2026 年最好的 AI Virtual File System 開源專案推薦選型指南與落地清單

一句话導讀： 当您的 AI Agent 需要同时读 GitHub Issue、S3 日志、Slack 线程和本地代码库时，问题往往不是模型不够聪明，而是上下文介面太碎——每个数据源一套 SDK、一套 MCP、一套鉴权。AI Virtual File System（VFS）把这一切摺疊成一棵路径树，让 Agent 用 read、grep、list 就能跨源操作。2026 年这个赛道已经跑出多个成熟开源方案，本文帮您按场景选对那一个。

为什么 Agent 需要虚拟檔案系统？

2025–2026 年，AI Agent 架构从「单轮问答」进化到「长时任务 + 多工具编排」。一个典型的 coding agent 在一次任务中可能要：

• 读本地 src/ 目錄里的 TypeScript 檔案
• 拉 GitHub PR diff 和 CI 日志
• 查 Postgres 里的用户表做数据修复
• 在 Slack 线程里回复进度

如果每个源都是一个独立 MCP Server 或 REST API，Agent 的 context window 很快会被工具 schema 和鉴权头占满。VFS 的核心价值是：把一切摺疊成路径。

Unix 哲学在 Agent 时代的复活： Plan 9 说「一切皆檔案」；2026 年的 AI VFS 说「一切皆上下文」——資料庫表是目錄，API 响应是檔案，Git commit 是快照。

2026 年赛道全景：6 个值得关注的开源项目

以下按成熟度、社区活跃度、适用场景排序，均为 2026 年仍在积极维护的项目（截至 2026 年 8 月）。

1. Mirage — 统一数据面的「瑞士军刀」

仓库： strukto-ai/mirage · 许可： Apache 2.0 · 语言： Python / TypeScript

Mirage 是目前社区声量最大的 AI VFS 项目之一（GitHub 3k+ stars）。它把 S3、Google Drive、Gmail、Slack、Redis、Postgres、GitHub、Notion 等 50+ 后端挂载到同一棵虚拟目錄树下，Agent 用 bash 的 cat、grep、pipe 就能跨源编排流水线。

• 亮点： 零新词汇——会 bash 就会用；支持 FUSE 挂载、MCP、LangChain / Vercel AI SDK 集成
• 特色： 读 PDF 返回解析后的页面而非原始字节；资源类型可自定义 read 语义
• 适合： 需要快速打通多 SaaS 的 Agent 编排、RAG 数据管道、OpenHands / Claude Code 插件场景
• 注意： 后端越多，挂载配置越复杂；生产环境建议按租户拆分 root namespace

2. AgentFS（Turso）— SQLite 驱动的沙箱檔案系统

仓库： tursodatabase/agentfs（Factory-AI fork 活跃维护）· 许可： MIT · 语言： Rust

AgentFS 走另一条路：不追求接 50 个 SaaS，而是把 Agent 的工作区做成可审计、可回滚的沙箱。底层用 SQLite 存储所有檔案內容和元数据，支持 copy-on-write 隔离和 FUSE（Linux）/ NFS（macOS）挂载。

• 亮点： 每次 Agent 操作可版本化；SQLite 事务保证原子性；适合多 Agent 并行写同一 workspace
• 适合： CI 里的 Agent 沙箱、需要「撤销到上一个 checkpoint」的 coding agent、合规审计场景
• 注意： Linux 是一线平台；macOS 通过 NFS + Seatbelt 沙箱，需跑手动验证脚本

3. AFS（AIGNE）— 「一切皆上下文」的抽象层

仓库： AIGNE-io/afs · 许可： Apache 2.0 · 语言： TypeScript

AFS 定义了 8 个统一操作：read、write、list、search、stat、exec、explain、delete。任何数据源通过 Provider 插件暴露为路径——Git 仓库的分支是目錄、SQLite 表是目錄、行是檔案。

• 亮点： Provider 生态清晰（@aigne/afs-git、@aigne/afs-sqlite、@aigne/afs-mcp）；附带 AFS-UI 让 Agent 渲染 Web 页面
• 适合： TypeScript 全栈团队、需要 Git + DB + 本地檔案统一访问的 internal agent
• 注意： 目前 beta 阶段（v1.11.x），API 可能变动；适合新项目而非大规模存量迁移

4. agent-fs — 带语义搜索的 Agent 长期记忆

仓库： desplega-ai/agent-fs · 许可： MIT · 语言： TypeScript

agent-fs 定位为 Agent 的持久化檔案系统 + 向量索引。除了标准檔案 CRUD，內置语义搜索（OpenAI / Google / 本地 llama.cpp embedding）、DuckDB SQL 查询文档、S3 同步和 MCP 集成。

• 亮点： 单二进制 CLI + HTTP Server；Identity 檔案让 Agent 拥有跨会话的持久身份
• 适合： 多 Agent Swarm 共享工作区、需要「搜以前写过什么」的长期记忆场景
• 注意： 社区较新（2026 Q1 发布），生产案例还在积累；embedding 成本需单独预算

