Как установить Agentlas OS на VPS: пошаговое руководство

Что на самом деле представляет собой Agentlas OS

Agentlas OS — это среда выполнения агентов с открытым исходным кодом, которая хранит специализированных агентов на диске в виде пакетов и собирает временный оркестратор для каждой задачи. Вы размещаете её самостоятельно, устанавливая в свою учетную запись пользователя на Linux VPS. Это не сервис. Здесь нет демона, нет прослушиваемого порта, нет веб-интерфейса и нет образа контейнера в репозитории.

Последнее предложение определяет всё остальное на этой странице. Большинство мультиагентных систем запускают процесс-супервизор, который постоянно работает и удерживает агентов. Agentlas меняет этот подход: специалисты представляют собой файлы в состоянии покоя, а оркестратор существует только во время выполнения задачи. Практический результат заключается в том, что простаивающий узел потребляет место на диске, а не оперативную память.

Проект называет своё открытое ядро Hephaestus, и именно это имя вы увидите в командах, путях и переменных окружения. Репозиторий находится по адресу agentlas-ai/Agentlas-OS, распространяется по лицензии Apache-2.0 и написан преимущественно на Python.

Насколько этот проект «сырой» на самом деле

Репозиторий был создан 4 июня 2026 года. По состоянию на 12 августа 2026 года ему около десяти недель, у него примерно 1150 звезд и 112 форков. Это слишком малый срок для инструментов, которые вы планируете использовать в реальной работе.

Частота релизов важнее возраста проекта. Версия v1.1.103 была опубликована 8 августа 2026 года, а v1.2.0 вышла 12 августа 2026 года. Это более сотни помеченных релизов в серии 1.1, иногда по несколько штук в день, публикуемых автоматически. Проект, развивающийся с такой скоростью, может изменить свое поведение в промежутке между вторником и четвергом.

Поэтому фиксируйте версию релиза. Установщик считывает для этого переменную окружения, и всё руководство ниже использует её. Установка без фиксации версии для проекта, выпускающего обновления несколько раз в день, приведет к тому, что у вас окажется именно та сборка, которая была доступна на main в этот час.

Что необходимо на VPS

Требования минимальны, так как в фоновом режиме ничего не выполняется.

• Linux VPS. Ubuntu 24.04 хорошо подходит в качестве базовой системы. Установщик определяет операционную систему с помощью uname -s и выбирает ветку для Linux (не macOS), поэтому headless-серверы полностью поддерживаются.
• curl, tar и git на сервере, а также работающий интерпретатор Python.
• Исходящий HTTPS-трафик к raw.githubusercontent.com и github.com. Установщик загружает архив с релизом и проверяет его SHA-256, поэтому сервер без доступа в интернет не сможет выполнить установку.
• Хост-инструментарий (host harness) — агент, который взаимодействует с моделью. Поддерживаются адаптеры Claude Code, Codex, opencode, goose и Hermes.

Права root не требуются. Установщик записывает данные только в ваш домашний каталог и в ~/.local/bin; если путь недоступен для записи, программа выдаст предупреждение, а не прервет работу. Если вы еще выбираете сервер, в статье запуск агента для программирования на VPS описана настройка базового образа и доступа, на которых базируется данное решение.

Установка фиксированного релиза

В README от разработчиков указана одна команда, которая передает скрипт из main напрямую в bash. Сначала скачайте его и изучите. Он вносит изменения в конфигурацию вашей оболочки и во все найденные обвязки агентов, поэтому стоит уделить его проверке десять секунд.

curl -fsSL -o install-all-runtimes.sh \
  https://raw.githubusercontent.com/agentlas-ai/Agentlas-OS/main/scripts/install-all-runtimes.sh
less install-all-runtimes.sh
HEPHAESTUS_REF=v1.2.0 bash install-all-runtimes.sh

HEPHAESTUS_REF — это фиксация версии. Внутри скрипта эта строка выглядит как version="${HEPHAESTUS_REF:-v1.2.0}", поэтому, если оставить её не заданной, сегодня вы получите v1.2.0, а на следующей неделе — что-то другое. Укажите версию явно, чтобы при пересборке в октябре установилось именно то, что вы тестировали в августе.

Важное ограничение: URL скрипта выше отслеживает main, тогда как HEPHAESTUS_REF фиксирует исполняемую нагрузку, которую скачивает скрипт. Это разные вещи. Чтобы зафиксировать обе, скачивайте скрипт из тега, а не из main, заменив main на v1.2.0 в этом URL.

