自架 Goose AI Agent：從程式碼建議到自主操作的全方位教學

前幾年我們聊 AI 程式助手，聊的是 Copilot 那種「幫你補完程式碼」的等級；後來進步到 ChatGPT 可以「幫你跑指令、改檔案」；現在呢？AI Agent 已經能自己安裝依賴、執行程式、跑測試、修 Bug，然後把整條開發流程走完。

而 Goose，就是這個世代最讓人眼睛一亮的開源 AI Agent 之一。

它不綁模型、不綁廠商、不花錢（基本版），而且從 Block（Square 母公司）貢獻到 Linux Foundation 下的 Agentic AI Foundation（AAIF），背書夠硬、生態夠大。這篇就帶你從零開始，把 Goose 架起來，從程式碼建議一路玩到自主操作。

什麼是 Goose？先搞懂它的定位

Goose 是一個運行在你本機上的通用 AI Agent。它不是單純的程式碼補完工具，而是一個能「執行、編輯、測試」的完整代理系統。

它的核心能力可以歸納成四件事：

Install：自動安裝相依套件與環境
Execute：執行程式碼並驗證結果
Edit：根據測試結果編輯或修正檔案
Test：執行測試確保程式碼功能正確

這四步形成一個閉環，讓 Goose 不只是「建議」你怎麼寫程式，而是「幫你做完」然後「確認做對」。

它支援 15+ 個 LLM 提供者，包括 Anthropic、OpenAI、Google Gemini、Ollama、OpenRouter、Azure、Bedrock 等等。換句話說，你手上有什麼模型、什麼 API Key，Goose 就能用什麼。

更特別的是，Goose 透過 MCP（Model Context Protocol） 連接 70+ 個擴充功能——資料庫、瀏覽器、GitHub、Google Drive、Kubernetes……幾乎什麼都能連。

簡單講，Goose 就是你的個人 AI 操作員，聽話、能幹、不挑模型。

安裝 Goose：三種方式任你選

Goose 提供三種使用方式：桌面應用程式、CLI（命令列），以及 API。我們這篇以 CLI 為主，因為最靈活也最適合伺服器環境。

CLI 安裝（Linux / macOS）

最簡單的方式就是用官方安裝腳本：

curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

安裝完成後，可以用 goose --version 確認版本。

如果你用 Homebrew，也可以：

brew install block-goose-cli

Windows 安裝

Windows 使用者建議用 PowerShell 安裝：

Invoke-WebRequest -Uri "https://raw.githubusercontent.com/aaif-goose/goose/main/download_cli.ps1" -OutFile "download_cli.ps1";
.\download_cli.ps1

或者用 WSL 裝 Linux 版本也行。

桌面版

如果你是 macOS、Linux 或 Windows 桌面使用者，可以直接下載桌面版。macOS 用 Homebrew：

brew install --cask block-goose

桌面版和 CLI 共享設定檔，所以在 CLI 設好的 Provider，桌面版也能直接用。

設定 LLM Provider：你的 Goose 需要「大腦」

Goose 本身沒有內建模型，它需要一個 LLM Provider 來提供推理能力。這是設定 Goose 最重要的一步。

方法一：互動式設定

執行：

goose configure

進入互動式選單，選擇你要的 Provider 類型，輸入對應的 API Key 或端點資訊即可。

方法二：環境變數

如果你偏好手動控制，可以先把 API Key 設為環境變數：

export OPENAI_API_KEY="sk-xxxxx"
export ANTHROPIC_API_KEY="sk-ant-xxxxx"
export GEMINI_API_KEY="xxxxx"

然後再執行 goose configure，Goose 會自動偵測到這些變數。建議把 export 指令加到 ~/.bashrc 或 ~/.zshrc 裡，這樣每次開終端機都會自動載入。

