SSD Nodes Learn Hosting plans →
गाइड Matt Connorलेखक: Matt Connor

Omnigent क्या है और agent CLIs को साथ कैसे चलाएँ

Omnigent आपके installed agent CLIs को एक meta-harness से चलाता है। जानें meta-harness क्या है, release 0.7.0 pin करने और VPS पर हर agent को sandbox करने का तरीका।

Omnigent क्या है

Omnigent एक ओपन सोर्स मेटा-हार्नेस है: यह एक ऐसा ऑर्केस्ट्रेशन लेयर है जो आपके द्वारा पहले से इंस्टॉल किए गए एजेंट कमांड लाइन टूल्स (CLIs) को संचालित करता है। यह Claude Code, Codex, Cursor, OpenCode, Hermes या Pi की जगह नहीं लेता है। यह उन्हें शुरू करता है, प्रत्येक को एक कार्य सौंपता है, और एक ही पॉलिसी सेट के साथ एक ही सत्र (session) के भीतर परिणाम की निगरानी करता है। Databricks ने जून 2026 में Apache 2.0 लाइसेंस के तहत रिपॉजिटरी प्रकाशित की थी, और PyPI अभी भी इस पैकेज को अल्फा के रूप में वर्गीकृत करता है।

इसका व्यावहारिक दावा सीमित है, और इसे स्पष्ट रूप से बताना उचित है। आप YAML में एक बार एजेंट का वर्णन करते हैं, और आप उस हार्नेस का नाम बताते हैं जो इसे चलाता है। उस एक लाइन को बदलें और वही एजेंट किसी अन्य वेंडर के CLI पर चलने लगेगा। आपके सेटअप में कुछ और नहीं बदलता है, क्योंकि Omnigent एजेंटों के भीतर के लूप के बजाय उनके ऊपर के लूप को नियंत्रित करता है।

मेटा-हार्नेस क्या है, और यह framework से किस प्रकार अलग है?

Harness वह program है जो model को एक loop में चलाता है। यह आपके prompt को पढ़ता है, tools को call करता है, files को edit करता है और परिणाम बताता है। Claude Code एक harness है। Codex एक harness है। आप इसे install करते हैं, login करते हैं और यह अपने आप काम करता है।

Framework वह library है जिसके आधार पर आप code लिखते हैं। आप इसे import करते हैं, Python में steps define करते हैं और आपका program ही agent बन जाता है। इसमें vendor बदलने के लिए आपका code edit करना पड़ता है, क्योंकि vendor का client आपके program के माध्यम से जुड़ा होता है।

Meta-harness इन दोनों से एक स्तर ऊपर होता है। यह एक supervisor है, जो harnesses को child processes के रूप में चलाता है। Omnigent vendor CLI शुरू करता है, उसे काम देता है और उससे प्राप्त output पढ़ता है। आप पहले से install किया हुआ CLI और उसके लिए भुगतान करने वाली मौजूदा subscription या API (application programming interface) key ही इस्तेमाल करते रहते हैं। यही पूरा अंतर है। इससे यह भी स्पष्ट होता है कि यह tool किन लोगों के लिए है: ऐसे users के लिए जिनके पास पहले से कई agent CLIs काम कर रहे हैं और जो उन्हें एक-एक terminal से चलाते-चलाते थक चुके हैं।

एक orchestration layer कौन-सी समस्या हल करती है?

  • Vendor बदलने पर केवल एक line बदलनी पड़ती है। Agent definition में harness और model data के रूप में रहते हैं। इसलिए किसी role को एक vendor से दूसरे vendor में ले जाने के लिए rewrite नहीं, बल्कि YAML file में edit करना पड़ता है।
  • Review अलग-अलग vendors के बीच हो सकता है। एक model द्वारा लिखा गया diff किसी दूसरी company के model से पढ़वाया जाता है। एक ही family के दो models में अक्सर blind spots समान होते हैं। इसलिए उसी vendor से second opinion का मूल्य कम होता है।
  • Policy के लिए एक केंद्रीय स्थान होता है। Budget thresholds और approval prompts agent file में declare किए जाते हैं। ये उसके नीचे मौजूद हर sub-agent पर लागू होते हैं।
  • Session किसी एक tool से अधिक समय तक बनी रहती है। एक transcript में कई CLIs से किया गया काम दर्ज होता है। इसलिए चार अलग-अलग scrollbacks को जोड़ने के बजाय आप सीधे देख सकते हैं कि क्या हुआ।

