SSD Nodes Learn Hosting plans →
Panduan Matt ConnorOleh Matt Connor

Omnigent: Satu Harness untuk Banyak Agent CLI

Pelajari cara kerja meta-harness Omnigent, mengunci rilis 0.7.0, dan mengisolasi setiap agent CLI di VPS tanpa mengganti alat yang sudah terpasang.

Omnigent

Omnigent adalah meta-harness open source: satu lapisan orkestrasi yang mengendalikan alat baris perintah (CLI) agent yang sudah Anda instal. Omnigent tidak menggantikan Claude Code, Codex, Cursor, OpenCode, Hermes, atau Pi. Omnigent menjalankan alat-alat tersebut, memberikan tugas kepada masing-masing alat, lalu mengawasi hasilnya dalam satu sesi dengan satu set kebijakan. Databricks memublikasikan repositori ini pada Juni 2026 di bawah lisensi Apache 2.0, dan PyPI masih mengklasifikasikan paket ini sebagai alpha.

Klaim praktisnya terbatas dan perlu dinyatakan secara langsung. Anda mendeskripsikan agent satu kali dalam YAML, lalu menentukan harness yang menjalankannya. Ubah satu baris tersebut, dan agent yang sama akan berjalan pada CLI dari vendor lain. Tidak ada bagian lain dari setup Anda yang berubah, karena Omnigent mengelola loop di atas agent, bukan loop di dalam agent.

Apa yang dimaksud dengan meta-harness, dan apa perbedaannya dari framework?

Harness adalah program yang menjalankan model dalam sebuah loop. Program ini membaca prompt Anda, memanggil tool, mengedit file, lalu mengirimkan hasilnya. Claude Code adalah harness. Codex adalah harness. Anda menginstalnya, masuk, lalu program tersebut bekerja sendiri.

Framework adalah pustaka yang menjadi dasar penulisan kode. Anda mengimpornya, mendefinisikan langkah-langkah dalam Python, lalu program Anda menjadi agent. Jika vendor diganti, Anda harus mengedit kode karena client vendor terintegrasi melalui program tersebut.

Meta-harness berada satu tingkat di atas keduanya. Meta-harness adalah supervisor yang menjalankan harness sebagai proses anak. Omnigent memulai CLI vendor, memberikan pekerjaan kepadanya, lalu membaca hasil yang dikembalikan. Anda tetap menggunakan CLI yang sudah diinstal, serta subscription atau kunci API (application programming interface) yang sudah digunakan untuk membayarnya. Itulah perbedaan utamanya. Perbedaan ini juga menentukan pengguna alat tersebut: orang yang sudah menjalankan beberapa CLI agent dan lelah mengoperasikannya satu per satu dari setiap terminal.

Lapisan orkestrasi tunggal mengatasi masalah apa?

  • Pergantian vendor hanya memerlukan satu baris. Definisi agent menyimpan harness dan model sebagai data. Oleh karena itu, memindahkan suatu peran dari satu vendor ke vendor lain cukup dilakukan dengan mengedit file YAML, bukan menulis ulang konfigurasi.
  • Peninjauan dapat melibatkan beberapa vendor. Diff yang ditulis oleh satu model dapat dibaca oleh model dari perusahaan lain. Dua model dari keluarga yang sama cenderung memiliki titik buta yang sama, sehingga pendapat kedua dari vendor yang sama nilainya lebih rendah.
  • Kebijakan memiliki satu lokasi terpusat. Ambang batas anggaran dan prompt persetujuan dideklarasikan dalam file agent, lalu berlaku untuk setiap sub-agent di bawahnya.
  • Sesi tidak bergantung pada satu alat. Satu transkrip mencakup pekerjaan yang dilakukan oleh beberapa CLI. Dengan demikian, Anda dapat meninjau kembali hal yang terjadi tanpa menggabungkan empat riwayat scroll secara manual.

Biayanya adalah lapisan itu sendiri. Setiap bug dalam Omnigent kini menjadi bug yang berada di antara Anda dan agent yang sebelumnya dapat bekerja secara mandiri. Pada tahap alpha, ini merupakan biaya nyata, bukan sekadar kemungkinan teoretis.

