Omnigent چیست؟ مدیریت یکپارچه CLI عاملهای هوش مصنوعی
ابزار Omnigent چگونه CLI عاملهای مختلف را در یک محیط واحد مدیریت میکند؟ در این راهنما نحوه پین کردن نسخه 0.7.0 و اجرای ایزوله هر عامل روی VPS را بررسی میکنیم.
Omnigent چیست
Omnigent یک meta-harness متنباز است: یک لایه ارکستراسیون که ابزارهای خط فرمان (CLI) عاملهایی را که از قبل نصب کردهاید، هدایت میکند. این ابزار جایگزین Claude Code، Codex، Cursor، OpenCode، Hermes یا Pi نمیشود. Omnigent آنها را اجرا میکند، به هر کدام وظیفهای محول میکند و نتیجه را در یک نشست واحد و تحت یک مجموعه سیاست مشخص نظارت میکند. Databricks این مخزن را در ژوئن 2026 تحت مجوز Apache 2.0 منتشر کرد و PyPI همچنان این بسته را در وضعیت alpha طبقهبندی میکند.
ادعای کاربردی این ابزار محدود است و ارزش دارد که بهصراحت بیان شود. شما یک عامل را یکبار در قالب YAML توصیف میکنید و نام harness اجراکننده آن را مشخص میکنید. با تغییر همان یک خط، همان عامل روی CLI فروشندهای متفاوت اجرا میشود. هیچ چیز دیگری در تنظیمات شما تغییر نمیکند، زیرا Omnigent حلقه کنترلی بالای عاملها را در اختیار دارد، نه حلقه درون آنها را.
متا-هارنس (meta-harness) چیست و چه تفاوتی با فریمورک دارد؟
هارنس برنامهای است که مدل را در یک حلقه محصور میکند. این برنامه پرامپت شما را میخواند، ابزارها را فراخوانی میکند، فایلها را ویرایش کرده و گزارش میدهد. Claude Code یک هارنس است. Codex نیز یک هارنس است. شما آن را نصب میکنید، وارد حساب خود میشوید و برنامه بهطور خودکار کار میکند.
فریمورک کتابخانهای است که شما کد خود را بر اساس آن مینویسید. شما آن را import میکنید، مراحل را در Python تعریف میکنید و برنامهٔ شما تبدیل به ایجنت میشود. تغییر فروشنده (vendor) در این حالت مستلزم ویرایش کد شماست، زیرا کلاینتِ فروشنده در برنامهٔ شما ادغام شده است.
متا-هارنس یک سطح بالاتر از هر دوی اینها قرار دارد. این یک ناظر است که هارنسها را به عنوان پردازشهای فرزند (child processes) اجرا میکند. Omnigent رابط خط فرمان (CLI) فروشنده را اجرا میکند، کار را به آن میسپارد و خروجی را میخواند. شما همان CLI که قبلاً نصب کردهاید را حفظ میکنید و اشتراک یا کلید API (رابط برنامهنویسی اپلیکیشن) خود را که برای آن پرداخت کردهاید، همچنان در اختیار دارید. تفاوت اصلی همین است و همین موضوع تعیین میکند که ابزار برای چه کسی مناسب است: افرادی که چندین CLI ایجنت دارند که از قبل کار میکنند و از مدیریت تکتک آنها در ترمینالهای جداگانه خسته شدهاند.
یک لایه ارکستراسیون چه مشکلی را حل میکند؟
- هزینه تغییر تامینکننده تنها یک خط است. تعریف agent شامل
harnessوmodelبه عنوان داده است، بنابراین انتقال یک نقش از یک تامینکننده به تامینکننده دیگر، تنها یک ویرایش در فایل YAML است و نه بازنویسی کامل. - بازبینی میتواند بین تامینکنندگان مختلف انجام شود. تفاوت (diff) نوشتهشده توسط یک مدل، توسط مدلی از یک شرکت دیگر خوانده میشود. دو مدل از یک خانواده معمولاً نقاط کور مشابهی دارند، بنابراین نظر دوم از همان تامینکننده ارزش کمتری دارد.
