AgentRun: オープンソースの自己改善エージェント、永続的な実行とコントロールプレーンを備える
AgentRunは、Parcha LabsによるApache-2.0オープンソースプラットフォームで、既存のエージェントハーネス(pi、Claude Code、Codex、OpenCode)を3つの要素でラップします:実行間でノート、スキル、ワークフローを永続化する学習ループ、単一ストアに支えられた永続的な実行、承認、支出上限、監視のためのコントロールプレーン。npx @parcha/agentrunでインストールされ、macOSまたはLinux上のNode 24.22.3以降で動作し、デフォルトでポート7340にコンソールを提供します。
AgentRunが対象とする問題:エージェントが毎回同じ作業を再導出する
エージェントは同じAPIを繰り返し発見し、同じドキュメントを再読し、同じ計画を再構築し、オペレーターはその再発見のすべてのトークンに対して支払います。AgentRunの宣伝文句は「よりスマートなエージェントを実行。より少ないトークンを使用。」です。プロジェクト自身のコンソールスクリーンショットは、エージェントの学習タブを示しており、学習後、回答が10秒ではなく2秒かかり、実行コストが$0.05ではなく$0.0077になることを示しています。READMEはその数値をコンソールの記録されたフィクスチャからのデモデータとラベル付けしています。
設計上の結果として、AgentRunは別のエージェントループではありません。ユーザーがすでに信頼するハーネスの周りに位置し、その上に永続化、回復、ガバナンスを追加します。READMEはこの分割を明示的に説明しています:「あなたのエージェントを最もよく実行するハーネスで持ってきてください:Claude Code、Codex、OpenCode、またはpi。AgentRunはその周りのすべてを行います。」
自己改善ループは各実行の最後に追加のターンとして実行されます
学習はエージェント定義の"learning": trueでエージェントごとにオプトインされます。各実行の終わりに、エージェントは保持したいものを提案するための追加のターンを1回得ます。AgentRunはコードチェックを実行し、次に単一のグレーダーを実行し、合格したものをエージェント自身のgitフォルダにコミットします。次の実行はその状態から始まります。READMEのフローチャートはサイクルを要約しています:実行はエージェントのmainから始まり、実行がジョブを実行し、最後のターンがノート、スキル、またはワークフローを提案し、コードチェックと1つのグレーダー実行、保持されたアイテムがmainにコミットされます。
3つのアーティファクトタイプがあります:
- ノートは、各事実を1つ保持する短いマークダウンファイルで、Claude Codeのメモリ形式です。
- スキルはジョブを再度実行する方法を説明します;実際にジョブを完了した実行だけがスキルを書くことができます。
- 学習されたワークフローは、任意のハーネスで単一のツール呼び出しとして実行され、実行自身の上限とツール権限の下で実行されます。学習されたスキルが3回の実行に役立った後、次の実行はそのジョブをワークフロードラフトとして生成するように求められ、ドラフトは保持される前にドライランされ、ドライラン中はモデルもツール実行もありません。
エージェントの学習タブは、すべてのノート、スキル、ワークフローに加えて変更ログをリストし、各実行は与えられたノートと開いたノートを記録します。アイテムはコンソールまたはnpx @parcha/agentrun learning retireとノートのETagで退役させることができます。フォルダはgitリポジトリであるため、退役したノートは履歴から復元できます。
学習提案は、モデルが評価する前にコードによってフィルタリングされます
各エージェントには学習フォルダがあります:単一ブランチmainのプレーンなgit。コードはすべての提案を最初にチェックします。サイズ制限、カウント制限、名前、形状などの独自のルールに違反するアイテムは個別にドロップされ、提案の残りは続行されます。4つの失敗条件は、1つのアイテムではなく提案全体をドロップします:回答内のどこかに秘密または隠し文字、フォルダ外のファイル、削除、または完全なインデックス。READMEの根拠は、アイテムのいずれかが信頼できない場合、どれも信頼できないということです。コードチェックの後、1つのグレーダーがコンテンツを判断し、AgentRunは合格したものをコミットします。
2つのカテゴリがリスクがあると見なされます。リスクのあるルールは明示的なオペレーター承認を待ちます。ページまたは貼り付けられたメールからソースされたルール、またはアカウント番号を含むノートは、完全にドロップされます。
インデックスの成長は、切り捨てではなく検索ステップで処理されます:エージェントのノートが学習予算を超えると、各実行は最初のメッセージに関連するノートを完全に受け取り、残りの各ノートには1行を受け取ります。学習されたワークフローのみを実行した実行は、何を保持するか尋ねられません。
永続的な実行はサーバー再起動をまたいで実行を維持します