इसकी कीमत स्वयं यह layer है। Omnigent में मौजूद हर bug अब आपके और उस agent के बीच मौजूद bug बन जाता है, जो पहले अपने-आप काम करता था। Alpha चरण में यह वास्तविक लागत है, केवल सैद्धांतिक नहीं।

एक multi-agent harness, single-agent tools के साथ कहाँ उपयोगी होता है

यदि आपने अभी तक किसी server पर एक agent नहीं चलाया है, तो पहले वही करें। VPS पर coding agent चलाने की हमारी guide single-agent मामले को शुरू से अंत तक cover करती है, और Omnigent मानता है कि आपके पास यह setup पहले से है। self-hosted AI agents का व्यापक क्षेत्र स्वयं agents चुनने से संबंधित है। यदि यहाँ की शब्दावली नई है, तो agents वास्तव में कैसे काम करते हैं, यह सीखना बेहतर पहला कदम है।

Omnigent connector layer से अलग axis पर काम करता है। agents को अपने data sources तक access देना जैसे काम इस बात से संबंधित हैं कि agent किन resources तक पहुँच सकता है। Omnigent इस बात से संबंधित है कि कौन-सा agent चलता है, किस क्रम में चलता है और किन limits के अंतर्गत चलता है। आप दोनों एक साथ चाह सकते हैं, और ये एक-दूसरे से overlap नहीं करते।

इंस्टॉल करने से पहले आवश्यकताएँ

  • Python 3.12 या नया संस्करण। प्रकाशित package में requires-python >= 3.12 घोषित है।
  • tmux, क्योंकि terminal harnesses इसके अंदर चलते हैं।
  • कम से कम एक vendor CLI पहले से installed और logged in होना चाहिए।
  • Node.js 22 या नया संस्करण, जिसमें npm हो, क्योंकि Claude, Codex और Pi harnesses को इनकी आवश्यकता होती है। Installer Node 22.10 या बाद के संस्करण की जाँच करता है और उसके न मिलने पर चेतावनी देता है। Omnigent को स्वयं Node की आवश्यकता नहीं है: PyPI पर उपलब्ध wheel में built web assets शामिल होते हैं। केवल git checkout से build करने पर Node अनिवार्य आवश्यकता बनता है।

Main के बजाय एक pinned release इंस्टॉल करें

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh -s -- --version 0.7.0

sh -s -- भाग केवल सजावट नहीं है। इसके बिना, sh इसे --version को अपना विकल्प मान लेता है और इंस्टॉलर कभी रन नहीं होता। जब sh Bash होता है, तो यह Bash का अपना वर्शन प्रिंट करता है और सफलतापूर्वक एग्जिट हो जाता है, इसलिए कुछ भी इंस्टॉल नहीं होता और कोई चेतावनी भी नहीं मिलती। -s -- के साथ, sh पाइप से स्क्रिप्ट को पढ़ता है और --version 0.7.0 को इंस्टॉलर तक पास कर देता है। जिस रिपॉजिटरी में हर कुछ हफ्तों में breaking changes आते हों, वहां यह एक reproducible बॉक्स और अचानक आने वाली समस्याओं के बीच का अंतर है।

29 अक्टूबर 2026 तक Release 0.7.0 को PyPI पर पब्लिश किया गया था, लेकिन अब सबसे नया रिलीज 13 नवंबर 2026 का 0.22.0 है। पिछला 0.19.1 रिलीज सुरक्षा पर केंद्रित पैच है जिसमें कोई नया फीचर नहीं है: यह eMudhra इंटरमीडिएट सर्टिफिकेट अथॉरिटी के ब्रीच होने के बाद डिपेंडेंसीज को अपडेट करता है, और प्रोजेक्ट इसे अपग्रेड करने की सलाह देता है। महत्वपूर्ण पिन है, नंबर नहीं: जिस वर्शन को आपने टेस्ट किया है उसे पिन करें, और उसे बदलने से पहले रिलीज नोट्स में breaking changes को पढ़ें। हालांकि, पिन होने का मतलब यह नहीं है कि आप सुरक्षा रिलीज को छोड़ दें, इसलिए जब कोई सुरक्षा रिलीज आए तो उसे अपडेट करें।