- سیاستگذاری یک جایگاه واحد دارد. آستانههای بودجه و درخواستهای تایید در فایل agent اعلام میشوند و برای تمام زیر-agentهای تحت آن اعمال میگردند.
- نشست (session) از هر ابزار تکی طولانیتر عمر میکند. یک رونوشت (transcript) کل کار انجامشده توسط چندین CLI را پوشش میدهد، بنابراین میتوانید بدون نیاز به کنار هم قرار دادن چهار خروجی مختلف، آنچه رخ داده است را مرور کنید.
هزینه این کار، خودِ این لایه است. هر باگ در Omnigent اکنون باگی است که بین شما و agent قرار گرفته که قبلاً بهتنهایی کار میکرد. در مرحله آلفا، این یک هزینه واقعی است، نه یک هزینه نظری.
جایگاه ابزارهای چندعاملی (multi-agent) در کنار ابزارهای تکعاملی
اگر هنوز یک عامل (agent) را روی سرور اجرا نکردهاید، از آنجا شروع کنید. راهنمای ما برای اجرای یک عامل کدنویسی روی VPS، سناریوی تکعاملی را بهطور کامل پوشش میدهد و این همان پیشفرضی است که Omnigent برای راهاندازی در نظر میگیرد. حوزه گستردهتر عوامل هوش مصنوعی خودمیزبان (self-hosted) جایی است که میتوانید خودِ عاملها را انتخاب کنید، و اگر اصطلاحات این حوزه برای شما جدید است، یادگیری نحوه عملکرد واقعی عاملها نقطه شروع بهتری خواهد بود.
Omnigent همچنین در محور متفاوتی نسبت به لایههای اتصالدهنده (connector layer) قرار دارد. کارهایی مانند دادن دسترسی به عاملها به منابع داده شخصی درباره این است که یک عامل به چه چیزی میتواند دسترسی داشته باشد. Omnigent درباره این است که کدام عامل، با چه ترتیبی و تحت چه محدودیتهایی اجرا شود. شما میتوانید هر دو را همزمان بخواهید و این دو با هم تداخلی ندارند.
پیشنیازهای پیش از نصب
- نسخه Python 3.12 یا جدیدتر. بسته منتشرشده،
requires-python >= 3.12را به عنوان پیشنیاز اعلام میکند. tmux، زیرا harnessهای ترمینال درون آن اجرا میشوند.- حداقل یک CLI فروشنده که از قبل نصب شده و در آن لاگین کرده باشید.
- نسخه Node.js 22 یا جدیدتر به همراه
npm، زیرا harnessهای Claude، Codex و Pi به آنها نیاز دارند. نصبکننده، نسخه Node 22.10 یا بالاتر را بررسی کرده و در صورت نبود آن، هشدار میدهد. خود Omnigent نیازی به Node ندارد: فایلی که در PyPI قرار دارد شامل داراییهای وب ساختهشده (built web assets) است و تنها در صورتی که پروژه را از git checkout بسازید، Node به یک پیشنیاز اجباری تبدیل میشود.
نصب یک نسخه مشخص (Pinned)، نه نسخه main
curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh -s -- --version 0.7.0بخش sh -s -- صرفاً تزئینی نیست. بدون آن، sh عبارت --version را به عنوان آپشن خود میخواند و نصبکننده هرگز اجرا نمیشود. وقتی sh همان Bash باشد، نسخه خود Bash را چاپ کرده و با موفقیت خارج میشود؛ بنابراین هیچچیز نصب نمیشود و هیچ هشداری هم دریافت نمیکنید. با استفاده از -s --، ابزار sh اسکریپت را از طریق pipe میخواند و --version 0.7.0 را به نصبکننده منتقل میکند. در مخزنی که هر چند هفته یکبار تغییرات ساختارشکن (breaking changes) منتشر میکند، این تفاوت بین یک سیستم قابلتکرار و یک غافلگیری ناخوشایند است.
