Omnigent: Isang Harness para sa Maraming Agent CLI
Alamin kung paano pinapatakbo ng Omnigent ang naka-install mong agent CLI, i-pin ang release 0.7.0, at i-sandbox ang bawat agent sa VPS.
Ano ang Omnigent
Ang Omnigent ay isang open source meta-harness: isang orchestration layer na kumokontrol sa mga agent command-line tool (CLI) na naka-install na sa iyo. Hindi nito pinapalitan ang Claude Code, Codex, Cursor, OpenCode, Hermes, o Pi. Sinisimulan nito ang mga tool na ito, binibigyan ang bawat isa ng gawain, at sinusubaybayan ang resulta sa loob ng iisang session gamit ang isang policy set. Inilathala ng Databricks ang repository noong June 2026 sa ilalim ng Apache 2.0 licence, at alpha pa rin ang classification ng package sa PyPI.
Makitid ang praktikal na pahayag, at dapat itong sabihin nang malinaw. Inilalarawan mo ang isang agent nang isang beses sa YAML, at tinutukoy mo ang harness na nagpapatakbo rito. Kapag binago mo ang isang linyang iyon, tatakbo ang parehong agent gamit ang CLI ng ibang vendor. Walang ibang kailangang baguhin sa setup mo, dahil ang Omnigent ang kumokontrol sa loop sa ibabaw ng mga agent, hindi sa loop sa loob ng mga ito.
Ano ang meta-harness, at paano ito naiiba sa framework?
Ang harness ay program na nagbabalot sa isang model sa loob ng loop. Binabasa nito ang prompt mo, tumatawag ng tools, nag-e-edit ng files, at nagbabalik ng resulta. Ang Claude Code ay harness. Ang Codex ay harness. Ini-install mo ito, nagla-login ka, at gumagana ito nang mag-isa.
Ang framework ay isang library na sinusulatan mo ng code. Ini-import mo ito, tinutukoy mo ang mga hakbang sa Python, at nagiging agent ang program mo. Kapag nagpalit ka ng vendor, kailangan mong i-edit ang code dahil nakakabit sa program mo ang client ng vendor.
Ang meta-harness ay nasa isang antas na mas mataas kaysa sa dalawang ito. Isa itong supervisor na nagpapatakbo ng mga harness bilang child process. Sinisimulan ng Omnigent ang vendor CLI, ipinapasa rito ang gawain, at binabasa ang ibinabalik nito. Patuloy mong ginagamit ang CLI na na-install mo na, pati ang subscription o API (application programming interface) key na ginagamit mo na sa pagbabayad nito. Iyan ang buong pagkakaiba, at dito nakabatay kung para kanino ang tool: para sa mga taong may ilang agent CLI na gumagana na at pagod nang patakbuhin ang mga ito nang paisa-isa sa bawat terminal.
Anong problema ang nilulutas ng isang orchestration layer?
- Isang linya lang ang kailangan para magpalit ng vendor. Naka-store bilang data sa agent definition ang
harnessatmodel, kaya ang paglilipat ng isang role mula sa isang vendor patungo sa iba ay pag-edit lang sa YAML file, hindi muling pagsulat ng configuration. - Maaaring isagawa ang review sa iba't ibang vendor. Ang diff na isinulat ng isang model ay binabasa ng model mula sa ibang kumpanya. Karaniwang pareho ang blind spots ng dalawang model mula sa iisang pamilya, kaya mas mababa ang halaga ng second opinion mula sa parehong vendor.
- Iisa ang pinanggagalingan ng policy. Idinedeklara sa agent file ang budget thresholds at approval prompts, at nalalapat ang mga ito sa bawat sub-agent sa ilalim nito.
- Nananatili ang session kahit magpalit ng tool. Sinasaklaw ng iisang transcript ang gawaing isinagawa ng ilang CLI, kaya mababasa mo kung ano ang nangyari nang hindi pinagdudugtong ang apat na scrollback.
