SSD Nodes Learn Hosting plans →
تعلیمی Matt Connorتحریر: Matt Connor

Omnigent کیا ہے؟ agent CLIs کے لیے ایک meta-harness

Omnigent آپ کے installed agent CLIs چلاتا ہے۔ meta-harness سمجھیں، release 0.7.0 کو pin کریں، اور ہر agent کو VPS پر sandbox کرنے کا طریقہ جانیں۔

Omnigent کیا ہے

Omnigent ایک open source meta-harness ہے: یہ ایک orchestration layer ہے جو آپ کے پہلے سے نصب agent command line tools (CLIs) چلاتی ہے۔ یہ Claude Code، Codex، Cursor، OpenCode، Hermes یا Pi کی جگہ نہیں لیتی۔ یہ انہیں شروع کرتی ہے، ہر ایک کو ایک کام دیتی ہے، اور ایک ہی policy set کے تحت ایک session کے اندر نتائج کی نگرانی کرتی ہے۔ Databricks نے یہ repository June 2026 میں Apache 2.0 licence کے تحت شائع کی، اور PyPI اب بھی اس package کو alpha کے طور پر درجہ بند کرتا ہے۔

اس کا عملی دعویٰ محدود ہے اور اسے واضح طور پر بیان کرنا مفید ہے۔ آپ YAML میں ایک agent کی تعریف ایک بار کرتے ہیں اور اس harness کا نام درج کرتے ہیں جو اسے چلاتا ہے۔ وہ ایک سطر تبدیل کریں، اور وہی agent کسی دوسرے vendor کے CLI پر چلنے لگتا ہے۔ آپ کے setup میں کوئی اور تبدیلی نہیں ہوتی، کیونکہ Omnigent agents کے اندر موجود loop کے بجائے ان کے اوپر موجود loop کو manage کرتی ہے۔

میٹا-hارنس کیا ہے، اور یہ framework سے کیسے مختلف ہے؟

ہارنس وہ program ہے جو model کو ایک loop میں چلاتا ہے۔ یہ آپ کا prompt پڑھتا ہے، tools کو call کرتا ہے، files میں ترمیم کرتا ہے، اور نتیجہ واپس دیتا ہے۔ Claude Code ایک harness ہے۔ Codex ایک harness ہے۔ آپ اسے install کرتے ہیں، login کرتے ہیں، اور یہ خود کام کرتا ہے۔

framework وہ library ہے جس کے لیے آپ code لکھتے ہیں۔ آپ اسے import کرتے ہیں، Python میں steps متعین کرتے ہیں، اور آپ کا program agent بن جاتا ہے۔ وہاں vendor تبدیل کرنے کے لیے code میں ترمیم کرنا پڑتی ہے، کیونکہ vendor کا client آپ کے program کے ذریعے مربوط ہوتا ہے۔

meta-harness دونوں سے ایک سطح اوپر ہوتا ہے۔ یہ ایک supervisor ہے جو harnesses کو child processes کے طور پر چلاتا ہے۔ Omnigent vendor CLI شروع کرتا ہے، اسے کام دیتا ہے، اور واپس آنے والا output پڑھتا ہے۔ آپ وہ CLI برقرار رکھتے ہیں جو پہلے سے install ہے، اور وہ subscription یا API (application programming interface) key بھی برقرار رکھتے ہیں جس سے اس کی ادائیگی پہلے ہی ہو رہی ہے۔ یہی مکمل فرق ہے، اور اسی سے طے ہوتا ہے کہ یہ tool کن لوگوں کے لیے ہے: وہ لوگ جن کے پاس پہلے سے کئی agent CLIs کام کر رہے ہیں اور جو انہیں ایک وقت میں ایک terminal کے ذریعے چلانے سے اکتا چکے ہیں۔