すべてのエージェント、リビジョン、実行、ステップは単一のストアに存在します。実行中にサーバーを停止し、再度起動すると、実行は続行できます。複数のランナーがある場合、別のランナーがデッドランナーの実行を30秒のリースが期限切れになると引き継ぎます。完了したステップが2回実行されることはありません。クラッシュで呼び出しの途中で切断された書き込みは、再試行ではなく中断としてマークされ、人間が検査できます。
ストアはデフォルトでデータフォルダ内のSQLite、またはAGENTRUN_STORE_URLがpostgres:// URLに設定されている場合はPostgresです。
支出上限は失敗ではなく一時停止し、価格設定されていないコストはゼロとして報告されません
上限が与えられた実行は、その上限で失敗するのではなく一時停止し、続行するために必要な最小限を報告します。AgentRunが価格設定できないコストは、$0ではなく「不明」として報告されます。
ツール権限はツールごとにあり、3つの状態のいずれかを取ります:許可、最初に尋ねる、拒否。尋ねる呼び出しは、人が答えるまで実行のページで待機します。「決して尋ねない」モードはエージェントを無人で実行させますが、サーバーレベルで設定された拒否はその上に適用されます。エージェントは停止して質問することもでき、実行は待機します。
ワークフローは繰り返し可能な作業用;エージェントはフォールバック
AgentRunのREADMEは、多くのエージェントがそもそもエージェントである必要がないと主張しています。繰り返し可能な作業は型付きワークフローとして表現できます:ツール呼び出し、モデルステップ、高速な型付き決定(はい/いいえ、1つ選択、スコア、それぞれ信頼値を保持)、不明確なケースにはエージェントをフォールバックとして利用できます。ワークフローはエージェントのリビジョンとして、そのエージェントのツール権限と上限の下で実行され、トリガーで開始できます。
ワークフローは型付きステップのJSONドキュメントで、"v": 2でバージョン管理され、入力と出力の名前付きスキーマがあります。READMEの例は、website文字列を必要とするInスキーマとokブール値を必要とするPageスキーマを定義し、ホームページを取得する単一のツールステップをチェーンします:
{
"v": 2, "name": "read-site",
"schemas": {
"In": { "type": "object", "required": ["website"], "properties": { "website": { "type": "string" } } },
"Page": { "type": "object", "required": ["ok"], "properties": { "ok": { "type": "boolean" } } }
},
"input": { "schemaId": "In" },
"output": { "schemaId": "Page", "path": "home" },
"root": { "node": "chain", "steps": [
{ "node": "call", "label": "Read the home page", "via": "tool", "tool": "web_fetch",
"args": { "url": "{website}" }, "out": "Page", "as": "home", "deadline_s": 60 }
] }
}
ステップはツールを呼び出し、モデルを実行し、高速な型付き質問をし、回答で分岐し、リストを並列にマップし、制限された回数ループし、他のワークフローを呼び出し、または難しいケースをエージェントに渡すことができます。ワークフローはエージェントのworkflowフィールドとして保存され、npx @parcha/agentrun workflows validateが最初にチェックします。ワークフロー言語はアプリケーション内でスタンドアロンで実行され、TypeScriptビルダーがあります。
コンソールでは、ワークフローをノードごとに監視し、一時停止および再開でき、すべての決定とその根拠が表示されます。
4つのハーネス、5種類のコンピュータ
ハーネスはエージェントごとにharnessフィールドで選択されます。
| ハーネス | harness値 |
ノート |
|---|---|---|
| pi | pi |
デフォルト |
| Claude Code | claude-agent |
初回使用時に自己インストール |
| Codex | codex |
初回使用時に自己インストール |
| OpenCode | opencode |
サーバーの隣にopencode-aiパッケージが必要 |
承認、上限、コンピュータ、トリガー、学習はハーネス間で同一に動作します。npx @parcha/agentrun server capabilitiesは、特定のサーバーが実行するハーネスを報告します。
コンピュータはエージェントの単一設定であり、エージェントはその種類のコンピュータのツールのみを受け取ります。
| 種類 | 機能 | プロバイダー |
|---|---|---|
none |
実行フォルダ内のファイルの読み書き、シェルなし(Archilでは、コマンドはArchilのexecで実行) | 不要 |