Posisi multi-agent harness dibandingkan dengan alat single-agent

Jika Anda belum pernah menjalankan satu agent di server, mulai dari sana. Panduan kami tentang menjalankan coding agent pada VPS membahas kasus single-agent secara menyeluruh, dan Omnigent mengasumsikan bahwa konfigurasi tersebut sudah Anda miliki. Bidang AI agent yang di-hosting sendiri berfokus pada pemilihan agent, sedangkan mempelajari cara kerja agent yang sebenarnya merupakan titik awal yang lebih baik jika istilah-istilah di sini masih baru bagi Anda.

Omnigent juga berbeda dari connector layer. Pekerjaan seperti memberikan agent akses ke sumber data Anda sendiri berkaitan dengan data yang dapat dijangkau oleh agent. Omnigent berkaitan dengan agent yang dijalankan, urutannya, serta batasan yang berlaku. Anda dapat menggunakan keduanya sekaligus karena keduanya tidak saling tumpang tindih.

Prasyarat instalasi

  • Python 3.12 atau yang lebih baru. Paket yang dipublikasikan mendeklarasikan requires-python >= 3.12.
  • tmux, karena harness terminal berjalan di dalamnya.
  • Setidaknya satu CLI vendor yang sudah terinstal dan sudah login.
  • Node.js 22 atau yang lebih baru dengan npm, karena harness Claude, Codex, dan Pi memerlukannya. Installer memeriksa Node 22.10 atau yang lebih baru dan menampilkan peringatan jika tidak tersedia. Omnigent sendiri tidak memerlukan Node: wheel di PyPI sudah menyertakan aset web yang telah dibangun, dan hanya build dari git checkout yang menjadikan Node sebagai prasyarat wajib.

Instal rilis yang dipatok, bukan main

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

Bagian sh -s -- bukan sekadar hiasan. Tanpa bagian tersebut, sh menganggap --version sebagai opsinya sendiri sehingga installer sama sekali tidak dijalankan. Jika sh adalah Bash, Bash akan menampilkan versinya sendiri lalu keluar dengan sukses. Akibatnya, tidak ada yang diinstal dan tidak ada peringatan yang ditampilkan. Dengan -s --, sh membaca skrip dari pipe dan meneruskan --version 0.7.0 ke installer. Pada repository yang merilis perubahan yang dapat merusak kompatibilitas setiap beberapa minggu, hal ini membedakan server yang dapat direproduksi dari server dengan kejutan yang tidak terduga.

Rilis 0.7.0 masih dipublikasikan di PyPI per 29 October 2026, tetapi rilis terbaru sekarang adalah 0.22.0, dari 13 November 2026. Rilis 0.19.1 sebelumnya merupakan patch yang berfokus pada keamanan tanpa fitur baru. Rilis tersebut memperbarui dependensi setelah kompromi pada otoritas sertifikat perantara eMudhra, dan project merekomendasikan upgrade. Yang penting adalah pin-nya, bukan angkanya: gunakan pin pada versi yang sudah Anda uji, lalu baca perubahan yang dapat merusak kompatibilitas dalam catatan rilis sebelum memindahkannya. Namun, pin bukan alasan untuk melewati rilis keamanan. Pindahkan pin tersebut saat rilis keamanan tersedia.

Installer menggunakan uv, package manager Python dari Astral, dan menawarkan instalasi uv terlebih dahulu jika belum tersedia. Jika uv sudah ada, lewati skrip tersebut:

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

Extras mengikuti pola yang sama, dan flag-nya juga diulang: --extra e2b --extra kubernetes pada skrip, atau "omnigent[e2b,kubernetes]" dengan uv. Skrip tersebut juga menambahkan extra databricks, kecuali Anda memberikan --no-databricks, sedangkan baris uv di atas menginstal package tanpa extra tersebut. Perhatikan bahwa git tag-nya adalah v0.7.0, sedangkan versi package di PyPI adalah 0.7.0.

uv menempatkan binary di direktori yang dilaporkan oleh uv tool dir --bin, biasanya ~/.local/bin, dan installer menawarkan untuk menambahkan direktori tersebut ke shell profile Anda. Jika command tidak ditemukan segera setelah clean install, inilah penyebabnya. Periksa hasil instalasi Anda:

omni upgrade --check

Perintah tersebut membandingkan versi yang terinstal dengan versi terbaru yang dipublikasikan dan memberi tahu Anda apakah tersedia upgrade, tanpa menjalankannya. omni dan omnigent adalah program yang sama dengan dua nama berbeda.