کون سا مسئلہ ایک orchestration layer حل کرتی ہے؟

  • vendor تبدیل کرنے کی لاگت ایک line ہے۔ Agent definition میں harness اور model بطور data موجود ہوتے ہیں، اس لیے کسی role کو ایک vendor سے دوسرے vendor میں منتقل کرنے کے لیے YAML file میں edit کافی ہوتا ہے، مکمل rewrite نہیں۔
  • Review مختلف vendors کے درمیان ہو سکتا ہے۔ ایک model کی تیار کردہ diff کو کسی دوسری company کے model سے پڑھوایا جاتا ہے۔ ایک ہی family کے دو models عموماً ایک جیسی blind spots رکھتے ہیں، اس لیے اسی vendor سے دوسری رائے کی قدر کم ہوتی ہے۔
  • Policy کا ایک ہی مرکز ہوتا ہے۔ Budget thresholds اور approval prompts agent file میں declare کیے جاتے ہیں، اور اس کے تحت موجود ہر sub-agent پر لاگو ہوتے ہیں۔
  • Session کسی ایک tool تک محدود نہیں رہتا۔ ایک transcript میں کئی CLIs سے کیا گیا کام شامل ہوتا ہے، اس لیے چار scrollbacks کو جوڑنے کے بجائے آپ مکمل کارروائی دوبارہ پڑھ سکتے ہیں۔

اس کی لاگت خود یہ layer ہے۔ Omnigent میں ہر bug اب آپ اور اس agent کے درمیان موجود ایک bug بن جاتا ہے جو پہلے خود کام کر رہا تھا۔ Alpha مرحلے میں یہ حقیقی لاگت ہے، محض نظری نہیں۔

ملٹی ایجنٹ ہارنس، سنگل ایجنٹ ٹولز کے ساتھ کہاں موزوں ہے

اگر آپ نے ابھی تک کسی سرور پر ایک ایجنٹ نہیں چلایا تو پہلے وہی کریں۔ ہماری VPS پر coding agent چلانے کی رہنما single-agent صورتِ حال کو ابتدا سے آخر تک بیان کرتی ہے، اور Omnigent یہ فرض کرتا ہے کہ آپ کے پاس پہلے سے یہی setup موجود ہے۔ self-hosted AI agents کا وسیع شعبہ ان agents کے انتخاب سے متعلق ہے، جبکہ agents حقیقت میں کیسے کام کرتے ہیں یہ سیکھنا اس وقت بہتر ابتدائی مرحلہ ہے جب یہاں استعمال ہونے والی اصطلاحات نئی ہوں۔

Omnigent، connector layer سے بھی ایک مختلف پہلو ہے۔ agents کو اپنے data sources تک رسائی دینا جیسے کام اس بات سے متعلق ہیں کہ کوئی agent کن resources تک پہنچ سکتا ہے۔ Omnigent کا تعلق اس سے ہے کہ کون سا agent چلتا ہے، کس ترتیب سے چلتا ہے، اور کن حدود کے تحت چلتا ہے۔ آپ بیک وقت دونوں چاہتے ہو سکتے ہیں، کیونکہ یہ ایک دوسرے کا متبادل نہیں ہیں۔

انسٹالیشن سے پہلے درکار چیزیں

  • Python 3.12 یا اس کے بعد کا ورژن۔ شائع کردہ package میں requires-python >= 3.12 درج ہے۔
  • tmux، کیونکہ terminal harnesses اسی کے اندر چلتے ہیں۔
  • کم از کم ایک vendor CLI، جو پہلے سے installed ہو اور اس میں پہلے ہی login کیا جا چکا ہو۔
  • Node.js 22 یا اس کے بعد کا ورژن، جس میں npm موجود ہو، کیونکہ Claude، Codex اور Pi harnesses کو ان کی ضرورت ہوتی ہے۔ installer Node 22.10 یا اس کے بعد کا ورژن چیک کرتا ہے اور موجود نہ ہونے پر warning دکھاتا ہے۔ Omnigent کو خود Node کی ضرورت نہیں ہوتی: PyPI پر موجود wheel میں built web assets شامل ہوتے ہیں، اور صرف git checkout سے build کرنے کی صورت میں Node لازمی requirement بنتا ہے۔