支援的 Provider 類型

Goose 支援的 Provider 可以分成幾大類：

雲端 API 型：

Anthropic（Claude）
OpenAI（GPT-4、GPT-5）
Google Gemini
Amazon Bedrock
Azure OpenAI
OpenRouter
Groq

本地模型型：

Ollama
LM Studio
Docker Model Runner
Ramalama

免費方案推薦：

Google Gemini 有免費層級
Groq 提供高速的 Llama 3.3 和 Qwen 推理
透過 Tetrate Agent Router 註冊可獲得 $10 免費額度

用 Ollama 跑本地模型（完全免費、資料不出機）

如果你不想花錢或不想資料離開本機，Ollama 是最好的選擇：

先安裝 Ollama：https://ollama.com
下載模型，例如：ollama pull qwen3
執行 goose configure，選擇 Ollama Provider
輸入模型名稱（如 qwen3）

這樣你的 Goose 就完全在本地運行，不花錢、不綁廠商、隱私最高。

提醒： 本地模型如果沒有原生的 tool-calling 能力，Goose 的擴充功能會無法使用。建議至少使用有 tool-calling 支援的模型（如 Claude 4、GPT-4、Gemini Pro 以上）。

MCP 擴充：讓 Goose 長出手腳

Goose 最強大的地方在於它的擴充生態。透過 MCP（Model Context Protocol），Goose 可以連接各種外部工具和資料來源。

什麼是 MCP？

MCP 是一個開放標準，讓 AI Agent 能標準化地連接工具、API 和資料來源。想像一下，MCP 就像 Agent 世界的 USB 介面——插上什麼，Agent 就能用什麼。

Goose 是 MCP 最早的採用者之一，目前已有 70+ 個文件化的擴充功能。

常用擴充功能分類

開發與程式設計：

Git / GitHub：完整的版本控制與 PR 操作
JetBrains / VS Code：IDE 整合
Playwright：瀏覽器自動化與測試
Vercel / Netlify / Supabase：雲端部署

網頁自動化與資料抓取：

Tavily：網頁搜尋
Firecrawl：網頁爬取
YouTube Transcript：影片字幕提取

資料庫與資料：

MongoDB
Neon
Supabase

生產力工具：

Asana：專案管理
Figma：設計稿查看
Reddit / Dev.to：社群互動

啟用擴充功能

在 CLI 中，擴充功能可以透過設定檔或 goose configure 的選單來管理。桌面版則可以直接在設定頁面裡開啟或關閉。

你也可以在每次工作階段中動態啟用或停用擴充功能，非常方便。

Recipes：把工作流程包裝成 YAML

Goose 有一個超實用的功能叫 Recipes——你可以把重複的工作流程包裝成 YAML 檔案，然後隨時執行。

一個實際的 Recipe 範例

假設你想每週自動產出開發進度報告：

version: "1.0.0"
title: 每週進度報告
instructions: |
  分析 git 歷史紀錄和開放問題，產出一份簡短的進度報告。
  專注於過去 7 天的 commits。
extensions:
  - developer
activities:
  - 這週完成了什麼？
  - 總結週一以來的 commits

存成 weekly-report.yaml 後，執行：

goose run --recipe weekly-report.yaml

Goose 就會自動載入指定的擴充功能、按照指示執行，然後把結果回傳給你。

Recipe 進階功能

參數（Parameters）：可以在 YAML 中定義變數，執行時傳入
子 Recipe（Sub-recipes）：可以巢狀組合多個 Recipe，處理複雜流程
排程（Scheduling）：用 goose schedule 搭配 cron 語法定時執行
指示（Instructions）：可以寫入系統提示詞，定義 Agent 的角色和行為

Subagents：平行處理不卡關

複雜任務可以拆成多個子工作，Goose 的 Subagents 功能讓你 spawns 獨立的子 Agent 來平行處理。

比如你要做程式碼審查，可以主 Agent 負責整體架構分析，同時 spawn 三個子 Agent 分別審查不同模組。所有子 Agent 的結果會匯整回來，主 Agent 再產出最終報告。

