kris-hansen/comanda

해결하는 문제

Comanda는 소프트웨어 리포지토리 내에서 내구성 있고 자기 개선 가능한 에이전트 워크플로우를 관리하기 위한 터미널 기반 런타임을 제공합니다. 에이전트가 작업이 완료되었다고 주장하지만 실제로는 완료되지 않은 '허구적 완료' 문제를 해결하기 위해, 관측 가능한 종료 기준과 자동화된 품질 게이트(테스트 및 리너터 등)를 구현하여 워크플로우가 종료되기 전에 반드시 통과해야 합니다.

작동 방식

Comanda는 사용자가 영어로 원하는 결과를 설명하면, 이를 YAML 기반 프로그램으로 변환합니다. 이 프로그램은 단계의 순서, 병렬 처리, 또는 에이전트 루프를 정의합니다. 다양한 AI 모델(Claude, Gemini, OpenAI, Ollama/vLLM를 통한 로컬 모델)과 도구를 조율하며, 데이터를 파일이나 표준 입력/출력을 통해 전달합니다.

주요 기술 구성 요소는 다음과 같습니다:

• 에이전트 루프: 상태를 유지하고, 이전 결과에 기반해 프롬프트를 개선하며, 각 단계 후 품질 게이트를 실행하는 상태 기반 반복 처리.
• 코드베이스 인덱싱: 리포지토리 구조와 심볼을 캡처하여 SQLite FTS5 데이터베이스에 저장된 의미적 검색 가능한 지식 그래프를 생성.
• 내구성 있는 메모리: 프로젝트 로컬 의미적 메모리 시스템으로, 에이전트가 특정 프로젝트의 결정, 제약 조건, 사실을 기억할 수 있도록 합니다.
• MCP 통합: 워크플로우를 Model Context Protocol (MCP)를 통해 도구 및 프롬프트로 노출할 수 있습니다.

대상 사용자

전체 에이전트 프레임워크나 시각적 자동화 플랫폼으로 전환하지 않고도, 리포지토리 내에서 내구성 있는 에이전트 작업을 제어하고 재사용하고 싶은 개발자.

주요 기능

• 결정론적 품질 게이트: 기존 테스트, 보안 검사, 리너터를 "완료"의 정의로 사용.
• 지식 그래프 시각화기: 복잡한 코드베이스 의존성과 아키텍처를 탐색하기 위한 인터랙티브한 로컬 브라우저 뷰.
• 다중 에이전트 조율: 예: Claude로 리뷰, OpenAI로 구현하는 등 다양한 모델을 단일 파이프라인에서 조율 가능.
• 체크포인팅: 긴 실행 시간의 에이전트 루프를 마지막 체크포인트에서 중단 및 재개 가능.
• 의미적 메모리: 선택적, 네임스페이스 기반의 로컬 프로젝트 고유 사실 및 결정 재검색.