sandbox |
コードの実行、パッケージのインストール、バックグラウンドプロセスの保持、Linux上 | Docker、Daytona、Modal、E2B |
desktop |
Linux画面の表示、マウスの移動、タイピング | Orgo、E2B、カスタムXサーバーイメージのDocker |
phone |
Androidでのタップ、スワイプ、タイピング、アプリの起動、画面の読み取り | phoneハーネス(レンタルクラウドAndroid) |
browser |
ウェブの閲覧、任意の時点で人間にコントロールを渡す | Browserbase、Kernel |
コンピュータ設定のないエージェントは、サーバーにDockerがある場合はDockerサンドボックスを取得し、それ以外の場合はコンピュータなしになります。リモートコンピュータはオペレーター自身のベンダーアカウントを通じて請求されます。
チームがこれを展開する際に重要な3つの運用上の詳細があります。ベンダーキーは設定で一度追加され、サーバーによってシールされ、エージェントのコンピュータには決して入りません。実行フォルダはサーバー上にあり、Dockerサンドボックスによってマウントされます;Archilディスクを有効にすると、フォルダがそこに移動され、Daytona、Modal、E2Bサンドボックスが同じフォルダをマウントし、これら3つのプロバイダーはArchilディスクを必要としますが、Dockerサンドボックス上のArchilは拒否されます。ブラウザ実行はベンダーリンクではなくオペレーター自身のサーバーを通じて実行の画面タブにストリーミングされるため、コントロールを取得して返すことができ、エージェントはログインやキャプチャのために人間の引き継ぎを要求できます。
各プロバイダーには、ベンダーに対して実行可能な適合性スイートがあります:npm run conformance -w @parcha/agentrun-computer -- --provider docker --kind sandbox。
5つの既製テンプレートが同梱されています
| テンプレート | 機能 |
|---|---|
code-review |
プルリクエストまたは差分をレビューし、各発見をコードに対してチェックし、発見をJSONとして返し、独自のGitHubトリガーを設定 |
kyb |
1社のデューデリジェンス:登録、所有者、制裁リスト、日付付きの不利なメディア、および各主張が引用された評決 |
market-monitor |
監視対象企業の変更点の月曜日のダイジェスト、各項目に日付とリンク |
inbound-lead |
各ウェブフック配信のリードを調査し、理想的な顧客プロファイルに対して0から100でスコアリング |
release-notes |
前回のリリース以降のマージされたプルリクエストをリリースノートに変換し、人間用のドラフトイシューとして残す |
テンプレートを適用しても、各ツールが手動でチェックされるまでMCPツールアクセスは付与されません。npx @parcha/agentrun template eval DIRは、テンプレートの評価ケースを使い捨てサーバーで実際の実行として実行し、評価します。トリガーは、スケジュール、署名付きウェブフック、GitHubプルリクエストイベントから、上限付きの実行を独自に開始します。
アーキテクチャ:サーバー、ストア、ランナー、ハンド
サーバーは/v2でAPIとコンソールを提供し、実行とコマンドをストアに書き込み、読み戻します。--no-runnerで開始すると、エージェントループ自体は実行されません。ランナーはストアから実行を要求し、多くを並行して実行します;すべての承認チェック、上限、モデル呼び出しはランナーで発生します。ハンドはエージェントのツールが作用する場所です:各実行には実行フォルダがあり、サンドボックスはそのフォルダを/workspaceにマウントし、デスクトップ、電話、ブラウザはフォルダをランナーに残します。
スクリプト:CLI、TypeScript、Pythonクライアント
npx @parcha/agentrunはサーバーのCLIを兼ねます;ライブサーバーに対して実行すると、アドレスとトークンを自動的に発見します。runs waitの終了コードは、完了で0、失敗で1、人を待っている場合は8(質問、上限、承認)です。runs timeline RUN_ID --followは各ステップをストリーミングし、各実行にはconsole_urlがあります。
TypeScriptクライアントは@parcha/agentrun-client(依存関係なし)で、環境からAGENTRUN_BASE_URLとAGENTRUN_API_KEYを読み取ります。Pythonクライアントはpip install parcha-agentrunで、同じメソッドを公開します。
import { AgentRun } from "@parcha/agentrun-client";
const client = new AgentRun();