نسخه 0.7.0 تا تاریخ 29 October 2026 همچنان در PyPI منتشر شده است، اما جدیدترین نسخه اکنون 0.22.0 است که در 13 November 2026 عرضه شد. نسخه قدیمیتر 0.19.1 یک وصله امنیتی بدون ویژگیهای جدید است: این نسخه وابستگیها را پس از نفوذ به مرجع صدور گواهی (CA) میانی eMudhra بهروزرسانی میکند و پروژه توصیه به ارتقا دارد. آنچه اهمیت دارد، مشخص کردن نسخه (pin) است، نه خود شماره: نسخهای را که تست کردهاید ثابت نگه دارید و پیش از تغییر آن، تغییرات ساختارشکن را در یادداشتهای انتشار (release notes) مطالعه کنید. البته، ثابت نگه داشتن نسخه دلیلی برای نادیده گرفتن وصلههای امنیتی نیست؛ بنابراین به محض انتشار چنین وصلهای، نسخه را ارتقا دهید.
نصبکننده از uv، مدیر بسته پایتون شرکت Astral، استفاده میکند و در صورت نبود آن، پیشنهاد نصب uv را میدهد. اگر uv از قبل نصب شده است، از اسکریپت صرفنظر کنید:
uv tool install --force --python 3.12 "omnigent==0.7.0"بخشهای اضافی (Extras) نیز از همین الگو پیروی میکنند و فلگ تکرار میشود: --extra e2b --extra kubernetes در اسکریپت، یا "omnigent[e2b,kubernetes]" با uv. اسکریپت همچنین بهطور پیشفرض databricks را اضافه میکند مگر اینکه --no-databricks را ارسال کنید، در حالی که دستور uv در بالا بسته را بدون آن نصب میکند. توجه داشته باشید که تگ git برابر با v0.7.0 است، در حالی که نسخه بسته در PyPI برابر با 0.7.0 است.
ابزار uv فایل باینری را در دایرکتوری که uv tool dir --bin گزارش میدهد قرار میدهد، که معمولاً ~/.local/bin است، و نصبکننده پیشنهاد میدهد که آن را به پروفایل shell شما اضافه کند. اگر بلافاصله پس از یک نصب تمیز، دستور پیدا نشد، دلیل آن همین است. بررسی کنید چه چیزی در نهایت نصب شده است:
omni upgrade --checkاین دستور نسخه نصبشده را با آخرین نسخه منتشرشده مقایسه میکند و بدون انجام ارتقا، به شما میگوید که آیا نسخه جدیدی موجود است یا خیر. omni و omnigent هر دو یک برنامه با دو نام متفاوت هستند.
تنظیم ارائهدهنده مدل
omni setupویزارد بهطور خودکار اعتبارنامههای موجود در محیط شما را جستجو کرده و برای موارد مفقود از شما درخواست ورودی میکند. این ابزار کلیدهای API، اشتراکهای فروشندگان، درگاههایی مانند OpenRouter یا Ollama و محیطهای کاری Databricks را مدیریت میکند. اگر در حال حاضر یک سرور مدل محلی با Ollama روی همان دستگاه اجرا میکنید، یک درگاه (gateway) را به آن متصل کنید تا ترافیک هرگز از دستگاه خارج نشود.
اجرای حداقلی چند عاملی (multi-agent)
عاملهای نمونه در مخزن قرار دارند، بنابراین بهجای main، همان تگی را کلون کنید که نصب کردهاید.
git clone --depth 1 --branch v0.7.0 https://github.com/omnigent-ai/omnigent.git
cd omnigent
omnigent run examples/polly/Polly یک ارکستراتور کدنویسی چندعاملی است که همراه با مخزن عرضه میشود. پیکربندی آن، عاملهای فرعی با نامهای claude_code، codex، opencode، cursor، hermes و pi را تعریف میکند و شامل یک قانون است که اجرای این تمرین را ارزشمند میسازد: بازبینی همیشه باید توسط فروشندهای متفاوت از پیادهساز انجام شود. Polly خود هیچ کدی نمینویسد. این ابزار برنامهریزی میکند، هدف را به واحدهای کاری تقسیم کرده، هر کدام را محول میکند و هر diff را برای بازبینی به فروشندهای دیگر ارجاع میدهد.
