Omnigent কী: এক harness-এ বহু agent CLI চালানোর উপায়
Omnigent কীভাবে ইনস্টল করা agent CLI একসঙ্গে চালায় তা জানুন। meta-harness ধারণা, release 0.7.0 pin করা এবং VPS-এ প্রতিটি agent sandbox করার পদ্ধতি দেখুন।
Omnigent কী
Omnigent একটি open source meta-harness: এটি আপনার আগে থেকেই ইনস্টল করা agent command-line tool (CLI) পরিচালনা করার জন্য একটি orchestration layer। এটি Claude Code, Codex, Cursor, OpenCode, Hermes বা Pi-কে প্রতিস্থাপন করে না। এটি ওই tool-গুলো চালু করে, প্রতিটিকে একটি কাজ দেয় এবং একটি policy set ব্যবহার করে একই session-এর মধ্যে ফলাফল তদারক করে। Databricks জুন 2026-এ Apache 2.0 licence-এর অধীনে repository প্রকাশ করে। PyPI এখনও package-টিকে alpha হিসেবে শ্রেণিবদ্ধ করে।
এর ব্যবহারিক দাবি সীমিত এবং সরাসরি বলা যায়। আপনি YAML-এ একবার agent-এর বর্ণনা দেন এবং কোন harness সেটি চালাবে তা নির্ধারণ করেন। ওই একটি line পরিবর্তন করলে একই agent অন্য vendor-এর CLI-তে চলে। আপনার setup-এর অন্য কিছু পরিবর্তন করতে হয় না, কারণ Omnigent agent-গুলোর ভেতরের loop নয়, তাদের উপরের loop পরিচালনা করে।
একটি meta-harness কী এবং এটি framework থেকে কীভাবে আলাদা?
harness হলো এমন একটি প্রোগ্রাম, যা একটি model-কে loop-এর মধ্যে চালায়। এটি আপনার prompt পড়ে, tools ব্যবহার করে, files সম্পাদনা করে এবং ফলাফল জানায়। Claude Code একটি harness। Codex একটি harness। আপনি এটি install করেন, login করেন, এবং এটি নিজে কাজ করে।
framework হলো এমন একটি library, যার ওপর ভিত্তি করে আপনি code লেখেন। আপনি এটি import করেন, Python-এ ধাপগুলো নির্ধারণ করেন, এবং আপনার program-ই agent হয়ে যায়। সেখানে vendor পরিবর্তন করতে হলে code সম্পাদনা করতে হয়, কারণ vendor-এর client আপনার program-এর মধ্যেই সংযুক্ত থাকে।
meta-harness উভয়ের চেয়ে এক স্তর ওপরে কাজ করে। এটি এমন একটি supervisor, যা child process হিসেবে harness চালায়। Omnigent vendor CLI চালু করে, সেখানে কাজ পাঠায় এবং ফিরে আসা ফলাফল পড়ে। আপনি আগে install করা CLI-ই ব্যবহার করেন। সেটির জন্য ইতিমধ্যে যে subscription বা API (application programming interface) key ব্যবহার করছেন, সেটিও অপরিবর্তিত থাকে। এটাই মূল পার্থক্য। আর এই পার্থক্যই নির্ধারণ করে tool-টি কার জন্য: যাদের একাধিক agent CLI ইতিমধ্যে সচল আছে এবং যারা একবারে একটি terminal থেকে সেগুলো চালাতে ক্লান্ত।
একটি orchestration layer কোন সমস্যার সমাধান করে?