const started = await client.runs.start("notes", { input: { content: "Ask me which region to cover, then write region.md about it." }, max_cost_usd: 1 });
let run = await client.runs.wait(started.run_id);
if (run.pending?.kind === "question") await client.runs.message(run.run_id, { content: "Europe" });
run = await client.runs.wait(run.run_id);
console.log(run.status, run.cost.usd);
コーディングエージェントユーザー向けの便利なパス:コーディングエージェントにRead agentrun.ai/SKILL.md and set up AgentRun for meと指示するか、npx @parcha/agentrun skill install --claude(または--codex)を実行してCLIを教えます。
展開コストとトポロジー
ワンクリックRender展開はリポジトリのrender.yamlを使用します:1 CPU / 2 GBインスタンス、10 GBディスク、ビルドステップなしの公開イメージ、自動生成されたトークンとシールキー。READMEは、執筆時点でRenderの価格でインスタンスが月約$25、ディスクが$2.50かかり、Renderワークスペースにカードが必要であると述べています。推奨は、ドル上限と有効期限付きのOpenRouterキーです。
Docker Compose展開は1つのサーバーと2つのランナーを実行します。公開ポートはホストのループバックにのみバインドされるため、公開前にTLSプロキシが必要です。そのcomposeファイルにはDockerソケットがないため、そのエージェントはファイルツールとweb_fetchを取得しますが、シェルはありません;Dockerサンドボックスには、Docker Engine 26以降のルートcompose.yamlが必要で、サーバーをホスト上で実行するか、Archilディスク付きのDaytona/E2Bコンピュータが必要です。
スケールアウトするには、サーバーとすべてのランナーでAGENTRUN_STORE_URLをPostgres URLに設定し、サーバーを--no-runnerで開始し、各ランナーを同じイメージからrunner --data /data --name <name>で開始します。すべてのプロセスは同じAGENTRUN_SEAL_KEYを共有する必要があります。文書化されたリリースでは、ランナーは依然として/dataボリュームを共有します。
セキュリティモデル:単一のシールキー、書き込み専用シークレット、制限付きAPIトークン
保存されたすべてのシークレット(モデルキー、ツールキー、MCP資格情報、サインイン、ウェブフック署名シークレット)は、単一のキーAGENTRUN_SEAL_KEYの下でシールされ、その喪失はシールされたすべての喪失を意味します。シークレットは書き込み専用です:コンソールは各シークレットを設定済みまたは欠落として表示し、コンソールのみが貼り付け、置換、削除できます。サーバーの環境に存在するキーは、貼り付けられたキーよりも優先されます。APIトークンはシークレットを書き込んだり、ツール呼び出しを承認したりできません。実行は、自身のモデルとツールが必要とするキーのみを受け取り、実行が学習したものは、渡されたシークレットを保持できません。
Hacker Newsスレッドが反発した点
Show HN投稿は134ポイントと39コメントに達しました。スレッドの実質的な質問は、学習ループ、コスト会計、差別化を対象としており、キャプチャされたコメントにはメンテナーからの返信は含まれていません。スレッドのいくつかのコメントはフラグ付けまたはデッドであり、他はベンダーの自己宣伝であったため、技術的なシグナルは少数のスレッドに集中しています。
最も多く尋ねられた質問は、自己改善が実際にどのように機能するかでした:
自己改善部分がどのように機能するか説明していただけますか?
最も鋭いコスト会計の課題は、エージェントが切り離された作業を生成できる場合に支出上限が実際に強制できるかどうかに関するものでした:
私自身の研究とテストで、上限があっても一部のエージェントがバックグラウンドプロセスを使用して呼び出しごとの時間制限を回避することに気づきました。あなたの上限は切り離されたプロセスでの計算をカバーしていますか?
関連するアーキテクチャの質問は、AgentRunが既存のハーネスを使用するか、それをバイパスするかを尋ね、サブスクリプション経済に動機付けられていました:
それはclaude codeハーネス(例えば)を使用しますか、それともバイパスしますか?サブスクリプションのためにお尋ねします。
手作りのオーケストレーターを持つコメンターは、作業をチャンク化し、依存関係グラフを構築し、再帰的なサブエージェントを割り当て、チャンクごとに独立したレビューアーを実行するエグゼクティブエージェントを備えており、AgentRunが何を追加するかを尋ねました:
では、あなたのものは私のものにできない何を私に与えますか?
