Jinsi ya ku-host Agentlas OS kwenye VPS yako

Agentlas OS ni nini hasa

Agentlas OS ni runtime ya wakala wa chanzo huria (open source) inayohifadhi mawakala bingwa kwenye diski kama vifurushi na kuunda orchestrator ya muda kwa kila kazi. Unaji-host mwenyewe kwa kuiweka kwenye akaunti yako ya mtumiaji kwenye Linux VPS. Hii si huduma (service). Hakuna daemon, hakuna port inayosikiliza, hakuna kiolesura cha wavuti, na hakuna container image kwenye repository.

Sentensi hiyo ya mwisho huamua kila kitu kingine kwenye ukurasa huu. Mifumo mingi ya mawakala wengi huendesha mchakato wa usimamizi (supervisor process) unaobaki umewashwa na kushikilia mawakala. Agentlas hufanya kinyume chake: wataalamu hao ni faili zilizotulia, na orchestrator huwepo tu wakati kazi inapoendelea. Matokeo ya kivitendo ni kwamba kitovu (hub) kisichofanya kazi kinakugharimu diski, si kumbukumbu (memory).

Mradi huu huita msingi wake wa wazi Hephaestus, na jina hilo ndilo utakaloliona kwenye amri, njia (paths) na vigezo vya mazingira (environment variables). Repository ni agentlas-ai/Agentlas-OS, ina leseni ya Apache-2.0, na imeandikwa zaidi kwa Python.

Mradi huu ni mchanga kiasi gani, kwa uaminifu

Hazina hii ilianzishwa tarehe 4 Juni 2026. Kufikia tarehe 12 Agosti 2026, ina umri wa takriban wiki kumi, ikiwa na nyota 1,150 na forks 112. Hiyo ni hali ya uchanga kwa kitu unachokusudia kukitumia katika kazi halisi.

Mzunguko wa releases ni muhimu zaidi kuliko umri. Toleo la v1.1.103 lilichapishwa tarehe 8 Agosti 2026, na v1.2.0 lilitoka tarehe 12 Agosti 2026. Hiyo ni zaidi ya releases mia moja zilizotambulishwa katika mfululizo wa 1.1, nyingine zikichapishwa mara kadhaa kwa siku kupitia otomatiki. Mradi unaosonga kwa kasi hiyo utabadilisha tabia yake chini yako kati ya Jumanne na Alhamisi.

Kwa hivyo, funga (pin) toleo unalotumia. Kisakinishi kinasoma environment variable kwa ajili ya hili, na mwongozo mzima hapa chini unaitumia. Usakinishaji ambao haujafungwa (unpinned) wa mradi unaotoa matoleo mapya mara kadhaa kwa siku utakupa chochote kilichokuwepo kwenye main saa hiyo.

Unachohitaji kwenye VPS

Mahitaji ni madogo kwa sababu hakuna kinachoendelea nyuma (background).

• Linux VPS. Ubuntu 24.04 ni msingi mzuri. Kisakinishi hutambua mfumo wa uendeshaji kwa kutumia uname -s na huchagua tawi lisilo la macOS kwa ajili ya Linux, hivyo seva isiyo na kiolesura (headless) inakubalika.
• curl, tar na git kwenye seva, pamoja na Python interpreter inayofanya kazi.
• HTTPS ya kutoka (outbound) kuelekea raw.githubusercontent.com na github.com. Kisakinishi hupakua archive ya release na kukagua SHA-256 yake, kwa hivyo seva isiyo na uwezo wa kufikia mtandao wa nje haiwezi kusakinisha programu hii.
• Host harness, ambayo ni wakala wa usimbaji (coding agent) unaowasiliana na model. Claude Code, Codex, opencode, goose na Hermes ni adapters zote zinazokubalika.

Huhitaji root. Kisakinishi huandika tu kwenye home directory yako na kwenye ~/.local/bin, na hutoa onyo badala ya kusitisha usakinishaji ikiwa njia (path) haiwezi kuandikika. Ikiwa bado unachagua seva yenyewe, kuendesha wakala wa usimbaji kwenye VPS inashughulikia image ya msingi na usanidi wa ufikiaji ambao programu hii hujengwa juu yake.