- Vendor পরিবর্তনের খরচ এক লাইনে সীমাবদ্ধ। Agent definition-এ
harnessএবংmodeldata হিসেবে থাকে। তাই একটি role এক vendor থেকে অন্য vendor-এ সরাতে YAML file সম্পাদনা করলেই হয়, নতুন করে সবকিছু লিখতে হয় না। - Vendor জুড়ে review করা যায়। একটি model-এর লেখা diff অন্য কোম্পানির model পড়ে। একই family-এর দুটি model সাধারণত একই blind spot ভাগ করে। তাই একই vendor-এর কাছ থেকে দ্বিতীয় মতামতের মূল্য কম।
- Policy-এর একটি কেন্দ্রীয় অবস্থান থাকে। Budget threshold এবং approval prompt agent file-এ ঘোষণা করা হয়। সেগুলো এর অধীন প্রতিটি sub-agent-এর ক্ষেত্রে প্রযোজ্য হয়।
- Session কোনো একটি tool-এর ওপর নির্ভর করে না। একাধিক CLI-তে করা কাজের জন্য একটি transcript থাকে। তাই চারটি scrollback একত্র না করেও কী ঘটেছে তা পরে পড়ে দেখা যায়।
এর মূল্য হলো layer-টি নিজেই। Omnigent-এর প্রতিটি bug এখন আপনার এবং আগে স্বতন্ত্রভাবে কাজ করা agent-এর মাঝখানে থাকা একটি bug। Alpha পর্যায়ে এটি বাস্তব খরচ, তাত্ত্বিক নয়।
একক agent tool-এর পাশে multi-agent harness কোথায় কাজে লাগে
আপনি যদি এখনো কোনো server-এ একটি agent না চালিয়ে থাকেন, তাহলে আগে সেটি দিয়ে শুরু করুন। VPS-এ coding agent চালানো নিয়ে আমাদের guide-এ single agent ব্যবহারের পুরো প্রক্রিয়া দেখানো হয়েছে। Omnigent ধরে নেয় যে এই setup আপনার আগে থেকেই আছে। self-hosted AI agent-এর বৃহত্তর ক্ষেত্রেই আপনি agent বেছে নেন। এই পরিভাষাগুলো নতুন হলে agent কীভাবে কাজ করে তা শেখা দিয়ে শুরু করাই ভালো।
Omnigent connector layer থেকে ভিন্ন একটি বিষয়। agent-কে আপনার নিজস্ব data source-এ access দেওয়া-এর মতো কাজ নির্ধারণ করে agent কোন data বা service-এ পৌঁছাতে পারবে। Omnigent নির্ধারণ করে কোন agent চলবে, কোন ক্রমে চলবে এবং কী সীমার মধ্যে চলবে। আপনার একই সময়ে দুটিই প্রয়োজন হতে পারে। এগুলো পরস্পরের বিকল্প নয়।
ইনস্টল করার আগে যা প্রয়োজন
- Python 3.12 বা পরবর্তী সংস্করণ। প্রকাশিত package-এ
requires-python >= 3.12নির্ধারিত আছে। tmux, কারণ terminal harness-গুলো এর ভেতরে চলে।- অন্তত একটি vendor CLI, যা আগে থেকেই ইনস্টল করা এবং লগ ইন করা আছে।
- Node.js 22 বা পরবর্তী সংস্করণ, সঙ্গে
npm; কারণ Claude, Codex এবং Pi harness-গুলোর এগুলো প্রয়োজন। Installer Node 22.10 বা পরবর্তী সংস্করণ আছে কি না পরীক্ষা করে এবং না থাকলে সতর্কবার্তা দেখায়। Omnigent-এর নিজস্ব কোনো Node প্রয়োজন হয় না: PyPI-এর wheel-এ তৈরি web assets অন্তর্ভুক্ত থাকে। শুধু git checkout থেকে build করলে Node বাধ্যতামূলক হয়।
Main branch নয়, নির্দিষ্ট release ইনস্টল করুন
curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh -s -- --version 0.7.0sh -s -- অংশটি কোনো সাজসজ্জা নয়। এটি না থাকলে sh, --version-কে নিজের option হিসেবে পড়ে এবং installer একেবারেই চালু হয় না। sh যদি Bash হয়, তাহলে এটি Bash-এর নিজস্ব version দেখিয়ে সফলভাবে exit করে। ফলে কিছুই ইনস্টল হয় না এবং কোনো সতর্কতাও দেখানো হয় না। -s -- ব্যবহারের ফলে sh pipe থেকে script পড়ে এবং --version 0.7.0 installer-এ পাঠিয়ে দেয়। কয়েক সপ্তাহ পরপর breaking change প্রকাশ করা repository-তে এটিই reproducible box এবং অপ্রত্যাশিত পরিবর্তনের মধ্যে পার্থক্য।
29 October 2026 তারিখেও release 0.7.0 PyPI-তে প্রকাশিত আছে। তবে বর্তমানে সর্বশেষ release হলো 0.22.0, যা 13 November 2026 তারিখের। আগের 0.19.1 release-টি নতুন feature ছাড়া security-কেন্দ্রিক patch। eMudhra intermediate certificate authority compromise-এর পরে এটি dependency আপডেট করে, এবং project upgrade করার পরামর্শ দেয়। গুরুত্বপূর্ণ হলো pin করা, version number নয়: আপনি যে version পরীক্ষা করেছেন সেটি pin করুন, এবং version পরিবর্তনের আগে release notes-এ breaking change পড়ুন। তবে pin করা security release এড়িয়ে যাওয়ার কারণ নয়। নতুন security release প্রকাশিত হলে version আপডেট করুন।