При успешном выполнении скрипт выводит пути, в которые были внесены изменения, включая эти две строки:

Installed runner: /home/you/.agentlas/runtime/current/bin/hephaestus
Installed shell commands in /home/you/.local/bin (add ~/.local/bin to PATH to use them)

Вторую строку часто пропускают. На чистой системе Ubuntu ~/.local/bin часто отсутствует в PATH, поэтому любая команда hep-* завершается ошибкой command not found, даже если установка прошла успешно. Исправьте это и проверьте результат:

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
hep-global status

hep-global status сообщает, что было установлено глобальным маршрутизатором и какие обвязки были обнаружены. Если команда запускается, значит, ваш PATH настроен верно.

Где хранятся данные о состоянии

Все данные представляют собой файлы в вашем домашнем каталоге, что упрощает резервное копирование и миграцию.

• ~/.agentlas/runtime/v1.2.0/ содержит саму среду выполнения, а ~/.agentlas/runtime/current/ является символической ссылкой на активную версию. Две зафиксированные версии могут находиться рядом.
• ~/.local/bin/ содержит оболочки для запуска: hephaestus, hep-build, hep-network, hep-search, hep-storm, hep-cloud и hep-upload.
• ~/.agentlas/networking/memory/ содержит долговременную память: playbook-registry.json, playbook-candidates.jsonl и memory-events.jsonl.
• ~/.agentlas/networking/hub-agents/<slug>/memory/experience.sqlite содержит данные об опыте работы каждого агента, ограниченные владельцем.
• <project>/.agentlas/ontology-runtime.sqlite содержит состояние для каждого проекта, поэтому оно перемещается вместе с репозиторием, а не привязано к конкретному серверу.
• ~/.cache/agentlas/python содержит кэш Python в Linux. В macOS используется другой путь, который выбирается установщиком с помощью uname.

В документации по памяти четко указано, что секреты, необработанные учетные данные и полные транскрипты не должны попадать в области памяти. Значения учетных данных остаются в локальных файлах, игнорируемых git, а в записях памяти сохраняются только имена и пути. Создайте резервную копию ~/.agentlas и каталогов вашего проекта .agentlas, и вы сможете восстановить систему на новом VPS.

Какие модели бэкендов можно использовать

Важная деталь, меняющая представление о всей настройке: Agentlas не вызывает API модели. Это делает хост-обвязка (harness).

В архитектурной документации описаны адаптеры времени выполнения, которые транслируют одно ядро в каждую обвязку, и указано, что хост-среда владеет учетными данными для доступа к моделям. Agentlas предоставляет два интерфейса, которые использует обвязка: файл AgentSkills и MCP-сервер (Model Context Protocol), работающий через stdio. Поэтому вопрос «какие модели поддерживает Agentlas» на самом деле звучит как «какие модели поддерживает ваша обвязка», и ответом будет любая модель, доступная для Claude Code, Codex, opencode, goose или Hermes.

Регистрация MCP-сервера в TOML-конфигурации в стиле Codex выглядит так:

[mcp_servers.hephaestus-network]
command = "~/.agentlas/runtime/current/bin/hephaestus"
args = ["mcp", "serve"]

Тот же сервер автоматически регистрируется в ~/.cursor/mcp.json, ~/.config/goose/config.yaml и других конфигурациях обвязок во время установки. Если вы подключаете несколько таких инструментов на одном узле, в разделе запуск MCP-серверов на VPS подробно рассматриваются stdio и модель процессов.

Настройка на self-hosted endpoint Ollama

Поскольку управление подключением к модели лежит на harness, для работы Agentlas с локальными моделями необходимо направить harness на Ollama. Начиная с версии v0.15, в Ollama появилась подкоманда launch, предназначенная именно для этого; она сохраняется в версии v0.32.9 по состоянию на 11 августа 2026 года. Она настраивает существующий harness для работы с локальными моделями без необходимости задавать переменные окружения:

ollama pull qwen3-coder:30b
ollama launch opencode

Замените claude, codex или droid на opencode в зависимости от того, какой harness вы установили. Затем выполните запрос через локальную среду выполнения:

~/.agentlas/runtime/current/bin/hephaestus route "summarise the failing tests" --runtime ollama

При успешной маршрутизации возвращается JSON-ответ с указанием выбранного агента или команды, а также receipt_id. Если ответ не содержит полезных данных, наиболее вероятная причина — ограничение длины контекста. В документации Agentlas рекомендуется использовать модель с контекстом не менее 64k для сессий с интенсивной маршрутизацией; в качестве примеров приводятся qwen3-coder, gemma3 и deepseek-r1. Рекомендации самой Ollama для инструментов разработки также устанавливают нижний порог в 64k. Решения о маршрутизации включают в промпт весь список доступных агентов, поэтому модели с контекстом 8k или 32k обрезают этот список, что приводит к ошибкам выбора.