5. VFS（ClayGendron）— glob / grep / glean / graph 四动词

仓库： ClayGendron/vfs · 许可： Apache 2.0 · 语言： Python

这个项目把 Agent 检索知识库的能力抽象为四个动词：glob（模式匹配）、grep（全文搜索）、glean（向量检索）、graph（关系遍历）。v2 核心路由层已实现 1,600+ 测试覆盖，SQL 后端正在迁移中。

• 亮点： 資料庫直连做 BM25 + 向量 + 图算法；PyPI 有 vfs-py 包
• 适合： 企业知识库 RAG、需要 SQL 后端（Postgres/MSSQL）的深度检索 Agent
• 注意： Alpha 阶段，v2 API 与 PyPI 旧版不兼容；pin 版本并关注 CHANGELOG

6. OpenHands Workspace — 编码 Agent 的运行时檔案系统

仓库： All-Hands-AI/OpenHands · 许可： MIT · 语言： Python

OpenHands 不自称 VFS，但它的 Docker sandbox + workspace mount 本质是 coding agent 的檔案系统层：Agent 在隔离容器里读写代码、执行 bash、浏览 web。Mirage 已提供 OpenHands 适配器。

• 亮点： 成熟的 coding agent 运行时；与 GitHub、GitLab 深度集成
• 适合： 全自动 PR 修复、issue → code 的端到端流水线
• 注意： 沙箱是 Docker 级而非 VFS 级；跨 SaaS 数据需额外接 Mirage 或 MCP

横向对比表

选型决策树：您应该选哪个？

1. 首要需求是接 10+ 个 SaaS/API？ → Mirage。一条 mount 命令搞定 S3 + Slack + GitHub。
2. 需要 Agent 沙箱隔离 + 操作可回滚？ → AgentFS。SQLite COW 是 2026 年最干净的方案。
3. 全栈 TypeScript、Git + DB 统一访问？ → AFS。Provider 模型清晰，适合 internal tooling。
4. 多 Agent 共享记忆 + 语义搜索？ → agent-fs。向量索引和 Identity 是差异化能力。
5. 企业知识库 RAG、SQL 深度检索？ → ClayGendron VFS。glob/grep/glean/graph 四动词覆盖检索全谱。
6. 全自动 coding agent（PR 修复）？ → OpenHands + Mirage 做数据面补充。

MCP 与 VFS：怎么组合？

2026 年的最佳实践不是「MCP 还是 VFS」，而是分层：

Agent 客户端（Claude Code / Cursor / Codex）
  ├── MCP Layer：暴露 VFS 为 mcp://fs/* 工具
  └── VFS Layer：Mirage / AFS / agent-fs 统一数据面
        ├── /local/src          → 本地代码
        ├── /s3/logs/           → 对象存储
        ├── /github/acme/repo   → GitHub API
        └── /pg/users           → Postgres 表

这样做的好处：客户端只需维护一个 MCP 连接，而数据面的挂载、鉴权、缓存全在 VFS 层管理。我们在 MCP 详解 一文里讨论过数据源配置——VFS 本质上是 MCP 的「重型数据面」实现。

落地建议：在 Cloud Mac 上跑 Agent VFS

大多数 VFS 项目的开发和验证环境是 macOS 或 Linux。几个工程要点：

• FUSE 限制： macOS 上 FUSE 需要额外內核扩展或 macFUSE；AgentFS 在 macOS 走 NFS 路径更稳。Linux Cloud VM 跑 FUSE 无障碍。
• 持久挂载： Agent 任务可能跑数小时，笔记本合盖会断连。Cloud Mac 的 tmux + 固定 IP 让 VFS mount 7×24 不断。
• 密钥管理： 50 个后端的 OAuth token 不要写进 prompt——用 VFS 层的 .env 或 Vault sidecar，Agent 只读路径。
• 与本地推理共存： Mirage 读数据 + 同机 Ollama/MLX 做推理，是 2026 年性价比最高的 private agent 架构。

若您正在搭建 AI 程式工作流，建议把 VFS mount 写进 Cursor Rules 或 Agent Skills 的初始化步骤——让每次会话自动挂载所需数据源。

7 步落地清单

1. 列出 Agent 需要访问的数据源（本地 / S3 / Git / DB / SaaS）
2. 按决策树选定 VFS 项目，本地 pip install 或 cargo install 验证
3. 配置最小 mount set（先 2–3 个后端，别一次挂 50 个）
4. 用 MCP 或 FUSE 接入 Claude Code / Cursor，跑一个端到端任务
5. 压测：1000 次 read + grep 测延迟和 token 消耗
6. 加鉴权隔离：按项目/租户拆分 namespace
7. 迁移到 Cloud Mac 常驻节点，接入 CI webhook 触发 Agent 任务

结论： 2026 年的 AI VFS 赛道已经从概念验证进入可生产选型阶段。多源编排选 Mirage，沙箱隔离选 AgentFS，长期记忆选 agent-fs，深度检索选 VFS——没有「唯一最佳」，只有与您的 Agent 架构最匹配的那一个。先把数据面统一，再谈模型有多聪明。