這在處理大量檔案、多語言專案、或同時研究多個主題時特別好用。

安全機制：用起來安心

Goose 內建多層安全防護：

Prompt Injection 偵測：防止惡意輸入操控 Agent 行為
工具權限控制：可以限制 Agent 能執行哪些工具
沙盒模式（Sandbox Mode）：在隔離環境中執行
敵對審查模式（Adversary Mode）：有一個專門的 Agent 盯著主 Agent，確保它不會做危險操作

對於企業使用者來說，這些安全特性讓 Goose 不只是玩具，而是真正能上線的 Agent 平台。

Goose vs. 其他 AI Agent 工具

功能	Goose	Claude Code	Cursor
價格	免費（開源）	$20–200/月	$20–200/月
模型彈性	高（15+ 提供者）	僅 Claude	精選
本地執行	支援	雲端	部分
治理	Linux Foundation	專屬	專屬
MCP 擴充	70+	有限	有限
Recipes	完整支援	部分	無

Goose 的最大優勢在於自由——模型自由、擴充自由、部署自由。而且現在歸 Linux Foundation 管，長期發展比較有保障。

實戰場景：Goose 能幫你做什麼？

場景一：自動程式碼審查

goose run -t "審查這個 PR 的程式碼，檢查是否有潛在 bug 和效能問題"

搭配 GitHub MCP 擴充，Goose 能直接讀取 PR 內容、執行測試、產出審查報告。

場景二：資料庫查詢與分析

goose run -t "查詢 MongoDB 中上個月註冊超過 1000 次的用戶，產出統計報告"

MongoDB MCP 擴充讓 Goose 能直接連接資料庫、下查詢、格式化結果。

場景三：瀏覽器自動化

goose run -t "爬取 goodinfo.tw 的台股大盤資料，整理成 CSV"

Playwright MCP 擴充讓 Goose 能操作瀏覽器、填表單、抓資料。

場景四：每週自動報告

goose schedule --cron "0 9 * * 1" --recipe weekly-report.yaml

每周一早上九點自動跑一次，報告直接送到你的信箱或通訊軟體。

小結：為什麼你應該現在就開始用 Goose

Goose 已經不是實驗性產品了。它從 Block 起步，現在由 Linux Foundation 的 AAIF 治理，有 30,000+ GitHub Stars、350+ 貢獻者、70+ MCP 擴充。它不綁任何一家廠商，支援本地模型，免費可用。

如果你正在尋找一個能真正「幫你做事」而不是「幫你建議」的 AI Agent，Goose 值得你花半小時安裝設定，然後體驗一次「讓 AI 幫你跑完整條流程」的感覺。

從程式碼建議到自主操作，Goose 已經把這條路走通了。剩下的，就看你想讓它幫你做什麼了。

什麼是 Goose？先搞懂它的定位#

安裝 Goose：三種方式任你選#

CLI 安裝（Linux / macOS）#

Windows 安裝#

桌面版#

設定 LLM Provider：你的 Goose 需要「大腦」#

方法一：互動式設定#

方法二：環境變數#

支援的 Provider 類型#

用 Ollama 跑本地模型（完全免費、資料不出機）#

MCP 擴充：讓 Goose 長出手腳#

什麼是 MCP？#

常用擴充功能分類#

啟用擴充功能#

Recipes：把工作流程包裝成 YAML#

一個實際的 Recipe 範例#

Recipe 進階功能#

Subagents：平行處理不卡關#

安全機制：用起來安心#

Goose vs. 其他 AI Agent 工具#

實戰場景：Goose 能幫你做什麼？#

場景一：自動程式碼審查#

場景二：資料庫查詢與分析#

場景三：瀏覽器自動化#

場景四：每週自動報告#

小結：為什麼你應該現在就開始用 Goose#