Xudong Han(@Xudong07452910):把 Agent 接到自己的电脑上并不难，真正让人犹豫的是到底该给它多大权限？最近看到一个很实用的开源项目 local-mcp。它通过 MCP，把本地文件、图片、目录和命令行能力开放给 Agent，还能写文件、运行测试和处理后台任务。它比较特别的地方，是把权限分成了两层。普通命令默认运行在 Codex 的沙箱里，只能访问指定目录，同时禁止网络连接；遇到需要完整系统权限或联网的操作，会回到本地终端向用户请求批准。Linux 使用 Landlock，macOS 使用 Seatbelt。每个项目还可以建立独立 Session。你能在本地看到 Agent 读了哪些文件、改了什么内容、执行了哪些命令，文件修改也会直接显示 Diff。长时间任务则可以转到后台继续运行。我很喜欢这个方向：先给 Agent 足够完成工作的能力，再把高风险权限留给人决定。当 Agent 开始连续工作几个小时，权限分层、操作记录和随时接管，可能会和模型能力本身一样重要。

2026.08.03 00:40

把 Agent 接到自己的电脑上并不难，真正让人犹豫的是到底该给它多大权限？最近看到一个很实用的开源项目 local-mcp。它通过 MCP，把本地文件、图片、目录和命令行能力开放给 Agent，还能写文件、运行测试和处理后台任务。它比较特别的地方，是把权限分成了两层。普通命令默认运行在 Codex 的沙箱里，只能访问指定目录，同时禁止网络连接；遇到需要完整系统权限或联网的操作，会回到本地终端向用户请求批准。Linux 使用 Landlock，macOS 使用 Seatbelt。每个项目还可以建立独立 Session。你能在本地看到 Agent 读了哪些文件、改了什么内容、执行了哪些命令，文件修改也会直接显示 Diff。长时间任务则可以转到后台继续运行。我很喜欢这个方向：先给 Agent 足够完成工作的能力，再把高风险权限留给人决定。当 Agent 开始连续工作几个小时，权限分层、操作记录和随时接管，可能会和模型能力本身一样重要。