پن کی گئی release انسٹال کریں، main نہیں

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

sh -s -- حصہ محض آرائش نہیں ہے۔ اس کے بغیر sh، --version کو اپنا الگ option سمجھتا ہے، اور installer بالکل نہیں چلتا۔ جب sh، Bash ہو تو یہ Bash کا اپنا version دکھا کر کامیابی کے ساتھ exit کر جاتا ہے؛ اس طرح کچھ بھی انسٹال نہیں ہوتا اور کوئی warning بھی نہیں آتی۔ -s -- کے ساتھ sh، script کو pipe سے پڑھتا ہے اور --version 0.7.0 کو installer تک پہنچاتا ہے۔ ایسے repository میں جہاں ہر چند ہفتوں بعد breaking changes آتی ہوں، یہی reproducible box اور غیر متوقع تبدیلی کے درمیان فرق ہے۔

29 October 2026 تک release 0.7.0 اب بھی PyPI پر شائع ہے، لیکن تازہ ترین release اب 0.22.0 ہے، جو 13 November 2026 کی ہے۔ اس سے پہلے کی release 0.19.1 ایک security-focused patch ہے جس میں نئی خصوصیات شامل نہیں ہیں۔ یہ eMudhra intermediate certificate authority کے compromise کے بعد dependencies کو update کرتی ہے، اور project upgrade کرنے کی سفارش کرتا ہے۔ اہم چیز version number نہیں بلکہ pin ہے: جس version کو آپ نے test کیا ہو اسے pin کریں، اور اسے تبدیل کرنے سے پہلے release notes میں breaking changes پڑھیں۔ تاہم pin کرنا security release چھوڑنے کی وجہ نہیں ہے؛ نئی security release آنے پر version تبدیل کریں۔

Installer، Astral کے Python package manager، uv کو استعمال کرتا ہے، اور اگر uv موجود نہ ہو تو پہلے اسے انسٹال کرنے کی پیشکش کرتا ہے۔ اگر uv پہلے ہی موجود ہے تو script چھوڑ دیں:

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

Extras بھی یہی pattern استعمال کرتے ہیں، اور flag دوبارہ دینا ہوتا ہے: script کے ساتھ --extra e2b --extra kubernetes، یا uv کے ساتھ "omnigent[e2b,kubernetes]"۔ اگر آپ --no-databricks پاس نہ کریں تو script databricks extra بھی شامل کرتی ہے، جبکہ اوپر دی گئی uv line package کو اس extra کے بغیر انسٹال کرتی ہے۔ یاد رکھیں کہ git tag v0.7.0 ہے، جبکہ PyPI پر package version 0.7.0 ہے۔

uv binary کو اس directory میں رکھتا ہے جس کی اطلاع uv tool dir --bin دیتا ہے، عموماً ~/.local/bin، اور installer اسے آپ کے shell profile میں شامل کرنے کی پیشکش کرتا ہے۔ اگر clean install کے فوراً بعد command نہ ملے تو اس کی یہی وجہ ہے۔ معلوم کریں کہ آخر انسٹال کیا ہوا ہے:

omni upgrade --check

یہ installed version کا موازنہ تازہ ترین شائع شدہ version سے کرتا ہے اور بتاتا ہے کہ upgrade موجود ہے یا نہیں، لیکن upgrade خود نہیں کرتا۔ omni اور omnigent ایک ہی program کے دو نام ہیں۔

ماڈل فراہم کنندہ کی طرف اسے متعین کریں

omni setup

وزرڈ آپ کے environment میں پہلے سے موجود credentials تلاش کرتا ہے اور جو credentials موجود نہ ہوں، ان کے لیے prompt دکھاتا ہے۔ یہ API keys، vendor subscriptions، OpenRouter یا Ollama جیسے gateways، اور Databricks workspaces کو handle کرتا ہے۔ اگر آپ اسی machine پر پہلے ہی Ollama کے ساتھ local model server چلا رہے ہیں تو gateway کو اس server کی طرف متعین کریں، اور network traffic کبھی اس machine سے باہر نہیں جاتا۔