Arahkan ke penyedia model

omni setup

Wizard mencari kredensial yang sudah tersedia di lingkungan Anda dan meminta kredensial yang belum ada. Wizard ini menangani API key, langganan vendor, gateway seperti OpenRouter atau Ollama, serta workspace Databricks. Jika Anda sudah menjalankan server model lokal dengan Ollama pada mesin yang sama, arahkan gateway ke server tersebut agar trafik tidak pernah keluar dari mesin.

Menjalankan multi-agent minimal

Agen contoh berada di repositori. Jadi, clone tag yang sama dengan yang Anda instal, bukan main.

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

Polly adalah orkestrator coding multi-agent yang disertakan dalam repositori. Konfigurasinya mendeklarasikan sub-agent bernama claude_code, codex, opencode, cursor, hermes, dan pi. Konfigurasi tersebut juga memiliki satu aturan yang membuat seluruh latihan ini layak dijalankan: review selalu dilakukan oleh vendor yang berbeda dari implementer. Polly tidak menulis kode sendiri. Polly menyusun rencana, membagi tujuan menjadi item pekerjaan, mendelegasikan setiap item, lalu meneruskan setiap diff kepada reviewer dari vendor lain.

Sebelum mendelegasikan pekerjaan, Polly menjalankan pemeriksaan awal untuk mengetahui CLI sub-agent yang benar-benar tersedia di mesin. Jika hanya satu CLI vendor yang terinstal, tidak ada pihak yang dapat menerima diff tersebut. Jadi, instal setidaknya dua CLI sebelum menilai hasilnya. Debby, contoh lain yang disertakan, adalah agent debat dengan dua kepala: satu Claude dan satu GPT:

omni debby

Ini adalah cara singkat untuk memastikan dua provider telah dikonfigurasi, karena Debby memerlukan keduanya agar dapat memberikan respons.

Sub-agent dideklarasikan sebagai tool

File agent menggunakan YAML. executor menentukan harness, model, dan autentikasi. tools memuat server MCP (model context protocol), fungsi Python, dan sub-agent. Sub-agent adalah tool dengan type: agent dan executor-nya sendiri. Mekanisme ini mendasari semua hal di atas.

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

ID model tersebut berasal dari contoh docs/AGENT_YAML_SPEC.md milik project, dan merupakan nama yang di-host oleh Databricks. Ganti harness dan model dengan nilai omni setup yang dikonfigurasi pada sistem Anda. Nilai harness lain dalam spesifikasi tersebut mencakup antigravity, copilot, kimi, dan qwen. Spesifikasi terbaru di main juga mendokumentasikan acp:<slug> untuk server Agent Client Protocol apa pun, tetapi spesifikasi v0.7.0 tidak mencantumkannya. Karena itu, pastikan fitur tersebut berfungsi pada versi yang Anda pin sebelum mengandalkannya. Spesifikasi tersebut juga mendukung pass_history: true pada sub-agent, yang meneruskan percakapan induk kepadanya. Fitur ini menggunakan token pada setiap delegasi. Karena itu, nonaktifkan untuk sub-agent yang hanya memerlukan tugas yang sedang dikerjakan. Coder yang prompt-nya menginstruksikan untuk membuat perubahan terkecil yang berfungsi akan memberikan diff kepada reviewernya yang cukup singkat untuk benar-benar dibaca. Dalam konteks ini, hal tersebut lebih penting daripada model yang dipilih untuk salah satu peran.

Mengapa orkestrasi yang berjalan lama sebaiknya dilakukan pada VPS

Proses multi-agen bukan perintah yang selesai dalam dua menit. Anda perlu merencanakan, mendelegasikan, menunggu beberapa git worktree berjalan secara paralel, meninjau, lalu merevisi. Menutup laptop akan menghentikan semuanya. VPS (virtual private server) tetap aktif dan mempertahankan koneksi jaringannya, sehingga sesi tetap berjalan saat Anda tidak mengawasinya.

omnigent server --background
omnigent server status

Server menyediakan antarmuka pengguna web pada port 6767. omnigent server status melaporkan apakah ada proses yang sedang berjalan, sedangkan omnigent stop menghentikannya. v0.7.0 menghapus omni server start dan menggantinya dengan omni server --background; v0.9.0 memulihkannya sebagai alias yang tidak digunakan lagi.

