sonichi/sutando

解決する課題

Sutandoは、macOS上であなたのデジタルライフを管理する「スタンド」（個人の精神）として機能するように設計されたパーソナルAIエージェントです。画面を見たり、会議に参加したり、電話をかけたり、あなたが不在の間に自律的に自身のコードと機能を改善したりできる、単一の永続的なエージェントを提供することで、断片化されたAIインタラクションの問題を解決します。

仕組み

Sutandoは、4つの主要なプロセスの組み合わせで動作します。

• コアエージェント: Claude CodeまたはCodex CLIを搭載し、システムへの完全なアクセス権を持ち、スケジュールされたプロアクティブなループ（15〜30分ごと）と永続的なタスクウォッチャーを介してタスクを実行します。
• ボイスエージェント: WebSocketを介してGemini Liveを使用し、ブラウザでリアルタイムの音声インタラクションを提供します。
• 会話サーバー: Twilio WebSocketを介して着信および発信の電話を処理します。
• Webクライアント: エージェントと対話するためのブラウザベースのUIを提供します。

即時アクション（画面の説明など）には、音声エージェントと電話エージェントが「インラインツール」を使用します。より複雑な作業では、tasks/ディレクトリにタスクを書き込み、コアエージェントがそれを処理してresults/ディレクトリに結果を書き込みます。

対象ユーザー

システムレベルのタスクを処理し、コミュニケーション（Zoom、Google Meet、電話、Telegram、Discord）を管理し、自律的なビルドループを通じて自身の機能を進化させることができる、高度に統合された自律型AIアシスタントを求めるmacOSユーザー向けに構築されています。

ハイライト

• マルチモーダルインタラクション: 電話、Telegram、Discordなど、複数のチャネルにわたって音声、視覚（画面キャプチャ）、テキストをサポートします。
• 自律的な進化: ビルドループを実行して自身の健全性を監視し、ユーザーのパターンを検出し、不足している機能を追加するために自身のコードを出荷します。
• 会議と通話の管理: Zoom/Google Meetの会議に参加し、スクリーンショットを撮って参加者を特定し、同時に電話をかけることができます。
• クロスマシンスケーリング: 他のMacマシンと連携してサービスを移行し、一貫したアイデンティティとメモリを共有できます。
• ローカルファースト: リモートコントロールプレーンなしで、ユーザーのMac上で完全に実行されます。