SAIL-Research-Lab/cheetahclaws

CheetahClaws, From Model Scaling to System Scaling: Scaling the Harness in Agentic AI

解決する課題

CheetahClawsは、Claude CodeのようなプロダクションレベルのAIコーディングアシスタントに対する、ハック可能でPythonネイティブな代替手段を提供します。特定のモデルプロバイダーや、コンパイル済みで不透明なコードベースに縛られる問題を解決し、開発者や研究者が複雑なNode.jsビルドチェーンを必要とせずに、ローカルのオフラインモデルを含むあらゆるLLMを使用してエージェントアシスタントを実行できるようにします。

仕組み

このプロジェクトは、ストリーミングAPIと自動ツール使用ループ（主に単一の agent.py ファイルに含まれる）を実装しています。Anthropic、OpenAI、Gemini、Ollamaなどのさまざまなモデルプロバイダーに接続し、ファイル操作、シェル実行、Web検索のための組み込みツールスイートを管理します。長時間の会話を処理するための多層コンテキスト圧縮システムと、ユーザーやプロジェクト固有の情報を追跡するためのデュアルスコープ永続メモリシステムを備えています。

対象ユーザー

ローカルまたはAnthropic以外のコーディングアシスタントを求める開発者、エージェントループを研究するAI研究者、AIエージェントを構築するためのカスタマイズ可能なベースラインを必要とするチーム向けに設計されています。

ハイライト

  • モデル非依存: OpenRouter、Requesty、OllamaやvLLMのようなローカルエンジンを含む、幅広いプロバイダーをサポート。
  • 拡張可能なツール: 28個の組み込みツールが含まれており、stdio、SSE、またはHTTPを介して外部ツールを追加するためのModel Context Protocol (MCP)をサポート。
  • 自律実行: リクエストをエンドツーエンドで実行する「自動」モードを備え、高リスクなアクションに対してのみプロンプトを表示する詳細な権限システムを搭載。
  • 開発者体験: 次のプロンプトのゴーストテキスト予測機能を備えたターミナルREPL、Web UI、デスクトップElectronアプリが含まれています。
  • 高度なエージェント機能: 型付きサブエージェントの生成、タスク依存関係グラフ、ペルソナベースの計画と実装のための「ブレインストーミング → ワーカー」ワークフローをサポート。

関連

  • プロジェクト
    johnson7788/MultiUserClaw

    MultiUserClaw は Docker を基盤とした SaaS フレームワークで、多数のユーザー向けに隔離された AI アシスタント（Hermesエージェント）を実行できます。React フロントエンド、認証・コンテナ管理・LLMプロキシ用の FastAPI ゲートウェイ、ユーザーごとの Hermes コンテナ、PostgreSQL ストレージ、知識ベース、スキルストア、cronジョブ、マルチチャネルボット、マルチモデル対応などの機能を備えています。

  • プロジェクト
    clawdotnet/openclaw.net

    OpenClaw.NETは、.NETネイティブで自己ホスト型のAIエージェントランタイムであり、デスクトップAvalonia UI（AgentQi Companion）を備えています。OpenAI互換モデルと通信するゲートウェイを実行し、ストリーミング、ツール実行、セッションメモリ、および多数の統合（REST、WebSocket、MCP、80以上のツール、チャネルアダプター）を提供します。ゲートウェイはNativeAOTでコンパイル可能で、エッジやオンプレミス環境に適しています。ユーザーはデスクトップバンドルまたはソースから開始し、チャットコマンドでアシスタントを設定し、.NETプラグインや再利用可能なMetaSkill DAGワークフローで機能を拡張できます。

  • プロジェクト
    zhayujie/CowAgent

    CowAgent は、タスクの計画、ツールの実行、個人ナレッジベースの維持、協調エージェントのチームとしての運用が可能な、オープンソースのセルフホスト型 AI アシスタントです。多数の LLM プロバイダー、マルチモーダル入力、数十のチャットチャネル（Telegram、Slack、WeChat など）、プラグインスキルシステム、夜間の「Deep Dream」蒸留を備えた 3 層メモリをサポートしています。ワンライナースクリプトまたは Docker でインストールし、Web コンソールですべてを管理し、公開 Skill Hub またはカスタムツール統合を通じてシステムを拡張できます。

  • プロジェクト
    bytedance/deer-flow

    DeerFlowは、サブエージェントの調整、ツール（ウェブ検索、サンドボックス化されたコード実行、RAG）の使用、メモリ管理が可能な自律AIエージェントを構築できるオープンソースフレームワークです。多くのLLMプロバイダーをサポートし、ウェブUI、ターミナルUIを提供し、トレーシングサービスを統合しており、すべてDockerでデプロイ可能です。

  • プロジェクト
    Trampoline-AI/predict-rlm

    predict-rlmは、大規模言語モデル（LLM）にサンドボックス化されたステートフルな実行環境を提供するPythonライブラリです。モデルはPythonコードの記述と実行、可変状態の保持、特定のサブモデルの呼び出し、およびツールやスキル（PDF処理、スプレッドシートなど）の利用が可能です。このフレームワークは観測可能性のために完全なトレースを記録し、そのトレースをGEPAのような最適化ツールに供給できます。文書分析、監査、スプレッドシートの自動化といった複雑な多段階ワークフローを対象としており、オプションのDockerサンドボックスや豊富なコールバックをサポートしています。