Tura-AI/tura

何を解決するか

Turaは、従来のReActスタイルのエージェントループの非効率性に対処します。モデルは、各ツール呼び出しの後に繰り返しセッションに再入する必要があり、このサイクルはシステムプロンプトの繰り返し送信や文脈の増大により、高コストのトークン消費を引き起こすことが多く、モデルが統計的に一般的だが最適ではない経路をたどる傾向があるため、論理的成果が低くなることがあります。

仕組み

Turaはエージェントのパフォーマンスを最適化するための3つの主要な戦略を採用しています。

• マクロCLIコマンド: 複数の小さなツール呼び出しではなく、Turaはcommand_runマクロツールを使用します。これにより、エージェントは複数ステップの実行ツリー（例：検査、修正、ビルド、テスト）を構築し、1回のLLMターンで実行できるようになり、ラウンドトリップを大幅に削減できます。
• 逆方向推論: Turaは、LLMに現在の状態から目標状態（$s_n$）を推定させ、逆方向に推論させるように導きます。これにより、エージェントは根本原因を特定し、コードを書く前に最適な戦略を導き出すことができます。
• 実行時コンテキスト管理: Turaはコンテキストを状態機械として扱います。task_status、実行時プロンプト、再帰的実行マニュアルを使用して、コンテキストを現在のタスクに限定し、重要な実行詳細を失うことなく、不要なデータを正確に圧縮できます。

対象ユーザー

Turaは、長期間の自律的エージェントを構築する開発者、特に複数ステップの検証を必要とし、高トークン効率を求める複雑なコーディングタスクに注力する開発者向けに設計されています。

主な特徴

• トークン効率: 特定の設定において、Codex CLIと比較して合計トークン使用量を最大77.5%削減しました。
• 成功確率の向上: DeepSWEタスクの「Balanced」モードにおいて、Codex CLIと比較して16.7パーセンテージポイント高い成功確率を達成しました。
• 柔軟なインターフェース: CLI、TUI、デスクトップGUIワークスペースクライアントを提供しています。
• 拡張可能なアーキテクチャ: カスタムプロバイダー、ペルソナ、エージェント、コマンドをサポートしています。