Installer uv ব্যবহার করে। uv হলো Astral-এর Python package manager। uv অনুপস্থিত থাকলে installer প্রথমে এটি ইনস্টল করার প্রস্তাব দেয়। uv আগে থেকেই থাকলে script-টি এড়িয়ে যান:
uv tool install --force --python 3.12 "omnigent==0.7.0"Extras একই pattern অনুসরণ করে এবং flag-ও পুনরায় দিতে হয়: script-এর সঙ্গে --extra e2b --extra kubernetes, অথবা uv-এর সঙ্গে "omnigent[e2b,kubernetes]"। --no-databricks না দিলে script-টি databricks extra-ও যোগ করে। উপরের uv command-টি extra ছাড়াই package ইনস্টল করে। মনে রাখবেন, git tag হলো v0.7.0, আর PyPI-তে package version হলো 0.7.0।
uv binary-টি সেই directory-তে রাখে, যেটি uv tool dir --bin report করে। সাধারণত directory-টি ~/.local/bin। Installer আপনার shell profile-এ এটি যোগ করার প্রস্তাব দেয়। clean install-এর ঠিক পরে command পাওয়া না গেলে, কারণটি এটিই। ইনস্টল হওয়া version পরীক্ষা করুন:
omni upgrade --checkএটি ইনস্টল হওয়া version-এর সঙ্গে সর্বশেষ প্রকাশিত version তুলনা করে এবং upgrade available কি না জানায়। তবে upgrade সম্পাদন করে না। omni এবং omnigent একই program-এর দুটি নাম।
একটি model provider নির্ধারণ করুন
omni setupWizard আপনার environment-এ আগে থেকেই থাকা credential খুঁজে বের করে এবং যেগুলো অনুপস্থিত, সেগুলোর জন্য prompt দেখায়। এটি API key, vendor subscription, OpenRouter বা Ollama-এর মতো gateway এবং Databricks workspace পরিচালনা করে। একই মেশিনে যদি আপনি ইতিমধ্যে Ollama দিয়ে একটি local model server চালান, তাহলে gateway-কে সেটির দিকে নির্দেশ করুন। এতে network traffic কখনও মেশিনের বাইরে যায় না।
একটি ন্যূনতম multi-agent run
উদাহরণ agent-গুলো repository-তে রয়েছে। তাই আপনি যে tag ইনস্টল করেছেন, একই tag clone করুন; main নয়।
git clone --depth 1 --branch v0.7.0 https://github.com/omnigent-ai/omnigent.git
cd omnigent
omnigent run examples/polly/Polly হলো repository-এর সঙ্গে সরবরাহ করা multi-agent coding orchestrator। এর configuration-এ claude_code, codex, opencode, cursor, hermes এবং pi নামে sub-agent নির্ধারিত আছে। এতে একটি নিয়ম রয়েছে, যা পুরো অনুশীলনটি চালানোর প্রধান কারণ: implementer এবং reviewer সবসময় ভিন্ন vendor-এর হতে হবে। Polly নিজে কোনো code লেখে না। এটি পরিকল্পনা তৈরি করে, লক্ষ্যকে work item-এ ভাগ করে, প্রতিটি item delegate করে এবং প্রতিটি diff অন্য vendor-এর reviewer-এর কাছে পাঠায়।
কোনো কাজ delegate করার আগে Polly preflight check চালিয়ে দেখে, মেশিনে কোন sub-agent CLI সত্যিই আছে। মাত্র একটি vendor CLI ইনস্টল থাকলে diff পাঠানোর মতো অন্য কেউ থাকে না। তাই output মূল্যায়নের আগে অন্তত দুটি CLI ইনস্টল করুন। সরবরাহ করা অন্য উদাহরণ Debby হলো দুইটি head-সহ একটি debate agent; একটির পেছনে Claude এবং অন্যটির পেছনে GPT রয়েছে:
omni debbyদুটি provider configured আছে কি না নিশ্চিত করার এটি একটি সংক্ষিপ্ত উপায়, কারণ কিছু বলার জন্য এর উভয় provider-ই প্রয়োজন।
Sub-agent টুল হিসেবে ঘোষণা করা হয়
Agent file-টি YAML-এ লেখা হয়। executor-এ harness, model এবং authentication-এর নাম থাকে। tools-এ MCP (model context protocol) server, Python function এবং sub-agent থাকে। Sub-agent হলো type: agent-সহ একটি tool, যার নিজস্ব executor থাকে। উপরের সবকিছুর পেছনে এই ব্যবস্থাই কাজ করে।
name: orchestrator
prompt: |
You coordinate coding and review tasks.