इंस्टॉलर Astral के Python पैकेज मैनेजर, uv का उपयोग करता है, और यदि uv मौजूद न हो तो उसे पहले इंस्टॉल करने का विकल्प देता है। यदि uv पहले से मौजूद है, तो स्क्रिप्ट को छोड़ दें:

uv tool install --force --python 3.12 "omnigent==0.7.0"

Extras भी इसी पैटर्न का पालन करते हैं, और फ्लैग दोहराया जाता है: स्क्रिप्ट पर --extra e2b --extra kubernetes, या uv के साथ "omnigent[e2b,kubernetes]"। स्क्रिप्ट databricks एक्स्ट्रा को भी जोड़ती है जब तक कि आप --no-databricks पास न करें, जबकि ऊपर दी गई uv लाइन पैकेज को उसके बिना इंस्टॉल करती है। ध्यान दें कि git टैग v0.7.0 है जबकि PyPI पर पैकेज वर्शन 0.7.0 है।

uv बाइनरी को उस डायरेक्टरी में रखता है जिसे uv tool dir --bin रिपोर्ट करता है, आमतौर पर ~/.local/bin, और इंस्टॉलर उसे आपके शेल प्रोफाइल में जोड़ने का विकल्प देता है। यदि क्लीन इंस्टॉल के तुरंत बाद कमांड नहीं मिलती है, तो इसका कारण यही है। जाँचें कि आपके पास क्या इंस्टॉल हुआ है:

omni upgrade --check

यह इंस्टॉल किए गए वर्शन की तुलना नवीनतम पब्लिश वर्शन से करता है और आपको बताता है कि क्या कोई अपग्रेड उपलब्ध है, बिना उसे परफॉर्म किए। omni और omnigent दो अलग नामों से एक ही प्रोग्राम हैं।

इसे model provider की ओर निर्देशित करें

omni setup

Wizard आपके environment में पहले से मौजूद credentials खोजता है और जो credentials मौजूद नहीं हैं, उनके लिए prompt करता है। यह API keys, vendor subscriptions, OpenRouter या Ollama जैसे gateways और Databricks workspaces को संभालता है। यदि आप उसी machine पर पहले से Ollama के साथ local model server चला रहे हैं, तो gateway को उस server की ओर निर्देशित करें। इससे network traffic machine से बाहर नहीं जाता।

एक न्यूनतम multi-agent run

उदाहरण agents repository में मौजूद हैं, इसलिए main के बजाय वही tag clone करें जिसे आपने install किया है।

git clone --depth 1 --branch v0.7.0 https://github.com/omnigent-ai/omnigent.git
cd omnigent
omnigent run examples/polly/

Polly वह multi-agent coding orchestrator है जो repository के साथ release होता है। इसकी config में claude_code, codex, opencode, cursor, hermes और pi नाम के sub-agents घोषित हैं। इसमें एक नियम है जो इस पूरी प्रक्रिया को उपयोगी बनाता है: review हमेशा implementer से अलग vendor द्वारा किया जाता है। Polly स्वयं code नहीं लिखता। यह योजना बनाता है, goal को work items में विभाजित करता है, प्रत्येक item को delegate करता है और हर diff को किसी अन्य vendor के reviewer तक भेजता है।

किसी भी काम को delegate करने से पहले Polly preflight check चलाकर देखता है कि machine पर वास्तव में कौन-से sub-agent CLIs मौजूद हैं। केवल एक vendor CLI install होने पर diff भेजने के लिए कोई दूसरा reviewer नहीं होगा। इसलिए output का मूल्यांकन करने से पहले कम से कम दो CLIs install करें। Debby दूसरा shipped example है। यह दो heads वाला debate agent है, जिसमें एक Claude और एक GPT है:

omni debby

दो providers configured हैं या नहीं, यह पुष्टि करने का यह संक्षिप्त तरीका है, क्योंकि इसके लिए दोनों का response देना आवश्यक है।