ایک کم سے کم multi-agent رن

مثالی agents repository میں موجود ہیں، اس لیے اپنے نصب کردہ tag کو clone کریں، نہ کہ main۔

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

Polly، repository کے ساتھ فراہم کردہ multi-agent coding orchestrator ہے۔ اس کی config میں claude_code، codex، opencode، cursor، hermes اور pi نامی sub-agents درج ہیں۔ اس میں ایک ایسا rule بھی ہے جو پورے عمل کو قابلِ استعمال بناتا ہے: review ہمیشہ implementer سے مختلف vendor کرتا ہے۔ Polly خود code نہیں لکھتا۔ یہ منصوبہ بناتا ہے، goal کو work items میں تقسیم کرتا ہے، ہر item کو delegate کرتا ہے، اور ہر diff کو کسی دوسرے vendor کے reviewer تک پہنچاتا ہے۔

کسی بھی کام کو delegate کرنے سے پہلے Polly preflight check چلاتا ہے تاکہ معلوم ہو سکے کہ machine پر کون سے sub-agent CLIs واقعی موجود ہیں۔ اگر صرف ایک vendor کا CLI نصب ہو تو diff بھیجنے کے لیے کوئی دوسرا vendor موجود نہیں ہوگا۔ اس لیے output کا جائزہ لینے سے پہلے کم از کم دو vendors نصب کریں۔ فراہم کردہ دوسری مثال Debby ہے۔ یہ دو heads والا debate agent ہے، جس میں ایک Claude اور ایک GPT ہے:

omni debby

یہ اس بات کی مختصر تصدیق کا طریقہ ہے کہ دو providers configured ہیں، کیونکہ Debby کو کچھ کہنے کے لیے دونوں درکار ہوتے ہیں۔

ذیلی ایجنٹس بطور tools متعین کیے جاتے ہیں

Agent file YAML میں ہوتی ہے۔ executor میں harness، model اور authentication کے نام متعین ہوتے ہیں۔ tools میں MCP (model context protocol) servers، Python functions اور sub-agents شامل ہوتے ہیں۔ ذیلی ایجنٹ ایک ایسا tool ہے جس میں type: agent اور اپنا executor ہوتا ہے، اور یہی اوپر بیان کردہ تمام اجزا کے پیچھے موجود طریقۂ کار ہے۔

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

یہ model ids پروجیکٹ کی اپنی docs/AGENT_YAML_SPEC.md مثال سے آتی ہیں، اور یہ Databricks-hosted نام ہیں۔ harness اور model کو ان values سے تبدیل کریں جنہیں omni setup نے آپ کے box پر configure کیا ہے۔ spec میں دیگر harness values میں antigravity، copilot، kimi اور qwen شامل ہیں۔ main پر موجود موجودہ spec کسی بھی Agent Client Protocol server کے لیے acp:<slug> کو بھی document کرتی ہے، لیکن v0.7.0 spec میں یہ شامل نہیں ہے۔ اس لیے اس پر انحصار کرنے سے پہلے تصدیق کریں کہ یہ آپ کے pinned version پر کام کرتا ہے۔ spec ذیلی ایجنٹ پر pass_history: true کو بھی support کرتی ہے، جس سے اسے parent conversation فراہم کی جاتی ہے۔ ہر delegation پر اس کے لیے tokens خرچ ہوتے ہیں، اس لیے ان sub-agents کے لیے اسے بند رکھیں جنہیں صرف اپنے سامنے موجود task درکار ہو۔ ایسا coder جس کا prompt اسے کام کرنے والی کم سے کم تبدیلی کرنے کی ہدایت دیتا ہے، اپنے reviewer کو اتنا مختصر diff فراہم کرتا ہے جسے حقیقتاً پڑھا جا سکے۔ یہاں یہ بات اس model سے زیادہ اہم ہے جسے آپ دونوں roles کے لیے منتخب کرتے ہیں۔

