説明
AgentRunは、Parcha Labsによって開発されたオープンソースプラットフォームで、AIエージェントの能力を大幅に向上させます。エージェントが経験から学び、タスクを持続的に実行し、運用をより効率的に管理できるようにする堅牢な制御プレーンを提供します。このプラットフォームは、Claude Code、Codex、Pi、OpenCodeなどの人気のあるエージェントハーネスとシームレスに統合され、エージェント管理のための統一された環境を提供します。
続きを読む
AgentRunのコア機能の1つは自己学習です。エージェントは、繰り返しのステップを特定し、それらを再利用可能なスキルやテスト済みのワークフローに変換することで、各実行ごとにより賢く、コスト効率が高くなります。これらの提案は、受け入れ前に検証され、評価されるため、効果的な学習のみが統合されることが保証されます。このプロセスは、エージェントが確立された方法を再利用できるようにすることでトークン使用量を削減し、計画やツールの発見を繰り返す必要がなくなり、コストの大幅な節約につながります。報告されたケースの中には、コンプライアンス作業負荷が最大90%削減されたものもあります。
このプラットフォームは柔軟なアーキテクチャを提供し、ユーザーが好みのエージェントハーネスを選択できる一方で、AgentRunは単一のAPIを通じて実行、ワークスペース、回復、および学習を管理します。軽量なサンドボックスから、コードの構築とテストのための開発環境、大規模なデータセット用の高リソースサンドボックスまで、さまざまな計算環境をサポートしています。エージェントループを計算環境から分離することで、最適なリソース配分とDocker、Daytona、Modalなどの異なるプロバイダー間での一貫したAPIインタラクションが確保されます。
持続的な実行はもう1つの重要な側面であり、実行が中断されてもエージェントの進行状況が保持されることを保証します。AgentRunは会話、ファイル、および完了したツールの結果を保存し、実行が保存された状態から回復できるようにします。この回復レイヤーは異なるハーネス間で一貫しており、進行中のタスクに対して信頼性のある永続性を提供します。このプラットフォームには、エージェントの活動を監視し、結果を検査し、学習ノートをレビューするためのコンソールとAPIを提供する包括的なエージェント管理機能も含まれています。
AgentRunはApache-2.0オープンソースプロジェクトとして利用可能で、ユーザーは自分のインフラストラクチャ上で自己ホストし、モデルAPIキーを使用してエージェントとデータを完全に制御できます。管理されたソリューションを好む方には、Grepチームによって管理されるホスティングデプロイメントを提供するAgentRun Cloudがあります。大規模な組織向けのカスタマイズされたデプロイメントと専用サポートを提供するエンタープライズオプションも利用可能です。
- カテゴリーAI エージェントビルダー
- 料金モデルオープンソース
- デプロイセルフホスティング、クラウド
- プラットフォームWeb
AgentRunの主要機能
自己学習エージェント: エージェントは実行から学び、再利用可能なスキルとワークフローを作成します。
持続的な実行: 中断された実行を保存された状態から回復し、進行状況を保持します。
共有制御プレーン: 複数のハーネス間でエージェント、実行、および学習を管理します。
計算環境の選択: 軽量、開発、または高リソースのサンドボックスから選択します。
ハーネス互換性: Claude Code、Codex、Pi、OpenCodeと連携します。
トークン使用量の削減: 学習したスキルを再利用して、繰り返しの計画やツールの発見を最小限に抑えます。
エージェント管理コンソール: エージェントの活動を監視し、結果を検査し、学習ノートをレビューします。
オープンソースプラットフォーム: 自己ホスティングと完全な制御のためのApache-2.0ライセンス。
ワークフロー作成: コード、ツール、エージェントを組み合わせた検査可能でテスト可能なワークフローを構築します。
APIアクセス: エージェントの作成、実行の開始、結果の検査のための共通API。
エージェントのバージョン管理: エージェントの定義と改訂を管理します。
ファイル管理: 各実行には独自のファイルがあり、入力をアップロードし、出力を検査します。
ホスティングデプロイメントオプション: 管理されたインフラストラクチャのためのAgentRun Cloud。
エンタープライズサポート: 大規模な組織向けのカスタマイズされたデプロイメントとサポート。
AgentRunの使い方は?
クライアントのインストール: npmまたはpipを使用してAgentRunクライアントをインストールします。
環境の設定: デプロイメントのためにAGENTRUN_BASE_URLとAGENTRUN_API_KEYを設定します。
エージェントの定義: ハーネス、指示、およびツールを指定してエージェント定義を作成します。
学習の有効化: スキルとワークフローの生成のために自己学習を有効にするようにエージェントを設定します。
計算の選択: エージェント実行のために適切な計算プロバイダー(Docker、Daytona、Modal)を選択します。
実行の開始: 共通APIまたはコンソールを通じてエージェントの実行を開始します。
監視と検査: コンソールを使用して進行状況を監視し、結果を検査し、学習ノートをレビューします。
スキルの再利用: エージェントは自動的に受け入れられたスキルとワークフローを次回の実行で再利用します。
AgentRunの使用例
- 自動化されたコンプライアンス作業負荷
- ソフトウェア開発とテスト
- データ処理と報告
- カスタマーサポートの自動化
- 研究と分析
- ワークフローの自動化
- エージェントの実験
- マルチエージェントのオーケストレーション




