AI 任务管理可以只让 Agent 查阅、创建或更新任务，也可以在任务分配后启动 Agent 执行，并把运行状态和结果写回看板。两者的关键区别是有没有负责启动和管理任务的运行时，而不只是有没有 MCP 接口。
Linear 本身也提供官方 MCP Server、Linear Agent 和 coding sessions。下表聚焦开源或可自托管的方案，以及它们是否负责实际执行 coding agent。
方案对比
| 项目 | 工作方式 | 部署与许可 | 主要取舍 |
|---|---|---|---|
| Multica | 把 Claude Code、Codex、Cursor 等 coding agent 配成团队成员；Issue 分配给 Agent 后，由关联机器上的运行时执行、汇报进度并交回人工审核 | 可自托管；许可证以 Apache-2.0 正文附加托管、商业嵌入和品牌相关条款 | 最贴近“给 Agent 分派开发任务”；需自己安装并登录 Agent CLI，也要为执行环境设好权限边界 |
| Paca | 人和 Agent 共用一个 Scrumban 看板；支持 MCP，并可用 ACP 本地桥接 coding CLI 执行任务 | Apache-2.0；可自托管 | 把 Agent 放进 Scrum 协作流程，还提供 AI 聊天、任务自动补全和自动分配；迭代较快，部署前需核对当前版本 |
| It’s a Plan | 人和 Agent 共用 issue、看板和迭代；Agent 可由分配、评论提及或定时触发，支持内置 Agent 与本机 coding CLI | AGPL-3.0（Runner 为 Apache-2.0）；可自托管 | 把项目管理和 Agent 执行放在同一产品；项目仍在快速开发，仓库提示首个稳定版前可能有破坏性变化 |
| Paperclip | 按公司目标、组织层级和预算管理 Agent；任务分解、Agent 心跳执行、审计和成本统计集中在一个控制台 | MIT；自托管 | 适合目标拆解、委派和预算治理；若只需要研发 issue tracker，管理模型会显得更重 |
| Pith | 提供 CLI、API 和 MCP，让外部 Agent 读取任务、改状态、留言、拆子任务和记录 session | MIT；Docker 自托管 | 适合已有 Agent 执行器、只需要共享任务板的团队；代码由外部 Agent 执行，不自带 Multica 式运行时 |
MCP 接入与任务执行
MCP 让模型或 Agent 通过工具操作任务数据，适合把现有看板接入聊天助手或 coding agent。任务执行平台还要负责触发运行、提供上下文、记录进度和交回审核。选型时要确认工具属于哪一层，避免把“Agent 能改任务状态”误认为“平台会替你运行 Agent”。
Multica 的重点不是内置某一个模型，而是把已有 coding CLI 接到任务流程里。任务、Agent 运行记录、评论和审核都关联在同一个 Issue 上；自托管时，代码可以在自己管理的机器上运行。它不会替用户安装或登录底层 Agent CLI。
Paca 和 It’s a Plan 更像是将传统 Scrum 或产品研发看板改造成“人和 Agent 同队”的协作空间。Paperclip 则把视角放到多 Agent 组织：它也管理 Agent 的上下级、预算和任务来源。Pith 提供 Agent 可操作的任务账本，但代码执行仍由外部 Agent 负责。
Multica 的安全文档明确说明：默认情况下，运行中的 Agent 继承 daemon 用户的文件和网络权限，Multica 本身不提供文件系统沙箱。运行 Agent 的机器应使用专门账户、容器或虚拟机，并只挂载所需仓库和凭据。Multica 安全模型
怎么选
- **想把现有 coding CLI 直接接入任务派发和审核流程：**先看 Multica。
- **想让人和 Agent 共用 Scrum 看板：**比较 Paca 与 It’s a Plan，并评估它们当前的版本成熟度。
- **要管理多 Agent 团队的目标、委派和预算：**看 Paperclip。
- **已经有 Agent 执行环境，只缺共享任务板和 MCP/CLI 接口：**看 Pith。
- **只需要让聊天里的 AI 查、建或更新 issue：**现有看板的 MCP 集成可能已经够用。
如果更关注常规项目、迭代和路线图管理，见开源项目管理工具对比。
许可、托管状态和功能以项目仓库及官方文档为准；本文信息核对于 2026 年 9 月 28 日。