طویل دورانیے کی orchestration کے لیے VPS کیوں موزوں ہے

کئی agents پر مشتمل run دو منٹ کی command نہیں ہوتی۔ اس میں منصوبہ بندی، کام تفویض کرنا، متوازی git worktrees پر انتظار کرنا، جائزہ لینا اور نظرثانی کرنا شامل ہے۔ Laptop کا lid بند کرنے سے یہ سب رک جاتا ہے۔ VPS (virtual private server) چلتا رہتا ہے اور اپنا network برقرار رکھتا ہے، اس لیے آپ کی نگرانی نہ ہونے کے دوران بھی session جاری رہتا ہے۔

omnigent server --background
omnigent server status

Server port 6767 پر web user interface فراہم کرتا ہے۔ omnigent server status بتاتا ہے کہ کوئی server چل رہا ہے یا نہیں، اور omnigent stop اسے بند کر دیتا ہے۔ v0.7.0 میں omni server start کو ہٹا کر اس کی جگہ omni server --background شامل کیا گیا؛ v0.9.0 میں اسے deprecated alias کے طور پر بحال کر دیا گیا۔

6767 کو public address پر publish نہ کریں۔ دو محفوظ طریقے ہیں۔ Firewall میں port بند رکھیں اور ssh -N -L 6767:localhost:6767 you@your-server کے ذریعے اسے SSH پر forward کریں، پھر اپنی machine پر http://localhost:6767 سے web interface کھولیں۔ یا اس کے سامنے TLS (transport layer security) terminate کریں اور authentication فعال کریں:

OMNIGENT_AUTH_ENABLED=1 omnigent server --background

اس کے firewall حصے کا کام عام نوعیت کا ہے اور VPS کے لیے ufw firewall کی بنیادی باتیں میں بیان کیا گیا ہے۔ اگر اس machine پر پہلے ہی کئی Docker Compose apps کے سامنے Traefik کے ذریعے containers چل رہے ہوں تو Omnigent اسی pattern میں ایک مزید service ہے۔

Container deploy کے لیے repository کی deploy/docker/ directory میں Compose setup موجود ہے: ./bootstrap.sh secrets کو .env میں بناتا ہے، پھر docker compose up -d Omnigent اور Postgres شروع کرتا ہے، جبکہ server 6767 کے بجائے port 8000 پر چلتا ہے۔ OMNIGENT_PORT اس host port کو تبدیل کرتا ہے۔ Compose آپ کے لیے DATABASE_URL calculate کرتا ہے۔ دیگر deploy targets پر یہی variable Postgres یا SQLite منتخب کرتا ہے۔ Containers کے اندر OMNIGENT_AUTH_ENABLED کی default value 1 ہے، جو باہر سے قابل رسائی ہر چیز کے لیے درست default ہے۔

Sizing کے بارے میں deploy notes server کے idle memory use کو تقریباً 275 MB RSS بتاتی ہیں، جبکہ Fly.io config میں 1 GB machine مقرر کی گئی ہے۔ Idle measurement صرف supervisor کے لیے ہے؛ 1 GB allocated machine memory ہے۔ Sub-agents parent کی working directory اور environment share کر سکتے ہیں، جس میں os_env: inherit کے ذریعے sandbox بھی شامل ہے۔ علیحدہ git worktrees orchestration کا انتخاب ہیں، اس لیے machine کا size ان harnesses اور agents کے مطابق رکھیں جنہیں آپ بیک وقت چلاتے ہیں۔ Server شروع ہونے کے بعد omnigent login https://your-host اور پھر omnigent host https://your-host آپ کے laptop کو اس کے ساتھ register کرتا ہے، جبکہ omnigent attach <session_id> کسی دوسرے device سے چلتے ہوئے session کو دوبارہ جاری کرتا ہے۔