executor:
harness: claude-sdk
model: databricks-claude-sonnet-4-6
tools:
coder:
type: agent
prompt: Write and test code.
executor:
harness: claude-sdk
model: databricks-claude-opus-4-7
reviewer:
type: agent
prompt: Review proposed changes.
executor:
harness: claude-sdk
model: databricks-claude-sonnet-4-6omnigent run path/to/my_agent.yamlএই model id-গুলো প্রকল্পের নিজস্ব docs/AGENT_YAML_SPEC.md উদাহরণ থেকে এসেছে, এবং এগুলো Databricks-hosted নাম। আপনার সিস্টেমে যে omni setup configured আছে, সেটি অনুযায়ী harness এবং model প্রতিস্থাপন করুন। Spec-এ থাকা অন্যান্য harness value-এর মধ্যে antigravity, copilot, kimi এবং qwen রয়েছে। main-এর বর্তমান spec-এ যেকোনো Agent Client Protocol server-এর জন্য acp:<slug>-এর কথাও উল্লেখ করা হয়েছে। তবে v0.7.0 spec-এ এটি তালিকাভুক্ত নেই। তাই এর ওপর নির্ভর করার আগে আপনার নির্দিষ্ট version-এ এটি কাজ করে কি না নিশ্চিত করুন। Spec একটি sub-agent-এ pass_history: true-ও সমর্থন করে। এর মাধ্যমে parent conversation sub-agent-কে দেওয়া হয়। প্রতিটি delegation-এ এতে অতিরিক্ত token খরচ হয়। তাই যে sub-agent-এর শুধু সামনের task-টি প্রয়োজন, তার জন্য এটি বন্ধ রাখুন। কোনো coder-এর prompt যদি তাকে কাজের জন্য প্রয়োজনীয় সর্বনিম্ন পরিবর্তন করতে বলে, তাহলে সে reviewer-কে এমন একটি diff দেয় যা বাস্তবে পড়া যায়। এখানে উভয় role-এর জন্য কোন model বেছে নিচ্ছেন, তার চেয়ে এটি বেশি গুরুত্বপূর্ণ।
দীর্ঘ সময় চলা orchestration কেন VPS-এ রাখা উচিত
একটি multi-agent run কোনো দুই মিনিটের command নয়। পরিকল্পনা করতে হয়, কাজ ভাগ করে দিতে হয়, parallel git worktree-এর কাজ শেষ হওয়ার জন্য অপেক্ষা করতে হয়, review করতে হয় এবং সংশোধন করতে হয়। laptop-এর ঢাকনা বন্ধ করলে পুরো প্রক্রিয়া থেমে যায়। একটি VPS (virtual private server) চালু থাকে এবং network connection বজায় রাখে। তাই আপনি নজর না রাখলেও session চলতে থাকে।
omnigent server --background
omnigent server statusসার্ভারটি port 6767-এ একটি web user interface চালায়। omnigent server status জানায় কোনো run চলছে কি না, আর omnigent stop সেটি বন্ধ করে। v0.7.0-এ omni server start সরিয়ে তার পরিবর্তে omni server --background রাখা হয়েছিল; v0.9.0-এ এটিকে deprecated alias হিসেবে আবার ফিরিয়ে আনা হয়।
