A self-hosted AI agent runtime in .NET with a desktop companion app, supporting multiple model providers, tools, memory, and chat channels.
omnirexflora-labs/omnicoreagent
Runtime de agentes em Python que envolve um LLM com ferramentas, memória, políticas para cada ação, sandbox para comandos, execução segura contra falhas e rastreamento completo de cada etapa.
- Estrelas
- 252
- Forks
- 57
- Issues abertas
- 0
- Último commit
- há 13 dias
O que é?
OmniCoreAgent é um runtime para criar agentes com LLM em Python. Ele cuida dos componentes que uma aplicação precisa ao redor do modelo: um loop de ferramentas com suas próprias funções Python e servidores MCP, memória de sessão, gerenciamento de contexto, um workspace para arquivos e subagentes. Você pode usá-lo por meio de código Python, da linha de comando ou como servidor HTTP.
O runtime adiciona controles para agentes que executam ações reais. Uma política com regras de permissão, aprovação e bloqueio se aplica a ferramentas, servidores MCP, sandbox, rede e delegação; a opção `ask` pausa uma execução para que alguém a aprove. Os comandos são executados em um provedor de sandbox, como Docker, E2B ou Modal, e os orçamentos limitam os gastos em dólares, tokens ou chamadas. As execuções mantêm um checkpoint para que possam ser retomadas caso o processo pare, sem repetir silenciosamente chamadas de ferramentas interrompidas.
Cada execução gera um rastreamento de chamadas ao modelo, chamadas de ferramentas, aprovações e decisões de orçamento, que pode ser exportado para OTLP, LangSmith, Opik ou JSONL. É possível anexar resultados à execução posteriormente, e execuções concluídas podem ser retornadas como registros de treinamento.
Recursos principais
- 01Loop de ferramentas compatível com funções Python e servidores MCP por stdio, SSE e HTTP streamable.
- 02Política com regras de permissão, aprovação e bloqueio para ferramentas, sandbox, rede e delegação.
- 03Execução de comandos em sandboxes como Docker, E2B, Modal e Daytona.
- 04Orçamentos em dólares, tokens ou chamadas, por requisição, sessão ou dia.
- 05Execuções seguras contra falhas, retomadas a partir de checkpoints sem repetir chamadas interrompidas.
- 06Rastreamentos por execução, exportáveis para OTLP, LangSmith, Opik ou JSONL.
Casos de uso
- Criar um agente de suporte ao cliente que chama APIs internas e precisa de aprovação humana para reembolsos.
- Executar um agente de programação em CI para corrigir testes com falha dentro de um sandbox, com limites de orçamento.
- Disponibilizar agentes por HTTP, com endpoints REST e SSE para tarefas em segundo plano.
- Auditar o comportamento do agente consultando rastreamentos completos de chamadas ao modelo e às ferramentas.
Início rápido
- 1
Instale o pacote com pip
pip install omnicoreagent - 2
Defina a chave de API do seu provedor de LLM
export LLM_API_KEY=your_api_key - 3
Salve o código de início rápido do README em um arquivo Python e execute-o
Antes de usar
- Requer Python 3.12 a 3.14; a instalação é interrompida no Python 3.10 ou 3.11.
- Para executar agentes, é necessária uma chave de API de um provedor de LLM compatível.
Tópicos
Perguntas frequentes
- O que é omnicoreagent?
- Runtime de agentes em Python que envolve um LLM com ferramentas, memória, políticas para cada ação, sandbox para comandos, execução segura contra falhas e rastreamento completo de cada etapa. OmniCoreAgent é um runtime para criar agentes com LLM em Python. Ele cuida dos componentes que uma aplicação precisa ao redor do modelo: um loop de ferramentas com suas próprias funções Python e servidores MCP, memória de sessão, gerenciamento de contexto, um workspace para arquivos e subagentes. Você pode usá-lo por meio de código Python, da linha de comando ou como servidor HTTP.
- omnicoreagent é gratuito? Qual é a licença?
- omnicoreagent é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- omnicoreagent ainda é mantido?
- Manutenção ativa. O último commit de omnicoreagent foi em 9 de out. de 2026.
- Para que posso usar omnicoreagent?
- Criar um agente de suporte ao cliente que chama APIs internas e precisa de aprovação humana para reembolsos. Executar um agente de programação em CI para corrigir testes com falha dentro de um sandbox, com limites de orçamento. Disponibilizar agentes por HTTP, com endpoints REST e SSE para tarefas em segundo plano. Auditar o comportamento do agente consultando rastreamentos completos de chamadas ao modelo e às ferramentas.
- Como instalar omnicoreagent?
- Instale o pacote com pip: pip install omnicoreagent Defina a chave de API do seu provedor de LLM: export LLM_API_KEY=your_api_key Salve o código de início rápido do README em um arquivo Python e execute-o
- Onde consigo omnicoreagent?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/omnirexflora-labs/omnicoreagent
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um agente de IA microkernel e econômico em tokens para CLI, Web UI e canais de chat, que encaminha cada turno ao modelo mais barato capaz de atendê-lo.
Um servidor MCP open source que conecta agentes de IA, IDEs e aplicativos a bancos de dados por meio de ferramentas prontas ou definições personalizadas.
Assistente pessoal de IA auto-hospedado que roda na sua máquina ou na nuvem e se conecta a apps de chat como DingTalk, Lark, Discord e Telegram.
O LobeHub é uma plataforma para organizar agentes de IA em equipes sempre ativas, que podem ser contratadas, agendadas e avaliadas em um só lugar.
Workspace agentic local-first que reúne apps, ferramentas de chat, integrações, memória e qualquer agente (Claude Code, Codex, modelos BYOK) lado a lado.