Jangan publikasikan 6767 pada alamat publik. Ada dua konfigurasi yang aman. Biarkan port tertutup di firewall dan teruskan melalui SSH dengan ssh -N -L 6767:localhost:6767 you@your-server, lalu buka antarmuka web di http://localhost:6767 pada mesin Anda sendiri. Atau, lakukan terminasi TLS (transport layer security) di depannya dan aktifkan autentikasi:

OMNIGENT_AUTH_ENABLED=1 omnigent server --background

Konfigurasi firewall tersebut merupakan pekerjaan biasa yang dibahas dalam dasar-dasar firewall ufw untuk VPS, dan jika server sudah menjalankan container di belakang Traefik di depan beberapa aplikasi Docker Compose, Omnigent dapat ditambahkan sebagai satu service lagi dengan pola yang sama.

Untuk deployment container, direktori deploy/docker/ dalam repository berisi konfigurasi Compose: ./bootstrap.sh membuat secret ke dalam .env, lalu docker compose up -d menjalankan Omnigent dan Postgres, dengan server pada port 8000, bukan 6767. OMNIGENT_PORT mengubah port host tersebut. Compose menghitung DATABASE_URL untuk Anda (pada target deployment lain, variabel yang sama memilih Postgres atau SQLite), dan OMNIGENT_AUTH_ENABLED secara default menggunakan 1 di dalam container. Nilai default tersebut tepat untuk apa pun yang dapat dijangkau dari luar.

Untuk penentuan ukuran, catatan deployment menyebut penggunaan memori idle server sekitar 275 MB RSS, dan konfigurasi Fly.io menetapkan mesin 1 GB. Pengukuran idle tersebut hanya berlaku untuk supervisor; 1 GB adalah memori mesin yang dialokasikan. Sub-agen dapat menggunakan direktori kerja dan environment milik induknya, termasuk sandbox melalui os_env: inherit. Git worktree terpisah merupakan pilihan orkestrasi, jadi tentukan ukuran server berdasarkan harness dan agen yang dijalankan secara bersamaan. Setelah server aktif, omnigent login https://your-host yang diikuti omnigent host https://your-host mendaftarkan laptop Anda ke server tersebut, dan omnigent attach <session_id> melanjutkan kembali sesi yang sedang berjalan dari perangkat lain.

Sandboks setiap sub-agen sebelum Anda meninggalkannya

Omnigent merilis sandbox tingkat sistem operasi yang disebut Omnibox. Di Linux, sandbox ini menggunakan namespace bubblewrap dan seccomp, sehingga kernel menegakkan batasan tersebut, bukan prompt agen. Agen yang disisipi prompt tidak dapat mengakali aturan kernel. Instal dependensinya terlebih dahulu:

sudo apt install bubblewrap

Konfigurasi berada di bawah os_env dalam file agen:

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: []

Direktori kerja bersifat hanya-baca sampai Anda mencantumkannya di write_paths, sehingga agen yang bermasalah tidak dapat menulis di luar workspace. Dotfile tingkat teratas di dalam direktori kerja dan setiap root read_paths tetap tersembunyi kecuali disebutkan dalam cwd_allow_hidden. Dengan demikian, pemberian izin baca yang luas tidak secara diam-diam membuka direktori tingkat teratas .ssh atau .aws. Dotfile bertingkat tetap terlihat secara default; atur cwd_hidden_scan_recursive: true untuk menyamarkannya di seluruh tree. Atur egress_rules, dan seluruh trafik HTTP serta HTTPS akan melewati proxy default-deny, dengan setiap aturan ditulis sebagai "METHODS host/path-glob". credential_proxy melangkah lebih jauh: agen hanya pernah memegang placeholder, lalu proxy menggantinya dengan secret yang sebenarnya saat request keluar, sehingga transcript yang bocor tidak membocorkan apa pun yang dapat digunakan. Dalam setup multi-harness, setiap sub-agen memiliki blok sandbox sendiri dalam file konfigurasi masing-masing di bawah agents/. Dengan demikian, reviewer dapat dilarang mengakses network sementara implementer tetap memiliki akses tersebut.

Batasan ini dinyatakan dalam dokumentasi dan penting untuk diperhatikan. Sandbox OS berlaku pada pemanggilan tool sys_os_* dan terminal. Sandbox ini tidak mencakup server MCP dan tidak mencakup proses supervisor Omnigent itu sendiri. Server MCP yang Anda jalankan berjalan di luar sandbox dengan permission Anda. Celah ini menjadi alasan pola yang lebih kuat tetap menggunakan satu mesin sementara untuk setiap agen. Hal tersebut dibahas dalam menjalankan coding agent di VM sekali pakai. Bagian lain dari pekerjaan ini adalah kredensial. menjauhkan secret dari jangkauan agen menjadi lebih sulit, bukan lebih mudah, ketika enam sub-agen berbagi satu host.

