cuga-project/cuga-agent

概要

CUGA（設定可能な汎用エージェント）は、オーケストレーションの配管をゼロから書かずにドメイン固有のAIエージェントを構築するためのオープンソースのPythonフレームワークです。実世界のAPIおよびWebブラウジングタスクでトップのベンチマーク結果（AppWorldおよびWebArenaで第1位）を主張しています。

存在理由

エンタープライズエージェントを構築するには、通常、エージェント/ツールのオーケストレーション、計画ロジック、安全ポリシー、評価、コスト/パフォーマンスのチューニングを自分で組み立てる必要があります。CUGAはそれを設定可能なコアとして提供します。API、MCPサーバー、ポリシーをプラグインするだけで、白紙の状態ではなく強力な汎用エージェントから始められます。

仕組み（中核概念）

• AGENT_ORCHESTRATION — 確立されたエージェントパターン（プランナー実行器、コードアクション）と構造化計画および変数管理を組み合わせて、複雑なマルチステップタスクを処理します。
• TOOL_INTEGRATION — ツールはOpenAPI仕様、MCPサーバー、LangChain、またはプレーンなPython関数を介して接続されるため、REST APIやカスタムプロトコルを簡単に配線できます。
• POLICIES — 5つのポリシータイプ（インテントガード、プレイブック、ツール承認、ツールガイド、出力フォーマッタ）が動作を管理し、リスクの高いアクションに対するヒューマンインザループ承認ゲートを含みます。
• KNOWLEDGE (RAG) — ドキュメント（PDF、Office、HTML、MarkdownをDocling経由で）に対する組み込みの検索。エージェントレベル（共有）またはセッションレベル（会話ごと）にスコープ設定されます。
• AGENT_SKILLS — ドメインワークフローをSKILL.mdファイルとしてパッケージ化。エージェントはload_skillツールを介してオンデマンドで完全な指示をロードし、システムプロンプトを肥大化させません。
• MULTI_AGENT — スーパーバイザーモード（CugaSupervisor）がマルチエージェントコラボレーションをサポートします。また、他のエージェントにツールとして公開することもできます。
• EVENT_DRIVEN — オプションのセカンドサービスがイベント駆動型トリガーを追加します：Webhook、cron/poll/push、Slack/Discord/Telegramチャンネル、自然言語で武装された常時稼働フロー（人間が確認）。

際立つ主な機能

• 1つのタスクでAPI呼び出しとブラウザ操作を混在させるハイブリッドモード
• コード生成プロファイル（高速 / バランス / 高精度）
• リフレクション、ツール呼び出し予算、バージョン管理された設定公開（ドラフト → 公開）
• HelmチャートによるKubernetesセルフホスティング
• Langflowによるローコード統合
• 幅広いLLMプロバイダーサポート：OpenAI、Azure、Groq、OpenRouter、IBM watsonx、Groq、RITS、watsonx Orchestrate、LiteLLM

はじめに

Python 3.12+とuvパッケージマネージャーが必要です。クローンし、venvを作成し、uv syncを実行し、.envにAPIキーを設定してから、cuga start demo_crm --read-onlyでローカルWebチャット（localhost:7860）が開きます。cuga vizはエージェントの軌跡を検査するためのダッシュボードを起動します。