6767 কোনো public address-এ প্রকাশ করবেন না। নিরাপদভাবে এটি ব্যবহারের 2টি পদ্ধতি আছে। firewall-এ port বন্ধ রেখে ssh -N -L 6767:localhost:6767 you@your-server দিয়ে SSH-এর মাধ্যমে port forward করুন। এরপর নিজের machine-এ http://localhost:6767 খুলে web interface ব্যবহার করুন। অথবা interface-এর সামনে TLS (transport layer security) termination করুন এবং authentication চালু করুন:
OMNIGENT_AUTH_ENABLED=1 omnigent server --backgroundএর firewall অংশটি সাধারণ কাজ। এটি VPS-এর জন্য ufw firewall-এর মৌলিক বিষয়-এ ব্যাখ্যা করা হয়েছে। আর server-এ যদি বেশ কয়েকটি Docker Compose app-এর সামনে Traefik ব্যবহার করে container চালানো থাকে, তাহলে Omnigent একই pattern-এর আরও একটি service।
Container deploy-এর জন্য repository-এর deploy/docker/ directory-তে একটি Compose setup আছে। ./bootstrap.sh secrets তৈরি করে .env-এ রাখে। এরপর docker compose up -d Omnigent এবং Postgres চালু করে। এখানে server port 8000-এ চলে, 6767-এ নয়। OMNIGENT_PORT সেই host port পরিবর্তন করে। Compose আপনার জন্য DATABASE_URL নির্ধারণ করে। অন্যান্য deploy target-এ একই variable Postgres বা SQLite নির্বাচন করে। Container-এর ভেতরে OMNIGENT_AUTH_ENABLED-এর default মান 1। বাইরে থেকে reachable যেকোনো service-এর জন্য এটিই সঠিক default।
Sizing-এর ক্ষেত্রে deploy notes-এ server-এর idle memory use প্রায় 275 MB RSS বলা হয়েছে। Fly.io config-এ 1 GB machine নির্ধারণ করা আছে। Idle measurement-টি শুধু supervisor-এর জন্য। 1 GB হলো machine-এর allocated memory। Sub-agent-গুলো os_env: inherit ব্যবহার করে parent-এর working directory এবং environment, sandbox-সহ, share করতে পারে। আলাদা git worktree ব্যবহার করা orchestration-এর একটি সিদ্ধান্ত। তাই একসঙ্গে চালানো harness এবং agent-এর প্রয়োজন অনুযায়ী server-এর capacity নির্ধারণ করুন। Server চালু হওয়ার পর omnigent login https://your-host এবং তারপরে omnigent host https://your-host চালালে আপনার laptop সেটির সঙ্গে register হয়। omnigent attach <session_id> অন্য device থেকে চলমান session আবার চালু করে।
আপনি চলে যাওয়ার আগে প্রতিটি sub-agent-কে sandbox-এ সীমাবদ্ধ করুন
Omnigent একটি operating system স্তরের sandbox সরবরাহ করে, যার নাম Omnibox। Linux-এ এটি bubblewrap namespace এবং seccomp ব্যবহার করে। তাই সীমানা agent-এর prompt নয়, kernel কার্যকর করে। Prompt injection করা agent kernel-এর নিয়ম অমান্য করতে পারে না। প্রথমে dependency ইনস্টল করুন:
sudo apt install bubblewrapAgent-এর configuration os_env-এর অধীনে agent file-এ থাকে:
os_env:
type: caller_process
cwd: .
sandbox:
type: linux_bwrap
write_paths: [.]
