MaxMiksa/Autonomous-Company

Autonomous Company – AI駆動型マルチエージェントフレームワーク

概要

• 大規模言語モデル（デフォルトはClaude Code、またはOpenAI Codex）が「会社」に代わって継続的な作業ループを実行する自己完結型システム。
• ループは共有の作業要約を読み取り、次に何をすべきかを決定し、一時的なAIエージェントチーム（それぞれ現実の専門家をモデルにしている）を作成し、リサーチ、コーディング、デプロイ、マーケティングなどのタスクを実行し、新しい要約を書き戻して繰り返します。
• すべての状態はプレーンテキストファイル（PROMPT.md、memories/consensus.md、ログ、製品フォルダ）に保存されるため、人間がいつでも介入できます。

主要コンセプト

コンセプト	機能
Agentic Workflows	プロンプト駆動型の「チーム編成」。LLMが14の定義済み専門家ペルソナから2〜5人を選択し（例：CEOとしてJeff Bezos、フルスタックエンジニアとしてDHH）、現在のタスクを解決するためのスキルセットを与えます。
Product Center	生成されたすべての製品をカタログ化し、履歴を保持し、新しいモデル呼び出しを行わずに実行の開始、一時停止、検査を可能にするローカルWeb UI (http://127.0.0.1:8810/center)。
Continuous Auto-Loop	ユーザーレベルのデーモン（macOSではlaunchd、Linux/WSLではsystemd）として実行されるシェルスクリプト (auto-loop.sh)。各イテレーションは単一のLLM CLI呼び出しであり、その後に障害処理（レート制限待機、サーキットブレーカー、ロールバック）が行われます。
Engine adapters	汎用CLI呼び出しをClaude Codeまたは @openai/codex npmパッケージに変換する薄いラッパー。Cursorやその他のOpenAI互換バックエンド用のオプションのアダプターは ENGINE_ADAPTERS.md を通じて追加できます。
Human-in-the-Loop (HITL)	人間が memories/consensus.md（次のアクション、予算制限、ガードレール）を編集してループを再起動します。ダッシュボードには監視用のログと使用状況が表示されます。

仕組み（ハイレベルフロー）

1. 作業要約の読み取り – auto-loop.sh が PROMPT.md + memories/consensus.md を読み込みます。
2. LLMの呼び出し – Codex CLIまたはClaude Codeを介して、会社憲章 (CLAUDE.md) と選択されたチームスキルファイル (.claude/skills/team/SKILL.md) を渡します。
3. チームの編成 – モデルが関連する専門家ペルソナを選択し、一時的なマルチエージェントチームを編成します。
4. 実行 – エージェントがリサーチ、コーディング、デプロイ、マーケティングコピーの生成などを行います。
5. 結果の永続化 – 出力は製品フォルダ、ログ、および次のサイクルのために更新された consensus.md に書き込まれます。
6. スリープ / 繰り返し – デーモンが短時間スリープし、次のイテレーションを開始します。

はじめに

• 前提条件: macOSまたはWindows + WSL、Python 3.10+、Git、make、および認証済みのClaude CodeまたはCodex CLIトークン。
• クローンと実行（macOSの例）:

  git clone https://github.com/MaxMiksa/Autonomous-Company.git
  cd Autonomous-Company
  make start            # フォアグラウンド、ライブ出力（デフォルトはClaude）
  # または ENGINE=codex make start   # 代わりにCodexを使用
  

• ダッシュボード: make center (macOS/WSL) または .scripts\windows\center-win.ps1 (Windows) で製品カタログUIを開きます。
• 制御: make pause / make resume でデーモンを操作、make monitor でログを追跡、make language LANGUAGE=en でインターフェース言語を設定します。

構築できるもの

• 完全自律型マイクロ製品: 画像サイズチェックリスト、スコープ変更交渉ツール、COI領収書トラッカーなど（リポジトリには22のサンプル製品が含まれています）。
• ラピッドプロトタイピング: ダッシュボードで新しい製品リクエストを定義し、AIチームにリサーチ、コーディング、最小限のWebアプリのデプロイを任せ、自分自身でコードを書く必要はありません。
• 実験プラットフォーム: エンジンの切り替え、予算の調整、専門家ペルソナの入れ替えを行い、異なるプロンプトが結果にどのように影響するかを研究します。

制限事項と注意点

• このシステムはプロンプト駆動型のオーケストレーターであり、正確または安全なソフトウェアを保証するものではありません。生成されたコードはLLMによって書かれるため、人間のレビューが必要になる場合があります。
• 予算とレート制限は周囲のデーモンによってのみ強制されます。APIクォータを超えると、ループは一時停止して待機します。
• チームサイズは基盤モデルのトークン予算によって制限されます。14の役割定義はテンプレートであり、常に同時にインスタンス化されるわけではありません。
• 可観測性はファイルベースです。エージェントごとの詳細なログはキャプチャされず、集約されたLLM出力のみが記録されます。
• プラットフォーム依存: ダッシュボードはmacOSとWindows WSLで動作します。ネイティブLinuxのサポートは文書化されていません。

対象ユーザー

• 手動コーディングを最小限に抑えて製品アイデアのプロトタイプを作成したいソロ創業者や小規模チーム。
• マルチエージェントプロンプト、役割ベースのLLMオーケストレーション、AI拡張ワークフローを研究している研究者。
• 制御されたサンドボックス内でエンドツーエンドのAI自動化（リサーチ → コーディング → デプロイ）を実演する教育者。

---

上記のすべての情報はリポジトリのREADMEから直接取得したものであり、外部の仮定は追加されていません。