Ang kapalit ay ang layer mismo. Ang bawat bug sa Omnigent ay nagiging bug na nasa pagitan mo at ng agent na dati namang gumagana nang mag-isa. Sa alpha, tunay na gastos ito, hindi lamang teoretikal na usapin.
Kung saan pumapagitna ang multi-agent harness sa mga single-agent tool
Kung hindi ka pa nagpapatakbo ng isang agent sa isang server, doon ka muna magsimula. Saklaw ng aming gabay sa pagpapatakbo ng coding agent sa isang VPS ang single-agent na setup mula simula hanggang wakas. Ipinapalagay ng Omnigent na mayroon ka na ng setup na ito. Sa mas malawak na larangan ng self-hosted AI agents, pinipili mo mismo ang mga agent. Mas mabuting unang basahin ang pag-alam kung paano talaga gumagana ang mga agent kung bago sa iyo ang mga terminong ginagamit dito.
Ibang axis din ang Omnigent kumpara sa connector layer. Ang gawaing gaya ng pagbibigay sa mga agent ng access sa sarili mong data source ay tungkol sa kung ano ang maaaring maabot ng isang agent. Ang Omnigent ay tungkol sa kung aling agent ang tatakbo, sa anong pagkakasunod-sunod, at sa ilalim ng anong mga limitasyon. Maaaring kailanganin mo ang dalawang ito nang sabay, at hindi sila nagsasapawan.
Mga kailangan bago mag-install
- Python 3.12 o mas bago. Idinedeklara ng published package ang
requires-python >= 3.12. tmux, dahil dito tumatakbo ang terminal harnesses.- Kahit isang vendor CLI na naka-install na at naka-log in na.
- Node.js 22 o mas bago na may
npm, dahil kailangan ito ng Claude, Codex, at Pi harnesses. Sinusuri ng installer kung Node 22.10 o mas bago ang naka-install at nagbibigay ng babala kung wala ito. Hindi kailangan ng Omnigent ng Node: kasama na sa wheel sa PyPI ang built web assets, at ang build mula sa git checkout lamang ang ginagawang mandatory requirement ang Node.
Mag-install ng naka-pin na release, hindi ang main
curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh -s -- --version 0.7.0Hindi dekorasyon ang bahaging sh -s --. Kung wala ito, binabasa ng sh ang --version bilang sarili nitong option, kaya hindi talaga tumatakbo ang installer. Kapag Bash ang sh, ipinapakita nito ang sariling version ng Bash at matagumpay na lumalabas, kaya walang nai-install at walang babala. Sa -s --, binabasa ng sh ang script mula sa pipe at ipinapasa ang --version 0.7.0 sa installer. Sa repository na naglalabas ng breaking changes bawat ilang linggo, ito ang pagkakaiba ng reproducible na server at hindi inaasahang pagbabago.
Naka-publish pa rin sa PyPI ang release 0.7.0 noong 29 October 2026, pero ang pinakabagong release ay 0.22.0 na, mula 13 November 2026. Ang naunang release na 0.19.1 ay security-focused patch na walang bagong feature: ina-update nito ang dependencies matapos makompromiso ang eMudhra intermediate certificate authority, at inirerekomenda ng project ang pag-upgrade. Ang mahalaga ay ang pin: i-pin ang version na nasubukan mo, at basahin ang breaking changes sa release notes bago mo ito baguhin. Gayunman, hindi dahilan ang pin para laktawan ang security release, kaya ilipat ito kapag may inilabas na ganoong release.
Ginagamit ng installer ang uv, ang Python package manager ng Astral, at nag-aalok itong unang i-install ang uv kung wala pa ito. Kung mayroon na ang uv, laktawan ang script:
uv tool install --force --python 3.12 "omnigent==0.7.0"Pareho ang pattern para sa extras, at inuulit ang flag: --extra e2b --extra kubernetes sa script, o "omnigent[e2b,kubernetes]" gamit ang uv. Idinaragdag din ng script ang databricks extra maliban kung ipapasa mo ang --no-databricks, samantalang ini-install ng uv line sa itaas ang package nang wala nito. Tandaan na v0.7.0 ang git tag, habang 0.7.0 ang package version sa PyPI.