Sub-agents को tools के रूप में घोषित किया जाता है

Agent file YAML में होती है। executor harness, model और authentication के नाम निर्धारित करता है। tools में MCP (model context protocol) servers, Python functions और sub-agents होते हैं। Sub-agent एक ऐसा tool है जिसमें type: agent और अपना executor होता है। यही ऊपर बताई गई सभी सुविधाओं का आधार है।

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-4-6
omnigent run path/to/my_agent.yaml

इन model ids को project के अपने docs/AGENT_YAML_SPEC.md example से लिया गया है। ये Databricks-hosted names हैं। harness और model को अपने box पर configured omni setup के अनुसार बदलें। Spec में मौजूद अन्य harness values में antigravity, copilot, kimi और qwen शामिल हैं। main पर मौजूद वर्तमान spec किसी भी Agent Client Protocol server के लिए acp:<slug> को भी document करता है। हालांकि v0.7.0 spec में इसका उल्लेख नहीं है। इसलिए इस पर निर्भर करने से पहले अपनी pinned version पर इसकी कार्यक्षमता की पुष्टि करें। Spec sub-agent पर pass_history: true को भी support करता है। इससे उसे parent conversation मिलती है। हर delegation पर इसके लिए tokens खर्च होते हैं। इसलिए उन sub-agents के लिए इसे बंद रखें जिन्हें केवल सामने दिया गया task चाहिए। जिस coder का prompt उसे काम करने वाला सबसे छोटा बदलाव करने को कहता है, वह reviewer को इतना छोटा diff देता है जिसे वास्तव में पढ़ा जा सके। इस भूमिका के लिए चुने गए model से अधिक महत्वपूर्ण यही बात है।

लंबे समय तक चलने वाला orchestration VPS पर क्यों होना चाहिए

Multi-agent run दो मिनट चलने वाली command नहीं है। इसमें योजना बनाना, कार्य सौंपना, समानांतर git worktrees पर काम पूरा होने की प्रतीक्षा करना, समीक्षा करना और संशोधन करना शामिल है। Laptop का ढक्कन बंद करते ही यह सब रुक जाता है। VPS (virtual private server) चालू रहता है और अपना network connection बनाए रखता है, इसलिए जब आप निगरानी नहीं कर रहे हों तब भी session चलता रहता है।

omnigent server --background
omnigent server status

Server port 6767 पर web user interface host करता है। omnigent server status बताता है कि कोई session चल रहा है या नहीं, और omnigent stop उसे बंद करता है। v0.7.0 में omni server start हटाकर omni server --background को प्राथमिक विकल्प बनाया गया; v0.9.0 में omni server start को deprecated alias के रूप में फिर से जोड़ा गया।

6767 को public address पर publish न करें। सुरक्षित configuration के दो तरीके हैं। Firewall पर port बंद रखें और ssh -N -L 6767:localhost:6767 you@your-server के साथ उसे SSH के माध्यम से forward करें। इसके बाद अपने machine पर http://localhost:6767 खोलकर web interface access करें। दूसरा तरीका है कि इसके सामने TLS (transport layer security) terminate करें और authentication चालू करें:

OMNIGENT_AUTH_ENABLED=1 omnigent server --background

इस configuration का firewall वाला भाग सामान्य कार्य है। इसकी जानकारी VPS के लिए ufw firewall की मूल बातें में दी गई है। यदि box पहले से कई Docker Compose apps के सामने Traefik के पीछे containers चला रहा है, तो Omnigent उसी pattern में एक और service है।

Container deploy के लिए repository की deploy/docker/ directory में Compose setup मौजूद है। ./bootstrap.sh secrets को .env में बनाता है। इसके बाद docker compose up -d Omnigent और Postgres शुरू करता है। इस setup में server port 6767 के बजाय port 8000 पर चलता है। OMNIGENT_PORT उस host port को बदलता है। Compose आपके लिए DATABASE_URL की गणना करता है। अन्य deploy targets पर यही variable Postgres या SQLite चुनता है। Containers के अंदर OMNIGENT_AUTH_ENABLED का default 1 है। बाहर से reachable किसी भी service के लिए यह सही default है।