write_files: []
read_paths: []
allow_network: true
cwd_allow_hidden: [.venv]
env_passthrough: []
egress_rules: []
credential_proxy: []write_paths-এ তালিকাভুক্ত না করা পর্যন্ত working directory read-only থাকে। তাই কোনো agent ভুলভাবে কাজ করলেও workspace-এর বাইরে লিখতে পারে না। Working directory-এর শীর্ষস্তরের dotfile এবং প্রতিটি read_paths root cwd_allow_hidden-এ উল্লেখ না করা পর্যন্ত গোপন থাকে। এর ফলে বিস্তৃত read grant অজান্তে শীর্ষস্তরের .ssh বা .aws directory প্রকাশ করে না। Nested dotfile ডিফল্টভাবে দৃশ্যমান থাকে। পুরো tree জুড়ে সেগুলো mask করতে cwd_hidden_scan_recursive: true সেট করুন। egress_rules সেট করলে সমস্ত HTTP ও HTTPS traffic default-deny proxy-এর মধ্য দিয়ে যায়। প্রতিটি rule "METHODS host/path-glob" হিসেবে লিখতে হয়। credential_proxy আরও এক ধাপ এগিয়ে যায়। Agent-এর কাছে কেবল একটি placeholder থাকে। Request বাইরে যাওয়ার সময় proxy আসল secret বসিয়ে দেয়। তাই transcript ফাঁস হলেও ব্যবহারযোগ্য কোনো secret ফাঁস হয় না। Multi-harness setup-এ প্রতিটি sub-agent নিজের config file-এ, agents/-এর অধীনে, নিজের sandbox block বহন করে। ফলে reviewer-এর network access বন্ধ রাখা যায়, অথচ implementer-এর access চালু রাখা যায়।
Documentation-এ সীমাটি স্পষ্টভাবে উল্লেখ করা আছে এবং এটি গুরুত্বপূর্ণ। OS sandbox sys_os_* tool call এবং terminal-এর ক্ষেত্রে প্রযোজ্য। MCP server-এর ক্ষেত্রে এটি প্রযোজ্য নয়। Omnigent supervisor process-এর ক্ষেত্রেও এটি প্রযোজ্য নয়। আপনি যে MCP server চালু করেছেন, সেটি sandbox-এর বাইরে আপনার permissions নিয়ে চলে। এই সীমাবদ্ধতার কারণে আরও শক্তিশালী পদ্ধতি হলো প্রতিটি agent-এর জন্য একটি করে throwaway machine ব্যবহার করা। এ বিষয়ে disposable VM-এ coding agent চালানো অংশে আলোচনা করা হয়েছে। কাজের অন্য অংশটি হলো credentials। ছয়টি sub-agent একই host ভাগ করে নিলে agent-এর নাগালের বাইরে secret রাখা আরও কঠিন হয়, সহজ নয়।
Spend threshold হলো policy, যা একই file-এ ঘোষণা করা হয়:
policies:
budget:
type: function
handler: omnigent.policies.builtins.cost.cost_budget
factory_params:
max_cost_usd: 5.00
ask_thresholds_usd: [1.00, 3.00]cost_budget policy soft threshold-এ approval চায় এবং ডিফল্টভাবে max_cost_usd-এ সব model block করে। Non-empty expensive_models list সেট করলে limit একটি downgrade gate-এ পরিণত হয়। ওই list-এর বাইরের model-গুলো spending চালিয়ে যেতে পারে। একটি run-এ এক vendor দিয়ে planning, দ্বিতীয় vendor দিয়ে implementation এবং তৃতীয় vendor দিয়ে review করলে একই সময়ে তিন জায়গায় spending হয়। তাই প্রথম unattended run-এর আগে threshold সেট করুন, প্রথম invoice পাওয়ার পরে নয়। Built-in policy-গুলোর মধ্যে max_tool_calls_per_session এবং ask_on_os_tools-ও রয়েছে। এগুলো file এবং shell operation-এর আগে approval চায়। VPS-এ AI agent-এর খরচ নিয়ন্ত্রণে রাখা বিষয়ে আমাদের নির্দেশনা এখানে সরাসরি প্রযোজ্য। Parallel sub-agent-এর কারণে burn rate বহুগুণ বাড়ে বলে এখানে এটি আরও বেশি গুরুত্বপূর্ণ।
এই repository কত দ্রুত পরিবর্তিত হচ্ছে?
