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
Среда выполнения агентов на Python: LLM с инструментами и памятью, политиками для каждого действия, песочницей для команд, защитой от сбоев и подробными трассировками.
- Звёзды
- 252
- Форки
- 57
- Открытые issues
- 0
- Последний коммит
- 13 дней назад
Что это?
OmniCoreAgent — среда выполнения для создания агентов на базе LLM на Python. Она предоставляет всё, что приложению нужно вокруг модели: цикл вызова инструментов с собственными функциями Python и MCP-серверами, память сеансов, управление контекстом, рабочее пространство для файлов и субагентов. Использовать её можно из кода Python, через командную строку или как HTTP-сервер.
Среда выполнения позволяет контролировать агентов, которые выполняют реальные действия. Политика с правилами allow, ask и deny распространяется на инструменты, MCP-серверы, песочницу, сеть и делегирование; при срабатывании `ask` выполнение приостанавливается до одобрения человеком. Команды запускаются в песочнице, например Docker, E2B или Modal, а расходы ограничиваются бюджетами в долларах, токенах или вызовах. Для каждого запуска сохраняется контрольная точка: если процесс завершился, запуск можно продолжить без незаметного повторения прерванных вызовов инструментов.
Для каждого запуска формируется трассировка вызовов модели и инструментов, одобрений и решений по бюджету. Её можно экспортировать в OTLP, LangSmith, Opik или JSONL. Результаты можно привязать к запуску позже, а завершённые запуски — передать в виде обучающих записей.
Ключевые возможности
- 01Цикл вызова инструментов с поддержкой функций Python и MCP-серверов через stdio, SSE и streamable HTTP.
- 02Политика с правилами allow, ask и deny для инструментов, песочницы, сети и делегирования.
- 03Выполнение команд в песочницах, например Docker, E2B, Modal и Daytona.
- 04Бюджеты в долларах, токенах или вызовах — на запрос, сеанс или день.
- 05Защищённые от сбоев запуски, которые возобновляются с контрольных точек без повторения прерванных вызовов.
- 06Трассировки запусков с экспортом в OTLP, LangSmith, Opik или JSONL.
Сценарии использования
- Создание агента поддержки клиентов, который вызывает внутренние API и запрашивает одобрение человека для возврата средств.
- Запуск агента для работы с кодом в CI: он исправляет падающие тесты в песочнице с ограничением бюджета.
- Предоставление доступа к агентам по HTTP через REST- и SSE-эндпоинты для фоновых задач.
- Аудит поведения агента по подробным трассировкам вызовов модели и инструментов.
Быстрый старт
- 1
Установите пакет с помощью pip
pip install omnicoreagent - 2
Укажите API-ключ вашего провайдера LLM
export LLM_API_KEY=your_api_key - 3
Сохраните код быстрого старта из README в файл Python и запустите его
Что важно знать
- Требуется Python 3.12–3.14; установка прекращается при использовании Python 3.10 или 3.11.
- Для запуска агентов нужен API-ключ поддерживаемого провайдера LLM.
Темы
Частые вопросы
- Что такое omnicoreagent?
- Среда выполнения агентов на Python: LLM с инструментами и памятью, политиками для каждого действия, песочницей для команд, защитой от сбоев и подробными трассировками. OmniCoreAgent — среда выполнения для создания агентов на базе LLM на Python. Она предоставляет всё, что приложению нужно вокруг модели: цикл вызова инструментов с собственными функциями Python и MCP-серверами, память сеансов, управление контекстом, рабочее пространство для файлов и субагентов. Использовать её можно из кода Python, через командную строку или как HTTP-сервер.
- omnicoreagent можно использовать бесплатно? Какая у него лицензия?
- omnicoreagent распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- omnicoreagent всё ещё поддерживается?
- Активно поддерживается. Последний коммит в omnicoreagent — 9 окт. 2026 г..
- Для чего можно использовать omnicoreagent?
- Создание агента поддержки клиентов, который вызывает внутренние API и запрашивает одобрение человека для возврата средств. Запуск агента для работы с кодом в CI: он исправляет падающие тесты в песочнице с ограничением бюджета. Предоставление доступа к агентам по HTTP через REST- и SSE-эндпоинты для фоновых задач. Аудит поведения агента по подробным трассировкам вызовов модели и инструментов.
- Как установить omnicoreagent?
- Установите пакет с помощью pip: pip install omnicoreagent Укажите API-ключ вашего провайдера LLM: export LLM_API_KEY=your_api_key Сохраните код быстрого старта из README в файл Python и запустите его
- Где скачать omnicoreagent?
- Исходный код и инструкции по установке — на GitHub: https://github.com/omnirexflora-labs/omnicoreagent
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Токен-экономный ИИ-агент с микроядерной архитектурой для CLI, Web UI и чатов, который для каждого запроса выбирает самую дешёвую подходящую модель.
Open source MCP-сервер, который подключает AI-агентов, IDE и приложения к базам данных с помощью готовых инструментов или собственных определений инструментов.
Персональный AI-ассистент для самостоятельного развёртывания на компьютере или в облаке с подключением к DingTalk, Lark, Discord, Telegram и другим чатам.
LobeHub объединяет AI-агентов в постоянно работающие команды, которые можно нанимать, планировать их работу и оценивать результаты в одном месте.
Локально-ориентированное агентное рабочее пространство, где приложения, чаты, интеграции, память и любые агенты работают бок о бок.