Sizing के लिए deploy notes server की idle memory usage लगभग 275 MB RSS बताते हैं। Fly.io config 1 GB machine निर्धारित करता है। Idle measurement केवल supervisor के लिए है। 1 GB allocated machine memory है। Sub-agents parent की working directory और environment share कर सकते हैं। वे os_env: inherit के माध्यम से parent का sandbox भी share कर सकते हैं। अलग git worktrees orchestration का निर्णय हैं। इसलिए box का आकार उन harnesses और agents के अनुसार तय करें जिन्हें आप एक साथ चलाएँगे। Server चालू होने के बाद omnigent login https://your-host और फिर omnigent host https://your-host चलाने से आपका laptop उसके साथ register हो जाता है। omnigent attach <session_id> किसी दूसरे device से चल रहे session को फिर से शुरू करता है।

आगे बढ़ने से पहले प्रत्येक sub-agent को sandbox करें

Omnigent, Omnibox नामक एक operating system level sandbox प्रदान करता है। Linux पर यह bubblewrap namespaces और seccomp का उपयोग करता है, इसलिए kernel agent के prompt के बजाय boundary को लागू करता है। एक prompt-injected agent kernel के नियमों को नहीं तोड़ सकता। सबसे पहले dependency install करें:

sudo apt install bubblewrap

Configuration agent file में os_env के अंतर्गत रहती है:

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: []

Working directory तब तक read-only रहती है जब तक आप उसे write_paths में सूचीबद्ध न करें, इसलिए यदि कोई agent गलत व्यवहार करता है, तो वह workspace के बाहर कुछ भी लिख नहीं सकता। Working directory के अंतर्गत top-level dotfiles और प्रत्येक read_paths root तब तक छिपे रहते हैं जब तक उन्हें cwd_allow_hidden में नामित न किया जाए। इसका अर्थ है कि व्यापक read grant देने पर भी top-level .ssh या .aws directories चुपचाप expose नहीं होतीं। Nested dotfiles डिफ़ॉल्ट रूप से दिखाई देते हैं; उन्हें पूरे tree में mask करने के लिए cwd_hidden_scan_recursive: true सेट करें। egress_rules सेट करें और सारा HTTP तथा HTTPS traffic एक default deny proxy के माध्यम से जाएगा, जहाँ प्रत्येक rule को "METHODS host/path-glob" के रूप में लिखा जाता है। credential_proxy एक कदम और आगे जाता है: agent के पास केवल एक placeholder होता है, और जैसे ही request बाहर जाती है, proxy असली secret को swap कर देता है, जिससे transcript leak होने पर भी कोई उपयोगी जानकारी हाथ नहीं लगती। Multi-harness setup में प्रत्येक sub-agent की अपनी sandbox block उसकी अपनी config file में agents/ के अंतर्गत होती है, जिससे reviewer को network access से वंचित किया जा सकता है जबकि implementer के पास वह access बना रहता है।

सीमा documentation में बताई गई है, और यह महत्वपूर्ण है। OS sandbox sys_os_* tool calls और terminals पर लागू होता है। यह MCP servers को कवर नहीं करता है, और यह स्वयं Omnigent supervisor process को भी कवर नहीं करता है। आपके द्वारा शुरू किया गया MCP server आपके permissions के साथ box के बाहर चलता है। यही कारण है कि अधिक सुरक्षित तरीका अभी भी प्रति agent एक throwaway machine का उपयोग करना है, जो running coding agents in a disposable VM का विषय है। काम का दूसरा हिस्सा credentials है, और keeping secrets out of an agent's reach तब और कठिन हो जाता है जब छह sub-agents एक ही host साझा करते हैं।

Spend thresholds नीतियां हैं, जिन्हें उसी file में घोषित किया जाता है:

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 नीति soft thresholds पर पूछती है और डिफ़ॉल्ट रूप से max_cost_usd पर सभी models को block कर देती है। एक non-empty expensive_models list सेट करने से यह सीमा एक downgrade gate में बदल जाती है: उस list के बाहर के models खर्च जारी रख सकते हैं। एक run जो एक vendor के साथ योजना बनाती है, दूसरे के साथ implement करती है और तीसरे के साथ review करती है, वह एक साथ तीन जगहों पर खर्च कर रही होती है, इसलिए पहले invoice के बाद के बजाय पहली unattended run से पहले ही thresholds सेट कर लें। Built-ins में max_tool_calls_per_session और ask_on_os_tools भी शामिल हैं, जो file और shell operations से पहले approval मांगते हैं। keeping AI agent costs under control on a VPS पर हमारे नोट्स यहाँ सीधे लागू होते हैं, और वे और अधिक सख्ती से लागू होते हैं, क्योंकि parallel sub-agents खर्च की दर को बढ़ा देते हैं।

यह repository कितनी तेज़ी से आगे बढ़ रहा है?