Sakinisha toleo lililofungwa (pinned release)

README ya upstream inaelezea mstari mmoja unaopitisha script kutoka main moja kwa moja kwenda bash. Ipakue na uisome kwanza. Inaandika kwenye configuration ya shell yako na kwenye kila agent harness inayoipata, kwa hivyo inastahili sekunde kumi za umakini wako.

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 ndiyo pin. Ndani ya script, mstari huo ni version="${HEPHAESTUS_REF:-v1.2.0}", kwa hivyo kutoipangilia kutakupa v1.2.0 leo na kitu kingine wiki ijayo. Iweke wazi ili rebuild yako ya mwezi Oktoba isakinishe kile ulichokijaribu mwezi Agosti.

Kikwazo kimoja cha kweli: URL ya script hapo juu inafuatilia main, wakati HEPHAESTUS_REF inafunga runtime payload inayopakuliwa na script hiyo. Hayo ni mambo mawili tofauti. Ili kufunga yote mawili, chukua script kutoka kwenye tag badala ya main kwa kubadilisha main na v1.2.0 kwenye URL hiyo.

Uendeshaji uliofanikiwa huchapisha njia (paths) ilizoandika, ikiwemo mistari hii miwili:

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)

Mstari huo wa pili ndio watu wanaouruka. Kwenye mashine mpya ya Ubuntu, ~/.local/bin mara nyingi haipo kwenye PATH, kwa hivyo kila amri ya hep-* inafeli na command not found ingawa usakinishaji ulifanikiwa. Irekebishe na uthibitishe:

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

hep-global status inaripoti kile ambacho global router imesakinisha na ni harnesses zipi ilizogundua. Ikiwa inafanya kazi, basi PATH yako ni sahihi.

Mahali ambapo state huhifadhiwa

Kila kitu ni faili ndani ya home directory yako, jambo linalorahisisha uhifadhi wa nakala (backup) na uhamiaji (migration).

• ~/.agentlas/runtime/v1.2.0/ huhifadhi runtime yenyewe, huku ~/.agentlas/runtime/current/ ikiwa ni symlink inayoelekeza kwenye toleo linalotumika sasa. Matoleo mawili yaliyofungwa (pinned versions) yanaweza kuwepo sambamba.
• ~/.local/bin/ huhifadhi shell wrappers: hephaestus, hep-build, hep-network, hep-search, hep-storm, hep-cloud na hep-upload.
• ~/.agentlas/networking/memory/ huhifadhi kumbukumbu ya kudumu (durable memory): playbook-registry.json, playbook-candidates.jsonl na memory-events.jsonl.
• ~/.agentlas/networking/hub-agents/<slug>/memory/experience.sqlite huhifadhi uzoefu wa kila wakala (per-agent experience), ukiwa umepangwa kulingana na mmiliki.
• <project>/.agentlas/ontology-runtime.sqlite huhifadhi state ya kila mradi (per-project state), hivyo husafiri pamoja na repository badala ya kubaki kwenye seva moja.
• ~/.cache/agentlas/python huhifadhi cache ya Python kwenye Linux. macOS hutumia njia tofauti, ambayo ndiyo tawi linalochaguliwa na kisakinishi kupitia uname.

Nyaraka za kumbukumbu zinaeleza wazi kuwa siri (secrets), vitambulisho ghafi (raw credentials), na nakala kamili za mazungumzo (full transcripts) hazipaswi kuingizwa kwenye wigo wowote wa kumbukumbu. Thamani za vitambulisho hubaki kwenye faili za ndani zilizowekwa kwenye gitignore, na kumbukumbu hurekodi majina na njia (paths) pekee. Hifadhi nakala ya ~/.agentlas na directory zako za mradi .agentlas, na utaweza kujenga upya mfumo kwenye VPS mpya.

Ni backend zipi za model inaweza kuelekeza

Hapa kuna maelezo yanayobadilisha mtazamo wa usanidi mzima: Agentlas haipigi simu ya model API. Host harness ndiyo inayofanya hivyo.

Hati ya usanifu inaelezea adapta za runtime zinazotafsiri core moja kwenda kila harness, na inasema kuwa host runtime ndiyo inayomiliki vitambulisho vya model. Agentlas inachangia sehemu mbili ambazo harness huchukua: faili ya AgentSkills na seva ya MCP (model context protocol) inayowasiliana kupitia stdio. Kwa hiyo, swali "ni model zipi Agentlas inazounga mkono" kwa hakika ni "ni model zipi harness yako inazounga mkono", na jibu ni chochote ambacho Claude Code, Codex, opencode, goose au Hermes inaweza kufikia.