Inilalagay ng uv ang binary sa directory na iniuulat ng uv tool dir --bin, karaniwang ~/.local/bin, at nag-aalok ang installer na idagdag iyon sa shell profile mo. Kung hindi makita ang command kaagad pagkatapos ng malinis na install, iyon ang dahilan. Suriin kung ano ang aktuwal na na-install:
omni upgrade --checkInihahambing nito ang naka-install na version sa pinakabagong published version at sinasabi kung may available na upgrade, nang hindi ito isinasagawa. Ang omni at omnigent ay iisang program na may dalawang pangalan.
Ituro ito sa isang model provider
omni setupHinahanap ng wizard ang mga credential na mayroon na sa iyong environment at hinihingi ang mga kulang. Sinusuportahan nito ang API keys, vendor subscriptions, mga gateway gaya ng OpenRouter o Ollama, at mga Databricks workspace. Kung nagpapatakbo ka na sa parehong machine ng local model server gamit ang Ollama, ituro ang isang gateway dito para hindi lumabas sa machine ang network traffic.
Isang minimal na multi-agent run
Nasa repository ang mga example agent, kaya i-clone ang parehong tag na na-install mo sa halip na main.
git clone --depth 1 --branch v0.7.0 https://github.com/omnigent-ai/omnigent.git
cd omnigent
omnigent run examples/polly/Ang Polly ang multi-agent coding orchestrator na kasama sa repo. Sa configuration nito, idinedeklara ang mga sub-agent na may pangalang claude_code, codex, opencode, cursor, hermes at pi, pati ang isang rule na siyang dahilan kung bakit sulit patakbuhin ang buong exercise: palaging ibang vendor ang gumagawa ng review kaysa sa implementer. Walang code na direktang sinusulat si Polly. Nagpa-plano ito, hinahati ang goal sa mga work item, dine-delegate ang bawat isa, at ipinapadala ang bawat diff sa reviewer mula sa ibang vendor.
Bago mag-delegate ng anuman, nagpapatakbo si Polly ng preflight check upang malaman kung aling sub-agent CLI ang aktuwal na available sa machine. Kung isang vendor CLI lamang ang naka-install, walang mapagpapasahan ng diff, kaya mag-install muna ng hindi bababa sa dalawa bago suriin ang output. Ang Debby, ang isa pang example na kasama sa repo, ay isang debate agent na may dalawang head: isang Claude at isang GPT:
omni debbyMaikling paraan ito upang makumpirmang naka-configure ang dalawang provider, dahil kailangan nito ang pareho bago ito makapaglabas ng anuman.
Ang mga sub-agent ay dine-declare bilang mga tool
YAML ang agent file. Tinutukoy ng executor ang harness, model, at authentication. Naglalaman ang tools ng mga MCP (model context protocol) server, Python function, at sub-agent. Ang sub-agent ay isang tool na may type: agent at sarili nitong executor. Ito ang mekanismong nasa likod ng lahat ng nabanggit sa itaas.
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.yamlAng mga model ID na iyon ay mula sa sariling docs/AGENT_YAML_SPEC.md example ng proyekto, at mga pangalang naka-host sa Databricks. Palitan ang harness at model ng anumang omni setup na naka-configure sa iyong machine. Kabilang sa iba pang harness value sa spec ang antigravity, copilot, kimi, at qwen. Idinodokumento rin ng kasalukuyang spec sa main ang acp:<slug> para sa anumang Agent Client Protocol server, ngunit hindi ito nakalista sa v0.7.0 spec. Kaya tiyaking gumagana ito sa naka-pin mong version bago umasa rito. Sinusuportahan din ng spec ang pass_history: true sa isang sub-agent, na ipinapasa rito ang parent conversation. May token cost ito sa bawat delegation, kaya huwag itong i-enable para sa mga sub-agent na kailangan lamang ang task na nasa harap nila. Kapag sinasabi ng prompt ng isang coder na gawin ang pinakamaliit na gumaganang pagbabago, makapagbibigay ito sa reviewer ng diff na sapat ang ikli para aktuwal na mabasa. Mas mahalaga ito rito kaysa sa model na pipiliin mo para sa alinmang role.