پیش از محول کردن هر کاری، Polly یک بررسی اولیه (preflight check) انجام میدهد تا ببیند کدام CLIهای عاملهای فرعی واقعاً روی سیستم موجود هستند. اگر تنها یک CLI فروشنده نصب شده باشد، کسی برای تحویل گرفتن diff وجود نخواهد داشت؛ بنابراین پیش از قضاوت درباره خروجی، حداقل دو مورد را نصب کنید. Debby، دیگر نمونه عرضه شده، یک عامل مناظره با دو سر است که یکی از آنها Claude و دیگری GPT است:
omni debbyاین روشی کوتاه برای اطمینان از پیکربندی دو ارائهدهنده است، زیرا برای گفتن هر چیزی به هر دو نیاز دارد.
زیر-عاملها (Sub-agents) بهعنوان ابزار تعریف میشوند
فایل عامل با فرمت YAML است. executor نام harness، مدل و احراز هویت را مشخص میکند. tools شامل سرورهای MCP (پروتکل زمینه مدل)، توابع Python و زیر-عاملها است. یک زیر-عامل، ابزاری است که دارای type: agent و یک اجراکننده (executor) اختصاصی است؛ این همان مکانیزمی است که تمام موارد فوق را پشتیبانی میکند.
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.yamlشناسههای مدل از نمونه docs/AGENT_YAML_SPEC.md خود پروژه گرفته شدهاند و نامهایی هستند که توسط Databricks میزبانی میشوند. مقادیر harness و model را با هر آنچه در سیستم خود در omni setup پیکربندی کردهاید، جایگزین کنید. سایر مقادیر harness در مشخصات شامل antigravity، copilot، kimi و qwen هستند. مشخصات فعلی در main همچنین acp:<slug> را برای هر سرور Agent Client Protocol مستند کرده است، اما مشخصات نسخه 0.7.0 آن را فهرست نمیکند؛ بنابراین پیش از تکیه بر آن، عملکردش را در نسخه پینشده خود تأیید کنید. این مشخصات همچنین از pass_history: true در یک زیر-عامل پشتیبانی میکند که مکالمه والد را به آن منتقل میکند. این کار در هر تفویض وظیفه، هزینه توکن دارد؛ بنابراین برای زیر-عاملهایی که فقط به وظیفه پیشرو نیاز دارند، آن را غیرفعال بگذارید. برنامهنویسی که prompt به او دستور میدهد کوچکترین تغییر کارآمد را ایجاد کند، diffای به بازبین خود تحویل میدهد که به اندازه کافی کوتاه است تا واقعاً خوانده شود؛ این موضوع در اینجا اهمیت بیشتری نسبت به مدلی دارد که برای هر یک از نقشها انتخاب میکنید.
چرا ارکستراسیونهای طولانیمدت باید روی یک VPS اجرا شوند
اجرای چند عاملی (multi-agent) یک دستور دو دقیقهای نیست. برنامهریزی، تفویض، انتظار برای کارهای موازی در git worktree، بازبینی و اصلاح، زمانبر است. بستن درب لپتاپ همه اینها را متوقف میکند. یک VPS (سرور مجازی خصوصی) همیشه روشن میماند و اتصال شبکه خود را حفظ میکند، بنابراین نشست (session) در زمانی که شما نظارتی ندارید، فعال باقی میماند.
omnigent server --background
omnigent server statusاین سرور یک رابط کاربری وب روی پورت 6767 میزبانی میکند. omnigent server status گزارش میدهد که آیا سرویسی در حال اجرا است یا خیر، و omnigent stop آن را متوقف میکند. در نسخه v0.7.0، دستور omni server start به نفع omni server --background حذف شد؛ در نسخه v0.9.0، این دستور به عنوان یک نام مستعار منسوخ (deprecated alias) بازگردانده شد.
