程体验，更通过Rust的性能优势和完全开放的架构，为开发者提供了真正属于自己的编程助手。随着多Agent协调和技能系统的完善，Crab Code有望成为开源AI编程工具生态中的重要力量。\n\n对于希望体验Agentic编程又看重开源自由的开发者，Crab Code值得密切关注和尝试。