चार्टDays between tagged Omnigent releases, v0.2.0 to v0.7.0
इस चार्ट के पीछे का डेटा
[
  {
    "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
  }
]

ये project के अपने releases page पर प्रकाशित release dates हैं, जिन्हें 3 August 2026 को देखा गया था। 7 tagged releases 2026-06-19 और 2026-07-27 के बीच जारी हुए, और किसी भी दो releases के बीच सबसे लंबा अंतराल 11 दिन था। v0.5.1 उसी दिन जारी हुआ जिस दिन उससे पिछला release जारी हुआ था। पहले दो PyPI releases, 13 June 2026 का 0.1.0 और 16 June 2026 का 0.1.1, GitHub releases page पर दर्ज नहीं हैं और chart में शामिल नहीं किए गए हैं; v0.2.0 के लिए दिखाए गए तीन दिन 0.1.1 से गिने गए हैं।

इनमें से दो releases ने उन commands को बदला जिन्हें guides पहले ही document कर चुके थे। v0.7.0 ने omni server start हटाकर उसकी जगह omni server --background कर दिया। v0.6.0 ने omnigent[memory] extra का नाम बदलकर omnigent[hindsight] कर दिया, लेकिन compatibility alias के रूप में memory को बनाए रखा, जो 0.10.0 तक काम करता रहा। 25 August 2026 को जारी 0.11.0 से यह alias हटा दिया गया है। इसलिए June की write-up से copy की गई install line अब Hindsight client install नहीं करती। यही आपके install command में --version और आपके git clone में tag रखने का कारण है; यह केवल style preference नहीं है।

उस reading के बाद pace धीमा नहीं हुआ है। 29 October 2026 तक PyPI पर 0.20.0 listed है, जो 28 October को जारी हुआ था और 0.7.0 के बाद तेरह minor releases के बाद आया। Project के release notes में इनमें से कई releases में breaking changes का उल्लेख है। इस page से copy की गई किसी भी चीज़ के लिए दो changes महत्वपूर्ण हैं: v0.12.0 में bare omni चलाने पर Polly agent के बजाय background host शुरू होता है (omni run अब default agent launch करता है), और v0.13.0 में managed terminals के लिए tmux 3.3 या नया version आवश्यक है।

जिन चीजों के लिए मैं अभी इस पर भरोसा नहीं करूँगा

27 अक्टूबर 2026 तक, रिपॉजिटरी में लगभग 11k stars, 1.8k forks और लगभग 910 open issues हैं, और इसका पहला public release चार महीने से थोड़ा अधिक पुराना है। Stars रुचि को दर्शाते हैं, और रुचि परिपक्वता (maturity) नहीं है। प्रोजेक्ट खुद को alpha बताता है, और ऊपर दिया गया release history दिखाता है कि इसका मतलब वास्तव में alpha ही है।

  • मैं इसे ऐसे host पर नहीं चलाऊँगा जिसमें production credentials हों, क्योंकि sandbox में MCP servers या supervisor शामिल नहीं हैं।
  • मैं इसे cost_budget policy के बिना unattended नहीं छोड़ूँगा, क्योंकि तीन vendors एक साथ billing कर सकते हैं; एक non-empty expensive_models list के साथ, सस्ते models पर खर्च जारी रह सकता है।
  • मैं इसे OMNIGENT_AUTH_ENABLED सेट किए बिना और सामने TLS लगाए बिना public IP address पर expose नहीं करूँगा।
  • मैं agent YAML को अभी minor versions के बीच स्थिर नहीं मानूँगा, इसलिए version को pin करें और upgrade करने से पहले release notes पढ़ें।