Threshold pengeluaran adalah policy yang dideklarasikan dalam file yang sama:

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]

Policy cost_budget meminta persetujuan pada soft threshold dan secara default memblokir semua model pada max_cost_usd. Menetapkan list expensive_models yang tidak kosong mengubah limit menjadi gerbang downgrade: model di luar list tersebut tetap dapat terus menggunakan anggaran. Run yang membuat rencana dengan satu vendor, melakukan implementasi dengan vendor kedua, dan melakukan review dengan vendor ketiga menggunakan anggaran di tiga tempat sekaligus. Karena itu, tetapkan threshold sebelum unattended run pertama, bukan setelah invoice pertama. Built-in juga mencakup max_tool_calls_per_session dan ask_on_os_tools, yang meminta persetujuan sebelum operasi file dan shell. Catatan kami tentang mengendalikan biaya AI agent pada VPS berlaku langsung di sini, dan bahkan lebih penting karena sub-agen paralel melipatgandakan burn rate.

Seberapa cepat repository ini berkembang?

GrafikDays between tagged Omnigent releases, v0.2.0 to v0.7.0
Data di balik grafik ini
[
  {
    "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
  }
]

Itu adalah tanggal rilis yang dipublikasikan pada halaman rilis milik proyek, berdasarkan pembacaan pada 3 August 2026. Sebanyak 7 rilis bertag diterbitkan antara 2026-06-19 dan 2026-07-27, dengan jeda terpanjang antara dua rilis sebesar 11 hari. v0.5.1 dirilis pada hari yang sama dengan rilis sebelumnya. Dua rilis PyPI pertama, 0.1.0 pada 13 June 2026 dan 0.1.1 pada 16 June 2026, tidak tercantum pada halaman rilis GitHub dan tidak disertakan dalam grafik; tiga hari yang ditampilkan untuk v0.2.0 dihitung sejak 0.1.1.

Dua rilis tersebut mengubah perintah yang sebelumnya telah didokumentasikan dalam panduan. v0.7.0 menghapus omni server start dan menggantinya dengan omni server --background. v0.6.0 mengganti nama extra omnigent[memory] menjadi omnigent[hindsight], tetapi tetap mempertahankan memory sebagai alias kompatibilitas yang masih berfungsi hingga 0.10.0. Mulai 0.11.0, yang dirilis pada 25 August 2026, alias tersebut dihapus. Karena itu, baris instalasi yang disalin dari tulisan bulan June tidak lagi memasang klien Hindsight. Inilah alasan untuk menggunakan --version dalam perintah instalasi dan tag dalam git clone, bukan sekadar preferensi gaya.

Laju tersebut tidak melambat sejak pembacaan itu. Pada 29 October 2026, PyPI mencantumkan 0.20.0, yang dirilis pada 28 October, tiga belas rilis minor setelah 0.7.0. Catatan rilis proyek juga menandai adanya perubahan yang tidak kompatibel pada beberapa rilis tersebut. Dua perubahan relevan untuk apa pun yang disalin dari halaman ini: v0.12.0 membuat omni tanpa argumen menjalankan host latar belakang, bukan agen Polly (omni run kini menjalankan agen default), dan v0.13.0 memerlukan tmux 3.3 atau yang lebih baru untuk terminal terkelola.

Hal yang belum saya percayakan kepadanya

Per 27 October 2026, repositori ini memiliki sekitar 11k bintang, 1.8k fork, dan sekitar 910 issue terbuka. Rilis publik pertamanya baru berusia sedikit lebih dari empat bulan. Jumlah bintang mengukur minat, bukan kematangan. Proyek ini menyebut dirinya alpha, dan riwayat rilis di atas menunjukkan bahwa istilah tersebut memang berarti alpha.

  • Saya tidak akan menjalankannya pada host yang menyimpan kredensial produksi, karena sandbox tidak mencakup server MCP atau supervisor.
  • Saya tidak akan membiarkan proses berjalan tanpa pengawasan tanpa kebijakan cost_budget, karena tiga vendor dapat menagih secara bersamaan. Jika daftar expensive_models tidak kosong, pengeluaran dapat terus berjalan pada model yang lebih murah.
  • Saya tidak akan mengekspos server pada alamat IP publik tanpa menetapkan OMNIGENT_AUTH_ENABLED dan menempatkan TLS di depannya.
  • Saya belum akan menganggap YAML agent stabil di antara versi minor. Karena itu, kunci versinya dan baca catatan rilis sebelum melakukan upgrade.