最も詳細な批判は、ノート、スキル、メモリとして学習を永続化することに関する4つの運用上の懸念を列挙しました:
- 学習が必然的に適用されることをどのように保証しますか? 1. 学習が決定論的であることをどのように保証しますか? 2. 学習の強制の結果が実際に望むものを生み出すことをどのように証明しますか? 3. 学習が積み重なるにつれて、コストと遅延をどのように管理しますか?
READMEと照らし合わせて読むと、これらのいくつかはプロジェクトがすでに指定している機能に対応しています:実行の最初のメッセージへの関連性によるノートの検索は適用可能性に対応し、コードチェック後のグレードパイプラインとリスクのあるルールの人間による承認は正確性に対応し、学習されたワークフローの保持前のドライランは昇格されたアーティファクトの決定論に対応し、ノートごとのインデックス行を持つ学習予算はインデックスの成長に対応します。READMEはノートやスキルに対する決定論の保証を行わず、サンドボックス内の切り離されたプロセスに対する支出上限の強制を説明していません。
スレッドは隣接する議論にも逸れました
2人のベンダー創業者がスレッドを使用して隣接する懸念について議論しました。SourceryのCEOはAIコードレビューを精度再現率のトレードオフとしてフレーム化し、再現率側を取りました:
私たちは、たとえ細かいものであっても多くのコメントを出力することがコーディングエージェントにとって正しい方法であると信じています。なぜなら、彼らはすべてのコメントを非常に迅速にトリアージし、どれに対処し、どれが関連しないかを決定できるからです。
彼はまた、Greptileのレビューコメントの80%以上がGitHubで対処され、SourceryがGreptileの2倍以上のコメントを生成し、議論中の例が1.6倍を生成すると主張しました。別途、KubitのCEOは、本番実行がコンパイルされたワークフローから逸脱することを検出する可観測性の質問を提起し、彼の製品がすべてのスパンにラベルを付けた後、実行パスごとに実行をグループ化し、新しいブランチがすぐに表面化すると述べました。SavvyIQのコメンターは、KYBテンプレートの潜在的なデータソースとして約200の政府登録統合と5億のエンティティを提供しました。別の人は、サブスクリプションベースのPRレビューのためのローカルオーケストレーターを指摘し、もう1人はチームが2026年にPR量をどのように処理するかというより広い質問をし、ビルドの来歴のためのSLSA証明書を浮かべました。
これらはAgentRunの設計の核心ではありませんが、実務家がギャップをどこに見ているかを示しています:レビューアーの精度対量、ワークフローがコンパイルされた後の逸脱検出、およびサードパーティのデータカバレッジ。
プロジェクトが次に来るものとしてリストしているもの
READMEのロードマップは名前を挙げています:呼び出しごとに選択されるコンピュータ(エージェントごとだけでなく);ファーストパーティのコンピュータ;iPhone、macOS、Windowsコンピュータ;ブラウザ実行がすでに許可しているようにデスクトップまたは電話実行の監視と引き継ぎ;ツールカタログとしてのComposio;Agent Client Protocol上のハーネス;SlackトリガーとParallelモニタートリガー。
AgentRunが実際に何であるか、1段落で
AgentRunは、既存のコーディングエージェントハーネスの周りの永続的でガバナンスされたランタイムであり、エージェントごとのgitリポジトリに1つの事実のノート、再利用可能なスキル、コンパイルされたワークフローを保存する永続化された学習レイヤーを備えています。その差別化された主張は、学習提案がコミット前に機械チェックされ、評価されること、実行が単一のSQLiteまたはPostgresストアとステップレベルの冪等性を通じてサーバー再起動を生き残ること、そしてすべての実行が承認と支出上限によって制限されることです。Apache-2.0であり、Parcha Labs, Inc.によって2026年に著作権され、Grep.aiによって構築され、Earendil Works(MIT)によるpi、StagehandとBrowserbase Node SDK、TypeSafe JavaScript SDK、ArchilのディスクSDK、およびvercel-labs/durable-harness(Apache-2.0)に基づいています。
Sources
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト
- Dispatch