Bakit dapat sa VPS patakbuhin ang matagal na orchestration
Ang multi-agent run ay hindi command na natatapos sa loob ng dalawang minuto. Kabilang dito ang pagpaplano, pag-delegate, paghihintay sa magkakasabay na git worktree, pagsusuri, at pagbabago. Kapag isinara mo ang takip ng laptop, matatapos ang lahat ng ito. Nananatiling naka-on ang VPS (virtual private server) at pinananatili nito ang network connection, kaya nagpapatuloy ang session kahit hindi mo ito mino-monitor.
omnigent server --background
omnigent server statusNagho-host ang server ng web user interface sa port 6767. Iniuulat ng omnigent server status kung may tumatakbo, at isinasara ito ng omnigent stop. Inalis ng v0.7.0 ang omni server start at pinalitan ito ng omni server --background; ibinalik ito ng v0.9.0 bilang deprecated alias.
Huwag i-publish ang 6767 sa public address. May dalawang ligtas na paraan. Panatilihing sarado ang port sa firewall at i-forward ito sa SSH gamit ang ssh -N -L 6767:localhost:6767 you@your-server, pagkatapos ay buksan ang web interface sa http://localhost:6767 sa sarili mong machine. O mag-terminate ng TLS (transport layer security) sa harap nito at i-enable ang authentication:
OMNIGENT_AUTH_ENABLED=1 omnigent server --backgroundKaraniwang configuration work ang bahagi para sa firewall. Saklaw ito ng mga pangunahing kaalaman sa ufw firewall para sa VPS. Kung nagpapatakbo na ang machine ng mga container sa likod ng Traefik sa harap ng ilang Docker Compose app, isa pang service lang ang Omnigent na sumusunod sa parehong pattern.
Para sa container deploy, nasa deploy/docker/ directory ng repository ang Compose setup: nagmi-mint ang ./bootstrap.sh ng mga secret sa .env, pagkatapos ay sinisimulan ng docker compose up -d ang Omnigent at Postgres, kung saan gumagamit ang server ng port 8000 sa halip na 6767. Binabago ng OMNIGENT_PORT ang host port na iyon. Awtomatikong kino-compute ng Compose ang DATABASE_URL para sa iyo. Sa iba pang deploy target, ginagamit ng parehong variable ang Postgres o SQLite. Ang default ng OMNIGENT_AUTH_ENABLED sa loob ng mga container ay 1, na tamang default para sa anumang naaabot mula sa labas.
Sa sizing, tinatantya ng deploy notes na humigit-kumulang 275 MB RSS ang idle memory use ng server, at nagse-set ang Fly.io config ng 1 GB na machine. Para lamang sa supervisor ang idle measurement; ang 1 GB ay memory ng naka-allocate na machine. Maaaring mag-share ang mga sub-agent ng working directory at environment ng parent, pati ng sandbox nito sa pamamagitan ng os_env: inherit. Desisyon sa orchestration ang paggamit ng magkakahiwalay na git worktree, kaya i-size ang machine batay sa mga harness at agent na sabay-sabay mong pinapatakbo. Kapag naka-up na ang server, nirerehistro ng omnigent login https://your-host na sinusundan ng omnigent host https://your-host ang laptop mo sa server, at ipinagpapatuloy ng omnigent attach <session_id> ang tumatakbong session mula sa ibang device.