پورت 6767 را روی یک آدرس عمومی منتشر نکنید. دو روش برای این کار امن است. پورت را در فایروال بسته نگه دارید و آن را از طریق SSH با ssh -N -L 6767:localhost:6767 you@your-server فوروارد کنید، سپس رابط کاربری وب را در http://localhost:6767 روی دستگاه خود باز کنید. یا اینکه TLS (امنیت لایه انتقال) را در مقابل آن قرار داده و احراز هویت را فعال کنید:
OMNIGENT_AUTH_ENABLED=1 omnigent server --backgroundبخش فایروال این کار یک عملیات معمول است که در اصول اولیه فایروال ufw برای یک VPS پوشش داده شده است، و اگر سرور شما در حال حاضر کانتینرهایی را پشت Traefik در مقابل چندین برنامه Docker Compose اجرا میکند، Omnigent نیز یک سرویس دیگر در همان الگو خواهد بود.
برای استقرار کانتینری، دایرکتوری deploy/docker/ در مخزن شامل یک تنظیمات Compose است: ./bootstrap.sh اسرار (secrets) را در .env ایجاد میکند، سپس docker compose up -d سرویس Omnigent و Postgres را راهاندازی میکند، که در آن سرور به جای 6767 روی پورت 8000 قرار دارد. OMNIGENT_PORT آن پورت میزبان را تغییر میدهد. Compose مقدار DATABASE_URL را برای شما محاسبه میکند (در سایر اهداف استقرار، همین متغیر Postgres یا SQLite را انتخاب میکند)، و OMNIGENT_AUTH_ENABLED بهطور پیشفرض روی 1 در داخل کانتینرها تنظیم شده است، که تنظیم پیشفرض مناسبی برای هر چیزی است که از بیرون قابل دسترسی باشد.
در مورد تعیین اندازه، یادداشتهای استقرار، میزان مصرف حافظه در حالت بیکار (idle) سرور را حدود 275 MB RSS اعلام کردهاند و پیکربندی Fly.io یک ماشین 1 GB را در نظر میگیرد. اندازهگیری حالت بیکار فقط برای ناظر (supervisor) است؛ 1 GB حافظه تخصیصیافته به ماشین است. زیر-عاملها (sub-agents) میتوانند دایرکتوری کاری و محیط والد را به اشتراک بگذارند، که شامل sandbox آنها از طریق os_env: inherit میشود. استفاده از git worktreeهای جداگانه یک انتخاب در ارکستراسیون است، بنابراین اندازه سرور را متناسب با ابزارها و عاملهایی که بهطور همزمان اجرا میکنید، انتخاب کنید. هنگامی که سرور بالا آمد، omnigent login https://your-host و به دنبال آن omnigent host https://your-host لپتاپ شما را در آن ثبت میکند، و omnigent attach <session_id> یک نشست در حال اجرا را از دستگاه دیگری بازیابی میکند.
پیش از ترک سیستم، هر sub-agent را در Sandbox قرار دهید
Omnigent یک sandbox در سطح سیستمعامل به نام Omnibox ارائه میدهد. این ابزار در لینوکس از namespaceهای bubblewrap به همراه seccomp استفاده میکند، بنابراین هسته سیستمعامل (kernel) مرزها را اعمال میکند، نه prompt خودِ agent. یک agent که دچار prompt injection شده باشد، نمیتواند با متقاعدسازی از قوانین هسته عبور کند. ابتدا وابستگیهای لازم را نصب کنید:
sudo apt install bubblewrapپیکربندی در فایل agent و در بخش os_env قرار دارد:
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: []دایرکتوری کاری تا زمانی که در write_paths لیست نشود، فقطخواندنی (read-only) باقی میماند؛ بنابراین اگر یک agent دچار خطا شود، نمیتواند خارج از فضای کاری خود چیزی بنویسد. فایلهای dotfile سطح بالا در دایرکتوری کاری و هر ریشه read_paths مخفی میمانند مگر اینکه در cwd_allow_hidden نام برده شوند؛ این یعنی اعطای دسترسی خواندنِ گسترده، بهطور خودکار دایرکتوریهای سطح بالای .ssh یا .aws را در معرض دید قرار نمیدهد. dotfileهای تودرتو بهصورت پیشفرض قابل مشاهده هستند؛ برای مخفیسازی آنها در کل درخت، cwd_hidden_scan_recursive: true را تنظیم کنید. با تنظیم egress_rules، تمام ترافیک HTTP و HTTPS از یک proxy با سیاست پیشفرضِ deny عبور میکند و هر قانون بهصورت "METHODS host/path-glob" نوشته میشود. credential_proxy یک گام فراتر میرود: agent فقط یک placeholder در اختیار دارد و proxy هنگام خروج درخواست، secret واقعی را جایگزین میکند؛ بنابراین در صورت نشت transcript، هیچ داده قابل استفادهای لو نمیرود. در یک setup چند-harness، هر sub-agent بلوک sandbox اختصاصی خود را در فایل پیکربندیاش تحت agents/ دارد؛ بنابراین میتوان دسترسی شبکه را برای یک reviewer مسدود کرد، در حالی که implementer همچنان به آن دسترسی داشته باشد.