এই চার্টের পেছনের ডেটা
[
{
"version": "v0.2.0",
"released": "2026-06-19",
"interval": 3
},
{
"version": "v0.3.0",
"released": "2026-06-27",
"interval": 8
},
{
"version": "v0.4.0",
"released": "2026-07-03",
"interval": 6
},
{
"version": "v0.5.0",
"released": "2026-07-10",
"interval": 7
},
{
"version": "v0.5.1",
"released": "2026-07-10",
"interval": 0
},
{
"version": "v0.6.0",
"released": "2026-07-21",
"interval": 11
},
{
"version": "v0.7.0",
"released": "2026-07-27",
"interval": 6
}
]এগুলো 3 August 2026 তারিখে প্রকল্পের নিজস্ব releases page থেকে পড়া প্রকাশিত release date। 7টি tagged release 2026-06-19 থেকে 2026-07-27-এর মধ্যে প্রকাশিত হয়েছে, এবং যেকোনো দুটি release-এর মধ্যে দীর্ঘতম ব্যবধান ছিল 11 দিন। v0.5.1 তার আগের release-এর একই দিনে প্রকাশিত হয়েছিল। প্রথম দুটি PyPI release, 13 June 2026-এর 0.1.0 এবং 16 June 2026-এর 0.1.1, GitHub releases page-এ নেই এবং chart-এ বাদ দেওয়া হয়েছে; v0.2.0-এর জন্য দেখানো তিন দিন 0.1.1 থেকে গণনা করা হয়েছে।
এই release-গুলোর দুটিতে guides-এ আগে থেকেই নথিভুক্ত command পরিবর্তিত হয়েছে। v0.7.0, omni server start সরিয়ে তার পরিবর্তে omni server --background ব্যবহার করেছে। v0.6.0, omnigent[memory] extra-এর নাম বদলে omnigent[hindsight] করেছে, তবে compatibility alias হিসেবে memory রেখেছিল; এটি 0.10.0 পর্যন্ত কাজ করেছে। 25 August 2026-এ প্রকাশিত 0.11.0 থেকে alias-টি আর নেই। তাই June-এর কোনো write-up থেকে কপি করা install line এখন Hindsight client ইনস্টল করে না। এ কারণেই install command-এ --version এবং আপনার git clone-এ একটি tag ব্যবহার করতে হবে; এটি style preference নয়।
সেই পর্যালোচনার পর release-এর গতি কমেনি। 29 October 2026-এ PyPI-তে 0.20.0 তালিকাভুক্ত ছিল; এটি 28 October-এ প্রকাশিত এবং 0.7.0-এর পর তেরোটি minor release এসেছে। প্রকল্পের release notes-এ এগুলোর কয়েকটিতে breaking change-এর কথা উল্লেখ আছে। এই page থেকে কপি করা যেকোনো কিছুর জন্য দুটি পরিবর্তন গুরুত্বপূর্ণ: v0.12.0-এ সাধারণ omni ব্যবহার করলে Polly agent-এর বদলে background host শুরু হয় (omni run এখন default agent চালু করে), এবং v0.13.0-এ managed terminal-এর জন্য tmux 3.3 বা তার নতুন সংস্করণ প্রয়োজন।
এটি এখনো যেসব কাজে ব্যবহার করব না
27 October 2026 অনুযায়ী repository-টিতে প্রায় 11k stars, 1.8k forks এবং আনুমানিক 910টি open issue রয়েছে। প্রথম public release-এর পর মাত্র চার মাসের কিছু বেশি সময় পেরিয়েছে। Stars আগ্রহের মাত্রা দেখায়, পরিপক্বতা নয়। Project-টি নিজেই alpha বলছে, এবং উপরের release history-ও দেখায় যে এর অর্থ সত্যিই alpha।
- Production credentials থাকা কোনো host-এ এটি চালাব না, কারণ sandbox MCP server বা supervisor-কে অন্তর্ভুক্ত করে না।
cost_budgetpolicy ছাড়া কোনো run unattended অবস্থায় রেখে যাব না, কারণ তিনটি vendor সমান্তরালে bill করতে পারে।expensive_modelslist খালি না থাকলে কম খরচের model-এ spending চলতে পারে।OMNIGENT_AUTH_ENABLEDসেট না করে এবং এর সামনে TLS না রেখে server-টি public IP address-এ expose করব না।- Minor version-গুলোর মধ্যে agent YAML এখনো stable ধরে নেব না। তাই version pin করুন এবং upgrade করার আগে release notes পড়ুন।
এটি আপনাকে অবাক করার আগে আরও একটি বিষয় জানা দরকার: v0.6.0 anonymised usage telemetry যোগ করেছে। README অনুযায়ী এটি default-ভাবে সংগ্রহ করা হয়। Project-টি dedicated telemetry page-এ এ বিষয়ে documentation দিয়েছে, যার মধ্যে opt out করার পদ্ধতিও রয়েছে। সেই page পড়ুন এবং machine-টি client-এর কাজ পরিচালনা করলে সচেতনভাবে সিদ্ধান্ত নিন।
বর্তমানে Omnigent যে কাজে সত্যিই ভালো, সেটিই এর নির্মাণের মূল উদ্দেশ্য। আপনার কাছে তিন বা চারটি agent CLI আছে, আপনি ইতিমধ্যে সেগুলোর জন্য অর্থ প্রদান করেন, এবং একটি দিয়ে লিখিয়ে অন্যটি দিয়ে review করাতে চান। Linux-এ একটি machine-এ real sandboxing ব্যবহার করে এটি এখন কাজ করে। এর পরের সবকিছুকে সম্ভাবনাময় কিন্তু অসম্পূর্ণ হিসেবে বিবেচনা করুন।
FAQ
Omnigent কি agent, নাকি agent চালায় এমন একটি জিনিস?