I-sandbox ang bawat sub-agent bago ka umalis
Ang Omnigent ay naglalabas ng sandbox sa antas ng operating system na tinatawag na Omnibox. Sa Linux, gumagamit ito ng bubblewrap namespaces at seccomp, kaya ang kernel ang nagpapatupad ng boundary sa halip na ang prompt ng agent. Hindi makakalusot sa kernel rule ang agent na na-injectan ng prompt sa pamamagitan lamang ng mga salita. I-install muna ang dependency:
sudo apt install bubblewrapNasa ilalim ng os_env ang configuration sa agent file:
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: []Read-only ang working directory hanggang mailista mo ito sa write_paths, kaya hindi makakasulat sa labas ng workspace ang agent kapag nagkamali ito. Nananatiling nakatago ang mga top-level dotfile sa ilalim ng working directory at ang bawat read_paths root, maliban kung pinangalanan ang mga ito sa cwd_allow_hidden. Ibig sabihin, hindi basta mailalantad ng malawak na read grant ang mga top-level na .ssh o .aws directory. Bilang default, nakikita pa rin ang mga nested dotfile; itakda ang cwd_hidden_scan_recursive: true upang i-mask ang mga ito sa buong tree. Itakda ang egress_rules at dadaan sa default-deny proxy ang lahat ng HTTP at HTTPS traffic, kung saan ang bawat rule ay isinusulat bilang "METHODS host/path-glob". Mas mahigpit ang credential_proxy: placeholder lamang ang hawak ng agent, at pinapalitan ito ng proxy ng aktuwal na secret habang lumalabas ang request. Kaya walang magagamit na secret na malalabas kahit ma-leak ang transcript. Sa multi-harness setup, may sariling sandbox block ang bawat sub-agent sa sarili nitong config file sa ilalim ng agents/. Dahil dito, maaaring pagbawalan sa network ang reviewer habang pinananatili itong available sa implementer.
Nakapahayag sa documentation ang limitasyon, at mahalaga ito. Nalalapat ang OS sandbox sa mga sys_os_* tool call at sa mga terminal. Hindi nito saklaw ang MCP servers, at hindi rin nito saklaw ang Omnigent supervisor process mismo. Ang MCP server na sinimulan mo ay tumatakbo sa labas ng sandbox gamit ang mga permission mo. Dahil sa puwang na ito, mas matibay pa rin ang pattern na gumamit ng isang throwaway machine para sa bawat agent. Ito ang paksa ng pagpapatakbo ng coding agent sa disposable VM. Ang kabilang bahagi ng gawain ay ang credentials. Mas nagiging mahirap, hindi mas madali, ang paglalayo ng secrets sa abot ng agent kapag anim na sub-agent ang nagbabahagi ng iisang host.
Mga policy ang spend threshold at idinedeklara ang mga ito sa parehong file:
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]Ang cost_budget policy ay humihingi ng approval sa soft threshold at bilang default ay bina-block ang lahat ng model sa max_cost_usd. Kapag nagtakda ng non-empty na expensive_models list, nagiging downgrade gate ang limit: maaaring magpatuloy sa paggastos ang mga model na wala sa listahang iyon. Ang run na nagpaplano gamit ang isang vendor, nagpapatupad gamit ang ikalawa, at nagre-review gamit ang ikatlo ay sabay-sabay na gumagastos sa tatlong lugar. Kaya itakda ang mga threshold bago ang unang unattended run, hindi pagkatapos ng unang invoice. Kasama rin sa built-in ang max_tool_calls_per_session at ask_on_os_tools, na humihingi ng approval bago ang file at shell operations. Direktang naaangkop dito ang aming mga tala tungkol sa pagkontrol sa gastos ng AI agent sa isang VPS, at mas mahalaga pa ito rito dahil pinaparami ng parallel sub-agent ang burn rate.
Gaano kabilis umusad ang repository na ito?