محدودیتها در مستندات ذکر شدهاند و اهمیت دارند. sandbox سیستمعامل برای فراخوانیهای ابزار sys_os_* و ترمینالها اعمال میشود. این sandbox شامل سرورهای MCP نمیشود و فرایند supervisor خودِ Omnigent را نیز پوشش نمیدهد. سرور MCP که راهاندازی میکنید، خارج از sandbox و با مجوزهای کاربری شما اجرا میشود. به همین دلیل است که الگوی قویتر، استفاده از یک ماشین یکبارمصرف (throwaway) برای هر agent است که موضوع اجرای coding agentها در یک VM یکبارمصرف است. نیمه دیگر این کار، مدیریت اعتبارنامهها (credentials) است و دور نگه داشتن secretها از دسترس agent زمانی که شش sub-agent از یک میزبان مشترک استفاده میکنند، دشوارتر میشود.
آستانههای هزینه (spend thresholds) سیاستهایی هستند که در همان فایل تعریف میشوند:
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]سیاست cost_budget در آستانههای soft پرسش میکند و بهصورت پیشفرض تمام مدلها را در max_cost_usd مسدود میکند. تنظیم یک لیست غیرخالی در expensive_models، این محدودیت را به یک دروازه کاهش سطح (downgrade gate) تبدیل میکند: مدلهای خارج از آن لیست میتوانند به هزینه کردن ادامه دهند. فرایندی که برنامهریزی را با یک vendor، پیادهسازی را با دومی و بازبینی را با سومی انجام میدهد، همزمان در سه جا هزینه ایجاد میکند؛ بنابراین آستانهها را پیش از اولین اجرای بدون نظارت تنظیم کنید، نه پس از دریافت اولین صورتحساب. قابلیتهای داخلی شامل max_tool_calls_per_session و ask_on_os_tools نیز هستند که پیش از عملیات فایل و shell، درخواست تأیید میکنند. یادداشتهای ما در مورد کنترل هزینههای AI agent روی VPS مستقیماً در اینجا کاربرد دارند و حتی با شدت بیشتری صادقاند، زیرا sub-agentهای موازی نرخ مصرف منابع را چندبرابر میکنند.
سرعت توسعه این مخزن چقدر است؟
دادههای پشت این نمودار
[
{
"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
}
]این تاریخها، زمانهای انتشار رسمی از صفحه releases خود پروژه هستند که در تاریخ 3 اوت 2026 خوانده شدهاند. 7 نسخه تگشده بین 2026-06-19 و 2026-07-27 منتشر شدهاند و طولانیترین فاصله بین هر دو انتشار 11 روز بوده است. نسخه v0.5.1 در همان روزی منتشر شد که نسخه پیش از آن عرضه شده بود. دو نسخه اول PyPI، یعنی 0.1.0 در 13 ژوئن 2026 و 0.1.1 در 16 ژوئن 2026، هیچ ورودی در صفحه GitHub releases ندارند و در نمودار لحاظ نشدهاند؛ سه روز نمایشدادهشده برای v0.2.0 از نسخه 0.1.1 محاسبه شده است.