এটি agent চালায়। Omnigent একটি meta-harness: এটি আপনার আগে থেকেই ইনস্টল করা vendor CLI, যেমন Claude Code, Codex বা OpenCode, চালু করে, প্রতিটিকে কাজ দেয় এবং একই session-এ ফলাফল তদারক করে। এটি নিজস্ব কোনো model নিয়ে আসে না। এ কারণেই এটি framework থেকে আলাদা। Framework-এ আপনি একটি library ব্যবহার করে Python code লেখেন, এবং আপনার নিজের program-ই agent হয়ে ওঠে।
Omnigent কার্যকর হওয়ার আগে কি Claude Code এবং Codex ইনস্টল করা থাকতে হবে?
অন্তত একটি vendor CLI ইনস্টল করে তাতে login করা থাকতে হবে। কারণ Omnigent ওই program-গুলো চালায়, সেগুলোর পরিবর্তে কাজ করে না। সরবরাহ করা Polly উদাহরণের জন্য বিভিন্ন vendor-এর অন্তত দুটি CLI থাকা দরকার। Polly-এর নিয়ম হলো, review সবসময় implementer-এর চেয়ে ভিন্ন vendor দিয়ে করতে হবে। তাই একটি মাত্র CLI থাকলে diff পাঠানোর জন্য দ্বিতীয় কোনো vendor থাকে না।
সর্বশেষ version-এর পরিবর্তে নির্দিষ্ট Omnigent version কীভাবে ইনস্টল করব?
Install script-এর মাধ্যমে --version-এ sh -s -- পাস করুন, যেমন sh -s -- --version 0.7.0-এ দেখানো হয়েছে। -s -- না দিলে sh, --version-কে নিজের option হিসেবে ধরে নেয় এবং installer কখনো চালু হয় না। উদাহরণস্বরূপ, Bash নিজের version দেখিয়ে exit করে। uv আগে থেকেই উপস্থিত থাকলে uv tool install --force --python 3.12 "omnigent==0.7.0" একই কাজ করে। Git tag হলো v0.7.0, আর PyPI version string হলো 0.7.0।
Omnibox sandbox কি unattended অবস্থায় agent চালানোর জন্য যথেষ্ট?
যে বিষয়গুলো এটি নিয়ন্ত্রণ করে, সেগুলোর জন্য এটি শক্তিশালী এবং যে বিষয়গুলো নিয়ন্ত্রণ করে না, সেগুলো স্পষ্টভাবে নির্দিষ্ট করে। Linux-এ এটি bubblewrap এবং seccomp ব্যবহার করে। তাই kernel file ও network সীমা প্রয়োগ করে, এবং agent সেগুলো এড়িয়ে যেতে পারে না। Documentation-এ বলা আছে, এটি sys_os_* tool call এবং terminal-এর ক্ষেত্রে প্রযোজ্য, কিন্তু MCP server বা Omnigent supervisor process-এর ক্ষেত্রে প্রযোজ্য নয়। তাই MCP server আপনার স্বাভাবিক permission নিয়েই চলে। Unattended কাজের জন্য প্রতিটি agent-কে আলাদা disposable virtual machine-এ চালানো এখনো বেশি শক্তিশালী isolation দেয়।
একটি VPS-এ Omnigent server-এর কত memory প্রয়োজন?
Project-এর deploy note অনুযায়ী idle অবস্থায় প্রায় 275 MB RSS লাগে, এবং Fly.io configuration-এ 1 GB machine বরাদ্দ করা হয়েছে। এই idle measurement শুধু server-এর জন্য; এর sub-agent-গুলো এতে অন্তর্ভুক্ত নয়। Sub-agent-গুলো parent-এর working directory এবং environment share করতে পারে, যার মধ্যে os_env: inherit-এর মাধ্যমে sandbox-ও অন্তর্ভুক্ত; তবে আলাদা working copy নিশ্চিত নয়। Polly-ধরনের run parallel git worktree ব্যবহার করে। তাই server-এর জন্য নয়, একসঙ্গে চালানোর পরিকল্পনা করা agent-এর সংখ্যার ভিত্তিতে RAM এবং disk-এর capacity নির্ধারণ করুন।