Kusajili seva ya MCP kunaonekana hivi katika usanidi wa TOML wa mtindo wa Codex:

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

Seva hiyo hiyo husajiliwa kiotomatiki kwenye ~/.cursor/mcp.json, ~/.config/goose/config.yaml na usanidi mwingine wa harness wakati wa usakinishaji. Ikiwa unaunganisha kadhaa ya haya kwenye mashine moja, kuendesha seva za MCP kwenye VPS kunafafanua zaidi kuhusu stdio na mfano wa mchakato.

Elekeza kwenye endpoint ya Ollama inayojiendesha (self-hosted)

Kwa sababu harness inamiliki muunganisho wa model, kuelekeza Agentlas kwenye model za ndani kunamaanisha kuelekeza harness yako kwenye Ollama. Ollama iliongeza subcommand ya launch katika v0.15 kwa ajili ya kazi hii, na bado inapatikana katika v0.32.9 kufikia tarehe 11 Agosti 2026. Hii inasanidi harness iliyopo ili itumie model za ndani bila kuhitaji kuweka environment variables:

ollama pull qwen3-coder:30b
ollama launch opencode

Badilisha opencode na claude, codex au droid kulingana na harness uliyosakinisha. Kisha elekeza ombi kupitia runtime ya ndani:

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

Uelekezaji uliofanikiwa hurejesha uamuzi wa JSON unaotaja agent au timu iliyochaguliwa, pamoja na receipt_id. Ikiwa hairejeshi kitu chochote chenye manufaa, sababu ya kawaida ni urefu wa context (context length). Nyaraka za Agentlas zinaomba model yenye angalau 64k ya context kwa ajili ya vipindi vyenye uelekezaji mwingi na inataja qwen3-coder, gemma3 na deepseek-r1 kama mifano. Mwongozo wa Ollama wenyewe kwa zana za uandishi wa code una kiwango hicho hicho cha chini cha 64k. Maamuzi ya uelekezaji hubeba orodha ya agent kwenye prompt, kwa hivyo model yenye 8k au 32k ya context hukata orodha hiyo na kuchagua vibaya.

Tahadhari moja ambayo tagline haitakuambia. Ollama, Gemma na DeepSeek hazina mfumo wa plugin au amri zao wenyewe, kwa hivyo amri za slash za /agentlas hazipo huko. Kwenye usanidi wa model ya ndani, unaendesha mfumo kupitia MCP server na amri ya hephaestus route badala yake. Hiyo ni kupungua kwa kweli kwa eneo la utendaji (surface), na ndiyo gharama ya kweli ya kuweka uzito wa model kwenye mashine yako mwenyewe.

Gharama ya RAM kwa kitovu cha wataalamu wasiofanya kazi

Bure. Hiyo ndiyo jibu zima, na unaweza kulithibitisha badala ya kuliweka kama imani.

Wataalamu wa kitovu wanaokopwa hufika kama artifacts za vifurushi, si kama michakato (processes). Mtaalamu ni agent.md pamoja na saraka ya .agentlas/ ya JSON: routing-card.json kwa ajili ya vichochezi (triggers) na uwezo, memory-map.json kwa ajili ya mipaka ya uandishi, mode-map.json kwa ajili ya kama anaendesha peke yake au kama timu. Hephaestus Network inaelezwa kama kipangaji cha ndani ya mchakato (in-process scheduler) kisicho na huduma ya usuli (background service). Kati ya kazi, jikague mwenyewe:

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

Amri mbili za kwanza hazichapishi chochote kwenye mashine iliyo tulivu, kwa sababu hakuna kinachokaa kwenye kumbukumbu. Ya tatu inachapisha gharama pekee ambayo kitovu kilichopakiwa kinakupa, ambayo ni diski, na inakua kulingana na idadi ya wataalamu unaoweka pamoja na mfano wa embedding (embedding model) uliounganishwa ambao runtime inatoa.