دو مورد از این انتشارها، دستوراتی را تغییر دادند که راهنماها قبلاً مستند کرده بودند. نسخه v0.7.0 دستور omni server start را حذف و omni server --background را جایگزین آن کرد. نسخه v0.6.0 نام extra مربوط به omnigent[memory] را به omnigent[hindsight] تغییر داد، اما memory را به عنوان یک alias سازگاری حفظ کرد که تا نسخه 0.10.0 کار میکرد. از نسخه 0.11.0 که در 25 اوت 2026 منتشر شد، این alias حذف شده است، بنابراین خط نصبی که از یک مطلب نوشتهشده در ژوئن کپی شده باشد، دیگر کلاینت Hindsight را دریافت نمیکند. این موضوع دلیلی بر استفاده از --version در دستور نصب و استفاده از تگ در git clone است و صرفاً یک ترجیح ظاهری نیست.
سرعت توسعه از آن زمان تاکنون کاهش نیافته است. تا تاریخ 29 اکتبر 2026، PyPI نسخه 0.20.0 را لیست کرده است که در 28 اکتبر منتشر شد؛ این یعنی سیزده نسخه فرعی پس از 0.7.0، و یادداشتهای انتشار پروژه در چندین مورد از آنها به تغییرات ساختارشکن (breaking changes) اشاره کردهاند. دو مورد برای هر چیزی که از این صفحه کپی شده باشد اهمیت دارد: نسخه v0.12.0 باعث شد که اجرای دستور omni به تنهایی، به جای Polly agent، میزبان پسزمینه را اجرا کند (اکنون omni run عامل پیشفرض را راهاندازی میکند) و نسخه v0.13.0 برای ترمینالهای مدیریتشده به tmux 3.3 یا جدیدتر نیاز دارد.
مواردی که هنوز به آن اعتماد نمیکنم
تا تاریخ 27 اکتبر 2026، این مخزن حدود 11 هزار ستاره، 1.8 هزار فورک و تقریباً 910 ایشو باز دارد، در حالی که از اولین انتشار عمومی آن کمی بیش از چهار ماه میگذرد. ستارهها نشاندهنده میزان علاقه هستند و علاقه به معنای بلوغ نرمافزار نیست. خود پروژه وضعیت آلفا را اعلام کرده و تاریخچه انتشار ذکر شده در بالا نیز نشان میدهد که منظور از آلفا، همان وضعیت ناپایدار است.
- من آن را روی میزبانی که حاوی اعتبارنامههای عملیاتی (production credentials) است اجرا نمیکنم، زیرا محیط sandbox هنوز سرورهای MCP یا supervisor را پوشش نمیدهد.
- من یک اجرای بدون نظارت را بدون تعیین یک سیاست
cost_budgetرها نمیکنم، زیرا سه فروشنده میتوانند بهطور همزمان هزینه دریافت کنند؛ با یک لیستexpensive_modelsغیرخالی، هزینهها ممکن است روی مدلهای ارزانتر ادامه یابد. - من سرور را بدون تنظیم
OMNIGENT_AUTH_ENABLEDو قرار دادن TLS در مقابل آن، روی یک آدرس IP عمومی قرار نمیدهم. - من هنوز فایل YAML عامل را در نسخههای فرعی (minor versions) پایدار نمیدانم، بنابراین نسخه را ثابت (pin) کنید و پیش از ارتقا، یادداشتهای انتشار را مطالعه کنید.
یک نکته دیگر که باید پیش از غافلگیر شدن بدانید: نسخه v0.6.0 قابلیت تلهمتری استفاده ناشناس را اضافه کرده است. فایل README میگوید این قابلیت بهصورت پیشفرض فعال است و پروژه در یک صفحه اختصاصی تلهمتری، نحوه غیرفعال کردن آن را مستند کرده است. اگر دستگاه شما کارهای مشتریان را پردازش میکند، آن صفحه را بخوانید و آگاهانه تصمیم بگیرید.
آنچه Omnigent امروز واقعاً در آن خوب عمل میکند، همان هدفی است که برای آن ساخته شده است. شما سه یا چهار CLI عامل دارید، از قبل برای آنها هزینه پرداخت میکنید و میخواهید یکی از آنها بنویسد و دیگری بازبینی کند. این کار اکنون روی یک ماشین و با sandbox واقعی در لینوکس عملی است. هر چیزی فراتر از این را به عنوان یک قابلیت امیدوارکننده اما ناتمام در نظر بگیرید.
