johnson7788/MultiUserClaw

MultiUserClaw – Hermes Agent を基盤とするマルチテナントAI SaaSプラットフォーム

何であるか

• 同じサーバー上で複数の独立したAIアシスタント（エージェント）を運用できる完全なWebベースのSaaSフレームワーク。
• 各ユーザーは独自のDockerコンテナを取得し、HermesベースのAIエージェントランタイムを実行。コンテナはオンデマンドで作成され、アイドル時は一時停止され、数週間の非アクティブ後にはアーカイブ可能。
• プラットフォームは既製のフロントエンド、FastAPIゲートウェイ、PostgreSQLストア、および即時利用可能な機能群（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、APIトークンなど）を提供。

主要コンポーネント

コンポーネント	役割
フロントエンド (Vite + React)	ユーザーが操作するSPA – ログイン、チャット、スキルストア、管理者ページ。
プラットフォームゲートウェイ (FastAPI)	認証（JWT）、Dockerコンテナ管理、LLMプロキシ（APIキーを挿入）、クォータトラッキング、旧OpenClaw APIとの互換性レイヤー。
Hermesエージェントコンテナ (Python)	実際のAIエージェントを実行。セッション、ツール呼び出し、スキル、ファイルワークスペースなどを処理するHTTP + SSE API（ポート18080）を公開。
PostgreSQL	ユーザーアカウント、コンテナメタデータ、使用ログ、クォータを格納。
Docker Compose	サービスをオーケストレーションし、ユーザーごとに個別のコンテナを起動。

メッセージの流れ

1. ユーザーがブラウザで入力 → フロントエンドが /api/... にWebSocketリクエストを送信。
2. ゲートウェイがJWTを認証し、ユーザーのコンテナを検索／起動し、WebSocketをそのコンテナ内のHermes APIにプロキシ。
3. Hermesがメッセージを処理し、ツールやスキルを呼び出す可能性がある。言語モデルが必要な場合は、ゲートウェイの /llm/v1/chat/completions エンドポイントを呼び出す。
4. ゲートウェイはユーザーのトークンクォータを確認し、モデル名に基づいて適切なプロバイダー（OpenAI、Anthropic、DashScopeなど）を選択。プロバイダーのAPIキー（ゲートウェイのenv内にのみ保持）を挿入し、リクエストを転送。トークン使用量を記録し、レスポンスをHermes → フロントエンドにストリーミング。

主な機能

• マルチテナントの分離 – 各ユーザーは独自のDockerコンテナ（2 GB RAM、4 CPU）で実行され、ファイルとチャット履歴のプライベートボリュームを保有。
• エージェント管理 – 作成、名前変更、絵文字／アイコン設定、詳細表示、削除。
• リアルタイムチャット – WebSocket、markdownレンダリング、コードハイライト、音声入力、ファイル／画像アップロード。
• cronジョブ – 定期的またはワンタイムのタスクをスケジュール、有効／無効、即時実行、通知オプション。
• 知識ベース – エージェントごとのファイルストア（テキスト、PDF、JSON、コード）でプレビュー、ダウンロード、削除可能。
• スキルストア – skills.sh からスキルをインストール、有効／無効、ユーザーがアップロードしたカスタムスキルも可能。
• マルチチャネルボット – Telegram、Discord、メール、WhatsApp Web、Signal、Slack、iMessageなど、組み込みアダプタを備える。
• APIアクセス – トークンを生成し、CLIや他のサービスからエージェントを呼び出し、セッションを再利用可能。
• 複数のモデルプロバイダー – OpenAI、Anthropic、DashScope、DeepSeek、AiHubMix、Evolink、OpenRouterなど、数十種類のLLMをサポート。モデル名セレクタで簡単選択。
• ダッシュボード – エージェント、セッション、スキル、システム全体の健全性に関する統計を即時確認。
• セキュリティ – APIキーはユーザーコンテナに渡らない；JWT → コンテナトークンチェーン；リソース制限；監査ログ。

プラットフォームの起動方法

1. Docker と Docker‑Compose をインストール。
2. リポジトリのルートに .env ファイルを作成し、少なくとも1つのLLMプロバイダーのキーを追加（例：OPENAI_API_KEY=sk‑…）。
3. 基本イメージをビルド：python prepare.py && bash build_base_image.sh。
4. Docker Composeでデプロイ：python deploy_docker.py --rebuild hermes,gateway,frontend（または単に docker compose up -d）。
5. http://localhost:3080 でUIにアクセスし、登録してチャットを開始 – ゲートウェイが自動的に専用のHermesコンテナを起動する。

一般的な利用シーン

• クライアントごとにカスタムAIアシスタントを提供したいSaaS企業（インフラから構築しなくてもよい）。
• チームごとに独立したエージェントとプライベート知識ベース、スケジュールされたジョブが必要な社内ツール。
• マルチモデルLLM、ツールコール、スキル拡張を実験したい開発者。

制限事項／注意点

• プラットフォームはDockerに依存しており、アクティブユーザー1人あたりのコンテナを実行できる十分なCPU/RAMを備えたホストが必要。
• すべてのLLM呼び出しはゲートウェイ経由でプロキシされるため、プロバイダーのAPIキー制限や遅延がすべてのユーザーに影響する。
• デフォルトのリソース制限（2 GB RAM、4 CPU）は、重いワークロードでは調整が必要。
• READMEには多数のデプロイスクリプトが記載されているが、プロダクションレベルの強化（TLS終端、シークレット管理、モニタリング）は運用者に任されている。

詳細情報の入手先

• 詳細ドキュメントはREADMEにリンク（例：channel‑config wiki）。
• UIのスクリーンショットとログは doc/ フォルダに格納。
• deploy_copy/ ディレクトリには、初回起動時に新しいコンテナにコピーされる例として事前構成済みエージェント（HR、研究者、プログラマー）が含まれる。

---

上記のすべての情報はリポジトリのREADMEから直接取得；外部の仮定は一切追加されていません。