Kwa hiyo, swali la kumbukumbu ni swali zima kuhusu mlipuko wa kazi (burst), na mlipuko huo ni mfumo wako wa kuunganisha (harness) pamoja na backend ya mfano wako. Ikiwa harness inawasiliana na API iliyopangishwa (hosted API), gharama ya makazi ni mchakato mmoja wa mamia machache ya megabytes. Ikiwa unajipangishia uzito (weights) mwenyewe, uzito huo ndio bili:

[
  {
    "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
  }
]

Hizo ni saizi zilizochapishwa za upakuaji kutoka maktaba ya mfano ya Ollama, si vipimo kutoka kwa benchmark, na KV cache kwa muktadha wa 64k hukaa juu ya kila takwimu iliyo hapo juu ya sifuri. Mfano ambao nyaraka za Agentlas zinautaja kwanza, qwen3-coder:30b, unahitaji 19 GB ya uzito kabla ya muktadha, na hata lahaja ya 27B Gemma inaomba 17 GB. Dhidi ya namba hizo, safu ya Agentlas yenyewe haionekani kwenye bajeti.

Jinsi hii inavyolinganishwa na kuendesha harness moja

Endesha harness moja dhidi ya API inayohudumiwa na VPS yako itabeba mchakato mmoja. Ongeza Agentlas na itabeba mchakato uleule mmoja, pamoja na faili. Orchestrator si programu ya ziada inayokaa kwa muda mrefu, bali ni prompt kubwa inayokusanywa kutoka kwa vifurushi vilivyopo kwenye diski na kisha kufutwa.

Gharama inayobadilika ni muktadha (context), si kumbukumbu (RAM). Orchestrator inayovuta kadi kadhaa za kitaalamu na metadata yao ya routing hutumia token nyingi zaidi kwa kila kazi kuliko harness ya kawaida, na kwenye API inayohudumiwa, hiyo ni pesa badala ya RAM. Kwenye local weights, huo ni muda, kwa sababu prompt ndefu inamaanisha prefill ndefu zaidi kwenye CPU au GPU yenye shughuli nyingi.

Hii ndiyo sababu ushauri wa ukubwa wa seva kwa ajili ya kifaa kama hiki hufuata uamuzi wa model na si mfumo wa wakala (agent framework). Kukadiria RAM na CPU kwa ajili ya VPS ya wakala wa usimbaji huchanganua hilo kwa kina, na hitimisho linabaki palepale: chagua mpango kwa ajili ya backend unayokusudia kuendesha, kisha ongeza gigabytes chache za ziada kwa ajili ya harness. Ikiwa unataka muundo wa supervisor unaowaka kila wakati kwa ajili ya kulinganisha, harness ya wakala-nyingi ya Omnigent huweka mratibu wake kwenye kumbukumbu, jambo ambalo ni biashara tofauti na linaonekana moja kwa moja kwenye kumbukumbu inayotumika wakati wa kutofanya kazi (idle memory).

Njia za kushindwa na ujumbe utakaouona

hep-build: command not found mara tu baada ya usakinishaji safi. Kisakinishi kiliandika kwenye ~/.local/bin, ambayo haipo kwenye PATH katika picha ya kawaida ya Ubuntu. Ujumbe huo ulionekana kwenye mstari wa mwisho na ukapita haraka. Ongeza export iliyoonyeshwa hapo juu.

Mabadiliko ya tabia baada ya kujenga upya seva. Hukuweka HEPHAESTUS_REF, kwa hivyo kisakinishi kilitumia tag iliyokuwa ya sasa siku hiyo. Iweke kwenye toleo maalum (pin), na uandike toleo hilo karibu na namba nyingine za matoleo yako.

Routing inachagua mtaalamu asiye sahihi kwenye model ya ndani. Dirisha la muktadha (context window) la model ni dogo sana kwa orodha ya mawakala. Hamia kwenye model yenye 64k au zaidi na uweke urefu wa muktadha wa Ollama uendane nayo, kwa sababu thamani ya awali ni ndogo kuliko ile inayohitajika na zana za uandishi wa programu.

ollama launch haitambuliki. Subcommand hii ilianza kuwepo kwenye Ollama v0.15. Vifurushi vya zamani kutoka kwenye hazina ya usambazaji (distribution repository) ni vya kabla ya toleo hilo, kwa hivyo sakinisha toleo la sasa la Ollama.

Usakinishaji unaandika kwenye mifumo (harnesses) usiyotarajia. Hati hiyo inagundua na kusanidi kila mfumo inaoupata, ikiandika kwenye ~/.claude/, ~/.codex/, ~/.gemini/, ~/.cursor/ na mingineyo. Kwenye seva ya pamoja ya ujenzi, soma hati hiyo kabla ya kuiendesha na ujue ni saraka zipi kati ya hizo unazozijali.