Важный нюанс, о котором не упоминается в рекламных материалах: Ollama, Gemma и DeepSeek не имеют собственной системы плагинов или команд, поэтому слэш-команды /agentlas там отсутствуют. При использовании локальных моделей управление системой осуществляется через MCP-сервер и команду hephaestus route. Это реальное сокращение поверхности атаки, которое является неизбежной платой за хранение весов модели на собственном оборудовании.

Сколько оперативной памяти потребляет хаб простаивающих специалистов

Нисколько. Это полный ответ, и вы можете доказать его, а не просто принять на веру.

Привлеченные специалисты хаба поступают в виде артефактов пакетов, а не процессов. Специалист — это agent.md плюс каталог .agentlas/ с JSON-файлами: routing-card.json для триггеров и возможностей, memory-map.json для границ записи, mode-map.json для определения режима работы (в одиночку или в составе команды). Hephaestus Network описывается как внутрипроцессный планировщик без фоновой службы. В промежутках между задачами проверьте всё сами:

pgrep -af hephaestus
systemctl --user list-units --type=service | grep -i agentlas
du -sh ~/.agentlas

Первые две команды ничего не выводят на простаивающем сервере, так как в памяти ничего не резидентно. Третья команда показывает единственные затраты, которые накладывает на вас «припаркованный» хаб — это место на диске, которое растет пропорционально количеству хранимых специалистов плюс размер встроенной модели, поставляемой с рантаймом.

Таким образом, вопрос об оперативной памяти — это целиком вопрос о пиковой нагрузке, а пиковая нагрузка складывается из вашей обвязки и бэкенда модели. Если обвязка взаимодействует с API через хостинг, резидентные затраты составляют один процесс объемом в несколько сотен мегабайт. Если вы размещаете веса локально, то именно они и составляют основной объем:

[
  {
    "label": "Hosted API model",
    "weights_gb": 0
  },
  {
    "label": "gemma3:4b",
    "weights_gb": 3.3
  },
  {
    "label": "gemma3:12b",
    "weights_gb": 8.1
  },
  {
    "label": "gemma3:27b",
    "weights_gb": 17
  },
  {
    "label": "qwen3-coder:30b",
    "weights_gb": 19
  }
]

Это опубликованные размеры загрузки из библиотеки моделей Ollama, а не результаты бенчмарков; кэш KV для контекста 64k добавляется к каждой цифре выше нуля. Модель, которую документация Agentlas упоминает первой, qwen3-coder:30b, требует 19 ГБ для весов без учета контекста, а вариант Gemma 27B требует 17 ГБ. На фоне этих цифр слой Agentlas в бюджете памяти практически не заметен.

Сравнение с запуском одного harness

Запуск одного harness против размещенного API означает, что на вашем VPS работает один процесс. При добавлении Agentlas нагрузка остается прежней: тот же один процесс плюс файлы. Оркестратор не является дополнительной резидентной программой; это расширенный промпт, который собирается из пакетов на диске, а затем выгружается.

Изменяется не потребление памяти, а контекст. Оркестратор, который подгружает несколько специализированных карт и метаданные маршрутизации, расходует больше токенов на задачу, чем обычный harness. При использовании размещенного API это выражается в денежных затратах, а не в объеме RAM. При работе с локальными весами это выражается во времени, так как более длинный промпт требует более длительного префилла (prefill) на CPU или более интенсивной нагрузки на GPU.

Именно поэтому рекомендации по выбору размера сервера для подобных задач зависят от выбранной модели, а не от фреймворка агента. В статье Выбор объема RAM и CPU для VPS с агентом для программирования этот вопрос разобран подробно, и вывод остается прежним: выбирайте тарифный план под бэкенд, который вы планируете запускать, а затем добавьте пару гигабайт запаса для работы harness. Если же для сравнения вы рассматриваете архитектуру с постоянно активным супервизором, то мультиагентный harness Omnigent держит координатор в памяти постоянно. Это противоположный подход, который напрямую отражается на потреблении памяти в режиме простоя.