Ada satu hal lain yang perlu diketahui agar tidak mengejutkan Anda: v0.6.0 menambahkan telemetri penggunaan yang dianonimkan. README menyatakan bahwa telemetri ini dikumpulkan secara default. Proyek ini juga mendokumentasikannya, termasuk cara menonaktifkannya, pada halaman telemetri khusus. Baca halaman tersebut dan buat keputusan dengan sengaja jika mesin menangani pekerjaan klien.

Hal yang benar-benar dapat dilakukan Omnigent dengan baik saat ini adalah tujuan pembuatannya. Anda memiliki tiga atau empat CLI agent, sudah membayar semuanya, dan ingin salah satunya menulis sementara yang lain meninjau. Hal itu sudah dapat dilakukan sekarang, pada satu mesin, dengan sandboxing yang nyata di Linux. Anggap semua kemampuan di luar itu sebagai fitur yang menjanjikan tetapi belum selesai.

FAQ

Apakah Omnigent merupakan agent, atau sesuatu yang menjalankan agent?

Omnigent menjalankan agent. Omnigent adalah meta-harness: aplikasi ini menjalankan vendor CLI yang sudah Anda instal, seperti Claude Code, Codex, atau OpenCode, memberikan tugas kepada masing-masing CLI, lalu mengawasi hasilnya dalam satu sesi. Omnigent tidak menyediakan model sendiri. Karena itu, Omnigent berbeda dari framework, tempat Anda menulis kode Python terhadap sebuah library dan program Anda sendiri menjadi agent.

Apakah Claude Code dan Codex harus diinstal sebelum Omnigent dapat digunakan?

Anda perlu menginstal dan login ke setidaknya satu vendor CLI, karena Omnigent mengendalikan program tersebut, bukan menggantikannya. Untuk contoh Polly yang disertakan, Anda memerlukan dua vendor atau lebih yang berbeda. Polly selalu melakukan review dengan vendor yang berbeda dari implementer. Jadi, jika hanya ada satu CLI, tidak ada vendor kedua yang dapat menerima diff.

Bagaimana cara menginstal versi Omnigent tertentu, bukan versi terbaru?

Teruskan --version melalui install script dengan sh -s --, seperti pada sh -s -- --version 0.7.0. Tanpa -s --, sh menganggap --version sebagai opsinya sendiri sehingga installer tidak pernah dijalankan: Bash, misalnya, mencetak versinya sendiri lalu keluar. Jika uv sudah tersedia, uv tool install --force --python 3.12 "omnigent==0.7.0" menjalankan tugas yang sama. Tag git adalah v0.7.0, sedangkan string versi PyPI adalah 0.7.0.

Apakah sandbox Omnibox cukup untuk menjalankan agent tanpa pengawasan?

Sandbox tersebut kuat untuk cakupan yang didukungnya dan menjelaskan batasannya dengan jelas. Di Linux, Omnibox menggunakan bubblewrap dan seccomp. Dengan demikian, kernel menerapkan batasan file dan jaringan, dan agent tidak dapat menonaktifkannya. Dokumentasi menyatakan bahwa sandbox ini berlaku untuk pemanggilan tool dan terminal sys_os_*, tetapi tidak mencakup server MCP atau proses supervisor Omnigent. Karena itu, server MCP berjalan dengan permission normal Anda. Untuk pekerjaan tanpa pengawasan, virtual machine terpisah yang dapat dibuang untuk setiap agent tetap memberikan isolasi yang lebih kuat.

Berapa banyak memori yang diperlukan server Omnigent pada VPS?

Catatan deployment proyek tersebut melaporkan sekitar 275 MB RSS saat idle, dan konfigurasi Fly.io mengalokasikan machine sebesar 1 GB. Pengukuran saat idle hanya mencakup server, bukan sub-agent. Sub-agent dapat menggunakan working directory dan environment milik parent, termasuk sandbox melalui os_env: inherit; salinan working directory terpisah tidak dijamin. Run bergaya Polly menggunakan git worktree secara paralel. Karena itu, tentukan kapasitas RAM dan disk berdasarkan jumlah agent yang akan Anda jalankan secara bersamaan, bukan berdasarkan server saja.

Apakah artikel ini bermanfaat?