Ang datos sa likod ng tsart na ito
[
{
"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
}
]Iyan ang mga petsa ng published release mula sa sariling releases page ng proyekto, na binasa noong 3 August 2026. 7 tagged release ang inilabas sa pagitan ng 2026-06-19 at 2026-07-27, at ang pinakamahabang pagitan ng alinmang dalawang release ay 11 araw. Inilabas ang v0.5.1 sa parehong araw ng naunang release. Walang entry sa GitHub releases page ang unang dalawang PyPI release, 0.1.0 noong 13 June 2026 at 0.1.1 noong 16 June 2026, kaya hindi isinama ang mga ito sa chart; ang tatlong araw na ipinapakita para sa v0.2.0 ay binilang mula sa 0.1.1.
Dalawa sa mga release na iyon ang nagbago ng mga command na naidokumento na ng mga guide. Inalis ng v0.7.0 ang omni server start at pinalitan ito ng omni server --background. Pinalitan ng v0.6.0 ang pangalan ng omnigent[memory] extra at ginawa itong omnigent[hindsight], ngunit pinanatili ang memory bilang compatibility alias na gumagana pa hanggang 0.10.0. Simula sa 0.11.0, na inilabas noong 25 August 2026, wala na ang alias. Dahil dito, hindi na mai-install ng install line na kinopya mula sa write-up noong June ang Hindsight client. Ito ang dahilan kung bakit kailangang gamitin ang --version sa install command at maglagay ng tag sa iyong git clone; hindi ito usapin ng style preference.
Hindi bumagal ang paglabas ng mga release mula noong pagsusuring iyon. Noong 29 October 2026, nakalista sa PyPI ang 0.20.0, na inilabas noong 28 October, labintatlong minor release pagkatapos ng 0.7.0. Tinutukoy ng release notes ng proyekto ang breaking changes sa ilan sa mga ito. Dalawa ang mahalaga para sa anumang kokopyahin mula sa page na ito: sa v0.12.0, ang isang standalone na omni ay nagse-start ng background host sa halip na Polly agent (ang omni run na ngayon ang naglulunsad ng default agent), at sa v0.13.0, kinakailangan ang tmux 3.3 o mas bago para sa managed terminals.
Mga bagay na hindi ko pa pagkakatiwalaan dito
Noong 27 October 2026, mayroon ang repository ng humigit-kumulang 11k stars, 1.8k forks, at mga 910 open issue, habang mahigit apat na buwan pa lamang ang unang public release nito. Sinusukat ng stars ang interes, at hindi nangangahulugan ang interes na mature na ang proyekto. Alpha ang sinasabi ng proyekto, at ipinapakita ng release history sa itaas na alpha nga ang ibig sabihin nito.
- Hindi ko ito patatakbuhin sa host na naglalaman ng production credentials, dahil hindi saklaw ng sandbox ang MCP servers o ang supervisor.
- Hindi ko iiwan ang isang run nang walang bantay kung walang
cost_budgetpolicy, dahil maaaring sabay na maningil ang tatlong vendor; kapag hindi walang laman ang listahangexpensive_models, maaaring magpatuloy ang paggastos sa mas murang models. - Hindi ko ilalantad ang server sa public IP address nang hindi naka-set ang
OMNIGENT_AUTH_ENABLEDat walang TLS sa harap nito. - Hindi ko pa ituturing na stable ang agent YAML sa pagitan ng mga minor version, kaya i-pin ang version at basahin ang release notes bago mag-upgrade.
May isa pang dapat malaman bago ka mabigla: nagdagdag ang v0.6.0 ng anonymised usage telemetry, sinasabi ng README na kinokolekta ito bilang default, at idinodokumento ito ng proyekto, kasama ang paraan ng pag-opt out, sa isang nakalaang telemetry page. Basahin ang page na iyon at sadyang magpasya kung humahawak ang machine ng client work.