Типичные сбои и сообщения об ошибках

hep-build: command not found сразу после чистой установки. Инсталлятор записал данные в ~/.local/bin, чего нет в PATH на стандартном образе Ubuntu. Это было указано в последней строке вывода, которая ушла за пределы экрана. Добавьте команду export, приведенную выше.

Изменение поведения после пересборки сервера. Вы не задали HEPHAESTUS_REF, поэтому инсталлятор использовал тег, актуальный на тот день. Зафиксируйте версию (pin) и запишите её рядом с другими номерами версий.

Маршрутизация выбирает неверного специалиста при работе с локальной моделью. Контекстное окно модели слишком мало для инвентаря агентов. Перейдите на модель с 64k или более и установите соответствующую длину контекста в Ollama, так как значение по умолчанию ниже требований инструментов разработки.

ollama launch не распознается. Эта подкоманда появилась в Ollama v0.15. Более старые пакеты из репозиториев дистрибутивов вышли раньше, поэтому установите актуальную версию Ollama.

Инсталлятор вносит изменения в непредвиденные компоненты. Скрипт обнаруживает и настраивает все найденные компоненты, записывая данные в ~/.claude/, ~/.codex/, ~/.gemini/, ~/.cursor/ и другие места. На общем сервере сборки изучите скрипт перед запуском, чтобы понимать, какие из этих директорий будут затронуты.

Стоит ли использовать это сейчас

Проект, которому десять недель и который выпускает обновления несколько раз в день, не подходит для производственных нагрузок. Архитектура действительно интересна, лицензия — Apache-2.0, а файловая структура позволяет удалить проект простым удалением двух директорий. Эти факты делают его дешевым для тестирования, но рискованным для использования в критических задачах.

Разумный подход на данный момент: зафиксируйте версию v1.2.0, запускайте её на сервере, который можно пересобрать, включите ~/.agentlas в свои резервные копии и перечитывайте список изменений перед обновлением версии. Для более широкого обзора существующих решений и оценки их зрелости лучше начать с обзора self-hosted AI-агентов, а руководство по self-hosting агента Hermes на VPS описывает одну из сред, с которыми работает Agentlas.

FAQ

Работает ли Agentlas OS как сервер на моем VPS?

Нет. В репозитории нет демона, нет слушающего порта и нет образа контейнера. Установщик записывает среду выполнения в ~/.agentlas/runtime/ и обертки команд в ~/.local/bin, а Hephaestus Network представляет собой планировщик внутри процесса, а не фоновую службу. Вы можете убедиться в этом на простаивающем сервере: pgrep -af hephaestus ничего не выводит, и нет юнита systemd для включения. Самохостинг в данном случае означает, что код и состояние находятся на вашей машине, а не то, что служба ожидает соединений.

Сколько оперативной памяти потребляет хаб простаивающих специалистов?

Нисколько, так как простаивающие специалисты не являются процессами. Специалист — это файл agent.md плюс каталог .agentlas/, содержащий routing-card.json, memory-map.json и аналогичные метаданные, поэтому припаркованный хаб занимает только место на диске. Измерьте его с помощью du -sh ~/.agentlas. Память потребляется только во время выполнения задачи, и потребляют её процесс вашей обвязки (harness) и бэкенд модели, а не уровень Agentlas.

Какие модели я могу использовать и можно ли подключить свой Ollama?

Agentlas не вызывает API моделей самостоятельно. Хост-обвязка владеет учетными данными и соединением, поэтому поддерживаются любые модели, которые поддерживает ваша обвязка. Для локальных весов запустите ollama launch opencode (подставив claude, codex или droid), что настроит обвязку для работы с вашим сервером Ollama без использования переменных окружения. Используйте модель с контекстом не менее 64k, например qwen3-coder или gemma3, так как промпты маршрутизации содержат инвентарь агента и сильно обрезаются при меньшем размере окна.

Какую версию мне следует установить и почему здесь важно закрепление версии?

Установите v1.2.0 — релиз с тегом, актуальный на 12 августа 2026 года, установив HEPHAESTUS_REF=v1.2.0 перед запуском установщика. Значение по умолчанию в самом скрипте — version="${HEPHAESTUS_REF:-v1.2.0}", которое отслеживает любой следующий тег, установленный мейнтейнерами. Закрепление версии здесь важнее, чем обычно, поскольку проект выпустил более ста релизов в серии 1.1, иногда по несколько штук в день, поэтому незакрепленная пересборка спустя недели не даст вам ту систему, которую вы тестировали.