Emiyaaaaa/HiveMind
A Python-first runtime layer for multi-agent systems, with persistent run state, streaming execution events, and a pluggable orchestration interface.
Hivemind – マルチエージェントアプリケーション用ランタイム層
何であるか – Hivemind は、LLM指向のエージェントフレームワーク(LangGraph、AutoGen、CrewAI など)と外部世界の間に位置する、Pythonを最優先としたプロダクション対応ランタイムです。各 実行 に永続的で照会可能な状態を提供し、実行イベントをストリーミングし、下位のオーケストレーションフレームワークを変更しても、永続化やAPIコードを再実装せずに済みます。
なぜ存在するか – 多くのオープンソースエージェントライブラリは プロンプトからツールへのフロー に焦点を当てており、すべてがインプロセスで実行されると仮定しています。エージェントをサービスとして実行する必要がある場合、以下の要件も必要になります:
- 再起動後も生存するデータベース
- デバッグや監査用の順序付きステップ/メッセージログ
- UIやSDK向けのリアルタイムイベントフィード
- キャンセル/再試行/再開のセマンティクス
- 任意のオーケストレーションバックエンドと連携可能な安定したAPI
Hivemind はこれらのランタイム上の課題を正確に解決しつつ、オーケストレーションフレームワークの選択はあなた次第に残しています。
コア機能(READMEに記載)
| 機能 | 得られるもの |
|---|---|
| オーケストレータアダプタ | プラグイン可能なシステム。デフォルトアダプタは LangGraph をラップしており、シンプルなPythonプラグインで AutoGen、CrewAI、またはカスタムフレームワークに対応可能。 |
| 永続的実行モデル | データベーステーブル(Run、Step、Message、ToolCall、Checkpoint)がすべての実行のライフサイクルを保存し、観測可能かつ再実行可能にします。 |
| サーバーサイドイベント(SSE) | 実行状態の変更がSSEエンドポイント経由でクライアントにプッシュされ、フロントエンドがポーリングせずに進行状況を監視できます。 |
| アウトバウンドWebhook | 実行が完了(成功、失敗、キャンセル、または人間の入力を待機中)すると、設定可能なWebhookが呼び出され、オプションでHMAC署名と再試行ロジックが利用可能。 |
| 管理コンソール | 軽量なNext.js UIで実行を一覧表示、ステップバイステップの詳細を表示、リアルタイムSSEストリームにサブスクライブ可能。 |
| 多言語スタック | Java 21 + Spring Boot 3(HTTP/SSE API)、Python 3.12ワーカー(asyncio、uv)、PostgreSQL 16(永続的状態)、Redis(ジョブキューとリアルタイムイベント)、TypeScript/Next.js(コンソール)。 |
概要的なアーキテクチャ
Next.jsコンソール <--SSE/REST--> Java Spring Boot API <--Redisジョブ/イベント--> Pythonワーカー(uv) <--アダプタ--> LangGraph / Echo / …
|
▼
PostgreSQL(状態)
- API層(Java) – バージョン付き
/v1/*REST API とSSEブリッジを公開。APIキーまたはOIDCトークンによるRBACを処理し、Redisにジョブをキューイング。 - ワーカー層(Python) – ジョブを消費し、選択されたオーケストレータアダプタを実行。ステップ/メッセージ記録をPostgresに書き込み、Redisにリアルタイムイベントを公開してAPIが転送できるようにする。
- 永続化 – SQLAlchemyモデルとAlembicマイグレーションにより、変更不可な実行履歴を保存。
- イベントバス – Redisストリーム/パブリッシュ・サブスクライブにより、ジョブ、キャンセル、リアルタイム更新に対して「最低1回」の配信を保証。
- コンソール – React Queryを使用したNext.js 15アプリで、実行を取得しSSEをリッスン。
クイックスタート(READMEからの手順)
- 前提条件 – Docker、
uv(Pythonパッケージマネージャ)、Node 20+、JDK 21、Maven 3.9。 - インフラストラクチャの起動 –
docker compose up -d postgres redis。 - DBスキーマの作成 –
cd backend && uv sync && uv run alembic upgrade head。 - Pythonワーカーの実行 –
AGENTFLOW_WORKER_MODE=queue uv run python -m app.worker。 - Java APIの実行 –
cd backend-java && mvn spring-boot:run。 - コンソールの実行 –
cd frontend && npm install && npm run dev。 http://localhost:3000を開く – UIはAPIに接続し、ワーカーにジョブをスケジュールする。
READMEでは、curlコマンドでエージェントを作成し実行する方法、そして curl -N …/events/<run_id> でリアルタイムイベントストリームをリッスンする方法も紹介されています。
一般的な利用事例
- プロダクション対応エージェントサービス – プロトタイプのLangGraphやAutoGenグラフを、監査ログとリアルタイムモニタリングを備えた永続的なマイクロサービスに変換。
- マルチテナントSaaSプラットフォーム – APIはテナントスコープRBACをサポートしており、ホスティングされたAIエージェントプラットフォームに適しています。
- 可観測性とデバッグ – すべてのステップ/メッセージ/ツールコールが永続化されているため、実行を再実行したり、ダッシュボードを構築したり、コンプライアンス用にログをエクスポートできます。
- ハイブリッドオーケストレーション – 例えばLangGraphでLLMフローを、Echoでシンプルなエコーボットを処理するなど、異なるオーケストレーションバックエンドを切り替えても、クライアントAPIは変更なし。
ライセンス
Apache 2.0 – 商業利用を許可する許容性の高いオープンソースライセンス。
結論 – Hivemind はLLMモデルでも、新しいエージェントフレームワークでもありません。マルチエージェントシステムをプロダクションで信頼性高く、観測可能で運用しやすい「ランタイム」です。既にPythonベースのエージェントライブラリを使っている場合、永続化、ストリーミング、安定したAPIが必要であれば、Hivemindは即座に使える接続層を提供します。
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
- プロジェクト