Ang tunay na mahusay na ginagawa ng Omnigent sa kasalukuyan ay ang mismong layunin kung bakit ito ginawa. Mayroon kang tatlo o apat na agent CLI, binabayaran mo na ang mga ito, at gusto mong may isang sumulat habang may ibang nagre-review. Gumagana na ito ngayon, sa isang machine, na may aktuwal na sandboxing sa Linux. Ituring na promising ngunit hindi pa tapos ang lahat ng higit pa rito.
FAQ
Agent ba ang Omnigent, o isang bagay na nagpapatakbo ng mga agent?
Nagpapatakbo ito ng mga agent. Ang Omnigent ay isang meta-harness: sinisimulan nito ang mga vendor CLI na na-install mo na, gaya ng Claude Code, Codex, o OpenCode, binibigyan ang bawat isa ng trabaho, at sinusubaybayan ang mga resulta sa isang session. Wala itong sariling model. Dahil dito, iba ito sa isang framework, kung saan nagsusulat ka ng Python laban sa isang library at ang sarili mong program ang nagiging agent.
Kailangan ko bang i-install ang Claude Code at Codex bago maging kapaki-pakinabang ang Omnigent?
Kailangan mong may hindi bababa sa isang vendor CLI na naka-install at naka-login, dahil pinapatakbo ng Omnigent ang mga program na iyon sa halip na palitan ang mga ito. Para sa kasamang Polly example, kailangan mo ng dalawa o higit pang CLI mula sa magkakaibang vendor. Ayon sa rule ng Polly, palaging ibang vendor ang nagsasagawa ng review kaysa sa implementer. Kaya kung iisang CLI lamang ang available, walang pangalawang vendor na pagpapadalhan ng diff.
Paano ako mag-i-install ng partikular na Omnigent version sa halip na ang pinakabago?
Ipasa ang --version sa install script gamit ang sh -s --, gaya ng nasa sh -s -- --version 0.7.0. Kung wala ang -s --, ituturing ng sh ang --version bilang sarili nitong option at hindi kailanman tatakbo ang installer: halimbawa, ipi-print ng Bash ang sarili nitong version at lalabas. Kung mayroon nang uv, pareho ang ginagawa ng uv tool install --force --python 3.12 "omnigent==0.7.0". Ang git tag ay v0.7.0, samantalang ang PyPI version string ay 0.7.0.
Sapat na ba ang Omnibox sandbox para magpatakbo ng mga agent nang walang supervision?
Matibay ito para sa saklaw na sinusuportahan nito, at malinaw kung ano ang hindi nito saklaw. Sa Linux, gumagamit ito ng bubblewrap at seccomp, kaya kernel ang nagpapatupad ng mga limitasyon sa file at network at hindi maaaring i-bypass ng agent ang mga ito. Nakasaad sa documentation na nalalapat ito sa sys_os_* tool calls at terminal, ngunit hindi nito saklaw ang mga MCP server o ang Omnigent supervisor process. Kaya tumatakbo ang MCP server gamit ang normal mong permissions. Dahil dito, mas matibay pa rin ang isolation na gumagamit ng disposable virtual machine para sa bawat agent kapag unattended ang trabaho.
Gaano karaming memory ang kailangan ng isang Omnigent server sa isang VPS?
Ayon sa deploy notes ng proyekto, humigit-kumulang 275 MB RSS ang ginagamit kapag idle, at naglalaan ang Fly.io configuration nito ng 1 GB machine. Saklaw ng idle measurement ang server lamang, hindi ang mga sub-agent nito. Maaaring gamitin ng mga sub-agent ang working directory at environment ng parent, pati ang sandbox nito sa pamamagitan ng os_env: inherit; hindi garantisado ang magkakahiwalay na working copy. Gumagamit ang Polly-style run ng mga parallel git worktree. Kaya maglaan ng RAM at disk batay sa bilang ng agent na balak mong patakbuhin nang sabay, hindi batay sa server lamang.