fluffypony/dothething

Dothething (dtt) – 自律タスクのためのローカル AI エージェント

概要 – Dothething（dtt として呼び出される）は、自己完結型でローカルに実行される AI アシスタントです。自然言語の指示を与えると、エージェントが計画を立て、ツールを実行し、各ステップを監督する必要なく結果を返します。これは、OpenRouter を介してルーティングされる LLM 呼び出しと、Web 検索、プライバシー重視のブラウザ、ファイルシステムアクセス、シェルコマンド、メール、クリップボード処理を含むツールボックスを中心に構築されています。

仕組み – 各ターンで、メインモデルが呼び出すツールを決定し、ツールの出力を受け取り、次のアクションを決定します。ループは、タスクが完了とマークされるか、コスト/ループ制限に達するか、エージェントが続行できないと報告するまで続きます。ツール呼び出しはバッチ処理でき、exec_order フィールドで順序付けできるため、可能な場合はエージェントが複数のアクションを並行して実行できます。

主な機能

• 調査とデータ抽出 – ローカルの SearXNG インスタンスを検索し、学術 API（OpenAlex、Crossref、PubMed、arXiv）をクエリし、Notte フレームワークを介して強化された Firefox フォーク（Camoufox）でページをスクレイピングします。
• ブラウザ自動化 – CAPTCHA、多段階ログイン、フォーム入力、クリック、ファイルアップロードを処理し、必要に応じて手動ログインのために一時停止できます。
• ファイルとシェル操作 – ファイルの読み書き、任意のコマンドの実行、HTTP リクエストの発行、システムクリップボード（画像を含む）の操作。
• メール統合 – AgentMail を介して送受信。
• 拡張可能なスキル – SKILL.md を ~/.dtt/skills/ に置くと、エージェントはオンデマンドでスキルを読み込みます。
• コスト意識 – OpenRouter を介してトークン使用量とドルコストを追跡し、Anthropic のプロンプトキャッシングで費用を削減します。
• モード –
  • Normal – 安価で高速なモデル（DeepSeek Flash、Gemini Flash、Claude Sonnet、GPT-5.6 Terra）で、完全なツールセットを備えています。
  • Advanced – 難しい問題には最強のモデル（Claude Fable + Astra）。
  • Quick – 高速なフロンティアモデル（Claude Opus Fast）で単発実行し、迅速な回答のためにツールセットを絞り込みます。
• オーケストレーターと MCP – 1 つのターミナルから複数のエージェントを実行するか、MCP サーバーを介して検索/ブラウザツールを他のエージェントに公開します。

インストール / クイックスタート

curl -fsSL dotheth.ing/dtt.sh | bash -s -- --install   # ~/.local/bin/dtt にインストール
# またはリポジトリをクローンして ./dtt.sh --install を実行

dtt --prompt "過去 20 年間に倒産した収益上位 10 社の上場企業を見つけ、原因とタイムラインを含むマークダウンレポートを作成してください。"

初回実行時に Python 3.11+ 仮想環境が作成され、SearXNG がインストールされ、Notte ブラウザフレームワークがセットアップされます。その後、OpenRouter API キー（必須）と、オプションで 2Captcha キーの入力を求められます。

一般的なコマンドラインフラグ

フラグ	意味
q / --quick	高速な単発モード（計画なし、オラクルなし）
--advanced	最強のモデルを使用し、推論の深さを高める
--prompt "..."	タスクをインラインで指定（それ以外の場合はエディタが開く）
--cwd DIR	ファイル操作の作業ディレクトリ
--max-loops N	エージェントのターン数の上限（デフォルト 200、クイックでは 15）
--model ROLE=SLUG	ロールのモデルを上書き（main、worker、oracle、browser）
--resume ID	以前に保存したスレッドを続行
--browser-session NAME	名前付き Firefox プロファイルを再利用（ログインを保持）
--headed / --headless	ブラウザウィンドウを表示または非表示
--orchestrator	1 つのターミナルから複数のエージェントを管理
--pipe	パイプライン用に最終出力のみを出力（終了コードは成功/部分/失敗を示す）
--tui	実験的な全画面ターミナル UI
--notify-desktop / --notify-email EMAIL	タスク完了時にデスクトップまたはメール通知
--max-cost USD	累積 OpenRouter コストがこの金額に達したら停止

システム要件

• macOS または Linux
• Python 3.11+（仮想環境に自動インストール）
• OpenRouter API キー（必須）
• オプション: 2Captcha キー（CAPTCHA 解決用）、AgentMail キー（メール）、画像クリップボードサポート用の wl-clipboard または xclip。

重要性 – Dothething は、完全な自律ワークフロースタック（LLM 計画、検索、プライバシー保護ブラウザ自動化、ファイルと OS の操作）を単一のコマンドラインツールにバンドルしています。パワーユーザーは、マシンから離れることなく、複雑で多段階のインターネット依存タスクを AI に委任でき、モデル、コスト、プライバシーを細かく制御できます。