FAQ
آیا Omnigent یک عامل است یا ابزاری برای اجرای عاملها؟
این ابزار عاملها را اجرا میکند. Omnigent یک meta-harness است: CLIهای فروشندگانی که قبلاً نصب کردهاید (مانند Claude Code، Codex یا OpenCode) را راهاندازی میکند، به هر کدام وظیفهای محول کرده و نتایج را در یک نشست واحد نظارت میکند. این ابزار مدل اختصاصی خود را ندارد. به همین دلیل با یک فریمورک متفاوت است؛ در فریمورک شما با استفاده از یک کتابخانه کد پایتون مینویسید و برنامه خودتان به عامل تبدیل میشود.
آیا پیش از استفاده از Omnigent باید Claude Code و Codex را نصب کرده باشم؟
شما باید حداقل یک CLI فروشنده نصبشده و لاگینشده داشته باشید، زیرا Omnigent این برنامهها را هدایت میکند و جایگزین آنها نمیشود. برای مثال Polly که همراه محصول ارائه شده، به دو یا چند CLI از فروشندگان مختلف نیاز دارید. قانون Polly این است که بازبینی همیشه توسط فروشندهای متفاوت از پیادهساز انجام شود، بنابراین با وجود تنها یک CLI، فروشنده دومی برای ارسال diff وجود نخواهد داشت.
چگونه میتوانم به جای آخرین نسخه، نسخه خاصی از Omnigent را نصب کنم؟
--version را از طریق اسکریپت نصب با sh -s -- ارسال کنید، مانند sh -s -- --version 0.7.0. بدون -s --، sh مقدار --version را به عنوان گزینه خود در نظر میگیرد و نصبکننده هرگز اجرا نمیشود: برای مثال Bash نسخه خود را چاپ کرده و خارج میشود. اگر uv از قبل موجود باشد، uv tool install --force --python 3.12 "omnigent==0.7.0" همین کار را انجام میدهد. تگ git برابر با v0.7.0 و رشته نسخه PyPI برابر با 0.7.0 است.
آیا sandbox ابزار Omnibox برای اجرای بدون نظارت عاملها کافی است؟
این ابزار برای آنچه پوشش میدهد قدرتمند است و در مورد آنچه پوشش نمیدهد شفاف عمل میکند. در لینوکس از bubblewrap به همراه seccomp استفاده میکند، بنابراین هسته سیستمعامل محدودیتهای فایل و شبکه را اعمال میکند و عامل نمیتواند از آنها سرپیچی کند. مستندات بیان میکنند که این محدودیتها برای فراخوانیهای ابزار sys_os_* و ترمینالها اعمال میشود و سرورهای MCP یا فرایند ناظر Omnigent را پوشش نمیدهد. بنابراین یک سرور MCP با مجوزهای عادی شما اجرا میشود؛ به همین دلیل است که استفاده از یک ماشین مجازی یکبارمصرف برای هر عامل، همچنان قویترین ایزولاسیون برای کارهای بدون نظارت محسوب میشود.
سرور Omnigent روی یک VPS به چه مقدار حافظه نیاز دارد؟
یادداشتهای استقرار پروژه حدود 275 مگابایت RSS در حالت idle را گزارش میدهند و پیکربندی Fly.io آن یک ماشین 1 گیگابایتی اختصاص میدهد. اندازهگیری حالت idle فقط مربوط به خود سرور است، نه زیر-عاملهای آن. زیر-عاملها میتوانند دایرکتوری کاری و محیط والد، از جمله sandbox آن را از طریق os_env: inherit به اشتراک بگذارند؛ کپیهای کاری مجزا تضمین نمیشوند. اجراهای به سبک Polly از git worktreeهای موازی استفاده میکنند، بنابراین RAM و دیسک را بر اساس تعداد عاملهایی که قصد دارید همزمان اجرا کنید تنظیم کنید، نه فقط برای سرور.