fluffypony/dothething

何を解決するか

dothething は、複雑で多段階のタスクを自律的に処理するローカルAIエージェントです。研究、データ抽出、ブラウザ自動化、ファイル編集、コード実行を自動で管理し、目標達成または明確な失敗理由が提示されるまで、手動介入を必要としません。

動作方法

エージェントはOpenRouter経由でさまざまなモデルをルーティングし、主なエージェント（Claude Fable 5）がタスクの計画と実行を担当します。効率性とコストを維持するための専用アーキテクチャを採用しています。

• ツールオーケストレーション： 長い出力をGemini 3.5 Flashで要約するための「result_mode」、およびexec_orderを用いた「スタックドツールコール」により、1回のリクエストで複数の操作を並列または順次実行します。
• ブラウザ自動化： Bot検出を回避し、キャプチャを自動で解くためにNotteとCamoufox（Firefoxのフォーク）を使用し、SPAsや複雑なWebフォームと対話できます。
• ハイブリッド検索： ローカルのSearXNGインスタンスとブラウザベースのブリッジを組み合わせ、Googleなどの検索エンジンが実際に結果を返すようにし、主に一次情報源API（arXivやPubMedなど）を優先します。
• 拡張性： SKILL.mdファイルを介したカスタムスキルやModel Context Protocol（MCP）サーバーをサポートし、新しい機能を追加できます。
• リソース管理： Anthropicによるプロンプトキャッシュでコストを削減し、シンプルなワンショットタスクには「クイックモード」を提供します。

対象ユーザー

macOSまたはLinuxユーザーで、深層的なリサーチ、ローカルファイルの管理、Webとの対話、シェルコマンドの実行を、常時監視なしで行える自律型エージェントが必要な方。

特徴

• 自律的なWebインタラクション： フィンガープリント回避と自動キャプチャ解決を備えた完全なブラウザ制御。
• オーケストレータモード： 複数のエージェントを並列で実行・管理できるターミナルUI。
• カスタムスキルとMCP： 行動指示や隔離されたサブタスクを挿入可能で、外部MCPサーバーに接続できます。
• 統合通信： AgentMailを内蔵し、メールの送受信が可能。
• ライブインタラクション： タスク実行中に入力を受け付け、キューされた指示でエージェントをガイド可能。
• 状態の永続化： 完全な会話スレッドとシェルセッションを保存し、中断した作業を再開可能。