Je, unapaswa kuitumia sasa

Mradi wa wiki kumi wenye releases za kiotomatiki mara kadhaa kwa siku si kitu cha kuweka kwenye mazingira ya production. Usanifu wake unavutia, leseni ni Apache-2.0, na muundo wa kutumia faili unamaanisha kuwa kuiondoa ni kufuta saraka mbili tu. Mambo haya hufanya iwe rahisi kujaribu lakini ni hatari kuitegemea.

Msimamo wa busara kwa sasa: tumia v1.2.0, iendeshe kwenye seva unayoweza kuijenga upya, weka ~/.agentlas kwenye backups zako, na usome upya changelog kabla ya kubadilisha toleo. Kwa uchunguzi mpana wa nini kingine kipo katika nafasi hii na jinsi kila chaguo lilivyokomaa, muhtasari wa mawakala wa AI wanaojiendesha ndio sehemu bora ya kuanzia, na kujiendeshea wakala wa Hermes kwenye VPS inashughulikia mojawapo ya mifumo ambayo Agentlas inatumia.

FAQ

Je, Agentlas OS huendeshwa kama seva kwenye VPS yangu?

Hapana. Hakuna daemon, hakuna port inayosikiliza, na hakuna container image kwenye repository. Kisakinishi huandika runtime chini ya ~/.agentlas/runtime/ na wrappers za amri ndani ya ~/.local/bin, na Hephaestus Network ni scheduler ya ndani ya mchakato (in-process) badala ya huduma ya nyuma (background service). Unaweza kuthibitisha hili kwenye seva isiyo na kazi: pgrep -af hephaestus haitoi matokeo yoyote, na hakuna systemd unit ya kuwezesha. Self-hosting hapa inamaanisha kuwa msimbo na hali ya mfumo viko kwenye mashine yako, si kwamba kuna huduma inayofanya kazi ya kusikiliza.

Hub ya wataalamu wasio na kazi hutumia RAM kiasi gani?

Haitumii chochote, kwa sababu wataalamu wasio na kazi si michakato (processes). Mtaalamu ni faili la agent.md pamoja na saraka ya .agentlas/ inayoshikilia routing-card.json, memory-map.json na metadata nyingine kama hizo, kwa hivyo hub iliyohifadhiwa hutumia nafasi ya diski pekee. Ipime kwa kutumia du -sh ~/.agentlas. Kumbukumbu hutumika tu wakati kazi inapoendelea, na kinachotumia kumbukumbu hiyo ni mchakato wako wa harness na backend ya model yako, si safu ya Agentlas.

Ni model zipi ninaweza kutumia, na ninaweza kuielekeza kwenye Ollama yangu?

Agentlas haipigi simu za model API yenyewe. Harness ya mwenyeji ndiyo inayomiliki vitambulisho na muunganisho, kwa hivyo model zinazoungwa mkono ni zile ambazo harness yako inasaidia. Kwa weights za ndani, endesha ollama launch opencode (ukibadilisha claude, codex au droid), ambayo husanidi harness dhidi ya seva yako ya Ollama bila kutumia environment variables. Tumia model yenye angalau 64k context, kama vile qwen3-coder au gemma3, kwa sababu prompts za uelekezaji hubeba orodha ya mawakala na hupunguzwa vibaya kwenye madirisha madogo.

Ni toleo lipi nifunge, na kwa nini pinning ni muhimu hapa?

Funga v1.2.0, toleo lililowekwa alama (tagged release) la tarehe 12 Agosti 2026, kwa kuweka HEPHAESTUS_REF=v1.2.0 kabla ya kuendesha kisakinishi. Chaguo-msingi la script yenyewe ni version="${HEPHAESTUS_REF:-v1.2.0}", ambalo hufuata chochote kitakachowekwa alama na watunzaji baadaye. Pinning ni muhimu zaidi kuliko kawaida kwa sababu mradi huu ulichapisha matoleo zaidi ya mia moja katika mfululizo wake wa 1.1, kadhaa kwa siku moja, kwa hivyo ujenzi upya usio na pinning baada ya wiki kadhaa hautakupa mfumo uleule ulioujaribu.