एक और बात जो आपको हैरान करने से पहले जान लेनी चाहिए: v0.6.0 में anonymised usage telemetry जोड़ी गई है, README के अनुसार यह डिफ़ॉल्ट रूप से collect की जाती है, और प्रोजेक्ट ने इसे एक समर्पित telemetry page पर document किया है, जिसमें इससे opt out करने का तरीका भी शामिल है। यदि मशीन client का काम संभालती है, तो उस page को पढ़ें और सोच-समझकर निर्णय लें।

Omnigent आज वास्तव में जिस काम में अच्छा है, वह वही है जिसके लिए इसे बनाया गया था। आपके पास तीन या चार agent CLIs हैं, आप पहले से ही उनके लिए भुगतान करते हैं, और आप चाहते हैं कि उनमें से एक लिखे जबकि दूसरा समीक्षा करे। यह अब एक मशीन पर, Linux पर वास्तविक sandboxing के साथ काम करता है। इसके अलावा बाकी सब कुछ आशाजनक लेकिन अधूरा मानें।

FAQ

क्या Omnigent एक agent है, या agents चलाने वाली कोई चीज़ है?

यह agents चलाता है। Omnigent एक meta-harness है: यह आपके द्वारा पहले से install किए गए vendor CLIs, जैसे Claude Code, Codex या OpenCode, शुरू करता है, प्रत्येक को काम देता है और एक ही session में परिणामों की निगरानी करता है। इसमें अपना कोई model नहीं है। यही कारण है कि यह framework से अलग है। Framework में आप किसी library के विरुद्ध Python लिखते हैं और आपका अपना program agent बन जाता है।

क्या Omnigent उपयोगी होने से पहले Claude Code और Codex install करना आवश्यक है?

आपके पास कम-से-कम एक vendor CLI install और logged in होना चाहिए, क्योंकि Omnigent उन programs को चलाता है, उनका स्थान नहीं लेता। उपलब्ध Polly example के लिए अलग-अलग vendors के दो या अधिक CLIs चाहिए। Polly का नियम है कि review हमेशा implementer से अलग vendor द्वारा किया जाए। इसलिए केवल एक CLI मौजूद होने पर diff भेजने के लिए दूसरा vendor उपलब्ध नहीं होगा।

नवीनतम version के बजाय कोई specific Omnigent version कैसे install करें?

Install script के साथ sh -s -- के माध्यम से --version pass करें, जैसा कि sh -s -- --version 0.7.0 में है। -s -- के बिना sh, --version को अपना option मान लेता है और installer कभी नहीं चलता: उदाहरण के लिए Bash अपना version print करके exit कर देता है। यदि uv पहले से मौजूद है, तो uv tool install --force --python 3.12 "omnigent==0.7.0" यही काम करता है। Git tag v0.7.0 है, जबकि PyPI version string 0.7.0 है।

क्या Omnibox sandbox agents को unattended तरीके से चलाने के लिए पर्याप्त है?

जिन चीज़ों को यह cover करता है, उनके लिए यह मजबूत है और जिन चीज़ों को cover नहीं करता, उनके बारे में स्पष्ट है। Linux पर यह bubblewrap और seccomp का उपयोग करता है। इसलिए kernel file और network limits लागू करता है और agent इनसे बाहर नहीं निकल सकता। Documentation बताता है कि यह sys_os_* tool calls और terminals पर लागू होता है, लेकिन MCP servers या Omnigent supervisor process पर लागू नहीं होता। इसलिए MCP server आपके सामान्य permissions के साथ चलता है। इसी कारण unattended work के लिए प्रत्येक agent को अलग disposable virtual machine में चलाना अब भी अधिक मजबूत isolation देता है।

VPS पर Omnigent server को कितनी memory चाहिए?

Project के deploy notes के अनुसार idle स्थिति में लगभग 275 MB RSS उपयोग होता है और इसकी Fly.io configuration 1 GB machine allocate करती है। यह idle measurement केवल server को cover करता है, उसके sub-agents को नहीं। Sub-agents parent की working directory और environment साझा कर सकते हैं, जिसमें os_env: inherit के माध्यम से उसका sandbox भी शामिल है; अलग working copies की गारंटी नहीं है। Polly-style runs parallel git worktrees का उपयोग करते हैं। इसलिए RAM और disk का आकार server के लिए नहीं, बल्कि एक साथ चलाने वाले agents की संख्या के आधार पर तय करें।

क्या यह लेख उपयोगी था?