ہر sub-agent کو رخصت ہونے سے پہلے sandbox میں محدود کریں

Omnigent ایک operating system سطح کا sandbox فراہم کرتا ہے جسے Omnibox کہا جاتا ہے۔ Linux پر یہ bubblewrap namespaces اور seccomp استعمال کرتا ہے، اس لیے حد agent کے prompt کے بجائے kernel نافذ کرتا ہے۔ Prompt injection کا شکار agent kernel rule سے باتوں کے ذریعے باہر نہیں نکل سکتا۔ پہلے dependency install کریں:

sudo apt install bubblewrap

Configuration agent file میں os_env کے تحت موجود ہوتی ہے:

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 read only رہتی ہے، جب تک آپ اسے write_paths میں درج نہ کریں۔ اس لیے غلطی کرنے والا agent workspace سے باہر نہیں لکھ سکتا۔ Working directory کی سطحی dotfiles اور ہر read_paths root اس وقت تک پوشیدہ رہتے ہیں جب تک انہیں cwd_allow_hidden میں نام سے درج نہ کیا جائے۔ اس کا مطلب ہے کہ وسیع read grant سطحی .ssh یا .aws directories کو خاموشی سے ظاہر نہیں کرتا۔ Nested dotfiles بطور default نظر آتی رہتی ہیں؛ انہیں پورے tree میں mask کرنے کے لیے cwd_hidden_scan_recursive: true مقرر کریں۔ egress_rules مقرر کرنے سے تمام HTTP اور HTTPS traffic default deny proxy سے گزرتی ہے، اور ہر rule "METHODS host/path-glob" کے طور پر لکھی جاتی ہے۔ credential_proxy ایک قدم آگے جاتا ہے: agent کے پاس صرف placeholder رہتا ہے، اور request کے باہر جاتے وقت proxy اصل secret شامل کر دیتا ہے۔ اس لیے transcript لیک ہونے پر کوئی قابل استعمال secret ظاہر نہیں ہوتا۔ Multi-harness setup میں ہر sub-agent اپنی config file میں agents/ کے تحت اپنا sandbox block رکھتا ہے، اس لیے reviewer کے لیے network access بند کیا جا سکتا ہے جبکہ implementer اسے برقرار رکھتا ہے۔

Documentation میں اس حد کی وضاحت موجود ہے، اور یہ اہم ہے۔ OS sandbox sys_os_* tool calls اور terminals پر لاگو ہوتا ہے۔ یہ MCP servers پر لاگو نہیں ہوتا، اور Omnigent supervisor process پر بھی لاگو نہیں ہوتا۔ آپ کا شروع کیا ہوا MCP server اس sandbox سے باہر، آپ کی permissions کے ساتھ چلتا ہے۔ اسی خلا کی وجہ سے زیادہ مضبوط طریقہ اب بھی ہر agent کے لیے ایک الگ throwaway machine ہے۔ اس موضوع پر disposable VM میں coding agents چلانا ملاحظہ کریں۔ کام کا دوسرا حصہ credentials ہیں، اور secrets کو agent کی رسائی سے دور رکھنا اس وقت آسان نہیں بلکہ مزید مشکل ہو جاتا ہے جب چھ sub-agents ایک ہی host share کریں۔

Spend thresholds policies ہوتی ہیں اور اسی file میں declare کی جاتی ہیں:

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 policy soft thresholds پر approval طلب کرتی ہے اور default طور پر max_cost_usd پر تمام models کو block کرتی ہے۔ Non-empty expensive_models list مقرر کرنے سے limit downgrade gate بن جاتی ہے: اس list سے باہر کے models spending جاری رکھ سکتے ہیں۔ اگر ایک run planning کے لیے ایک vendor، implementation کے لیے دوسرے vendor، اور review کے لیے تیسرے vendor کو استعمال کرے تو بیک وقت تین جگہ spending ہوتی ہے۔ اس لیے پہلے unattended run سے پہلے thresholds مقرر کریں، پہلے invoice کے بعد نہیں۔ Built-ins میں max_tool_calls_per_session اور ask_on_os_tools بھی شامل ہیں، جو file اور shell operations سے پہلے approval طلب کرتے ہیں۔ VPS پر AI agent کے اخراجات قابو میں رکھنا سے متعلق ہماری ہدایات یہاں براہ راست لاگو ہوتی ہیں، اور اس سے بھی زیادہ اہم ہیں، کیونکہ parallel sub-agents burn rate میں کئی گنا اضافہ کرتے ہیں۔

یہ repository کتنی تیزی سے آگے بڑھ رہا ہے؟

چارٹDays between tagged Omnigent releases, v0.2.0 to v0.7.0
اس چارٹ کے پیچھے کا ڈیٹا
[
  {
    "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
  }
]

یہ project کے اپنے releases page پر شائع کردہ release dates ہیں، جنہیں 3 August 2026 کو پڑھا گیا تھا۔ 7 tagged releases، 2026-06-19 اور 2026-07-27 کے درمیان جاری ہوئیں، اور کسی بھی دو releases کے درمیان سب سے طویل وقفہ 11 دن تھا۔ v0.5.1 اسی دن جاری ہوئی جس دن اس سے پچھلی release جاری ہوئی تھی۔ پہلی دو PyPI releases، 0.1.0 جو 13 June 2026 کو جاری ہوئی اور 0.1.1 جو 16 June 2026 کو جاری ہوئی، GitHub releases page پر درج نہیں ہیں اور chart میں شامل نہیں کی گئیں؛ v0.2.0 کے لیے دکھائے گئے تین دن 0.1.1 سے شمار کیے گئے ہیں۔

ان releases میں سے دو نے وہ commands تبدیل کیں جنہیں guides پہلے ہی document کر چکی تھیں۔ v0.7.0 نے omni server start کو ہٹا کر اس کی جگہ omni server --background استعمال کیا۔ v0.6.0 نے omnigent[memory] extra کا نام بدل کر omnigent[hindsight] کر دیا، لیکن compatibility alias کے طور پر memory برقرار رکھا، جو 0.10.0 تک کام کرتا رہا۔ 25 August 2026 کو جاری ہونے والی 0.11.0 سے یہ alias ختم ہو گیا، اس لیے June کی تحریر سے copy کی گئی install line اب Hindsight client install نہیں کرتی۔ اسی وجہ سے اپنی install command میں --version اور اپنے git clone میں tag شامل کرنا ضروری ہے؛ یہ صرف style کی ترجیح نہیں ہے۔

اس reading کے بعد رفتار کم نہیں ہوئی۔ 29 October 2026 تک PyPI پر 0.20.0 درج ہے، جو 28 October کو جاری ہوئی تھی۔ یہ 0.7.0 کے بعد تیرہ minor releases بنتی ہیں، اور project کے release notes میں ان میں سے کئی کے لیے breaking changes کی نشاندہی کی گئی ہے۔ اس صفحے سے copy کی جانے والی چیزوں کے لیے دو تبدیلیاں اہم ہیں: v0.12.0 میں سادہ omni استعمال کرنے سے Polly agent کے بجائے background host شروع ہوتا ہے، جبکہ omni run اب default agent شروع کرتا ہے؛ اور v0.13.0 میں managed terminals کے لیے tmux 3.3 یا اس کے بعد کا ورژن درکار ہے۔

جس کام کے لیے میں اسے ابھی قابلِ اعتماد نہیں سمجھوں گا

27 October 2026 تک اس repository پر تقریباً 11k stars، 1.8k forks اور لگ بھگ 910 open issues موجود ہیں، جبکہ اس کی پہلی public release کو چار ماہ سے کچھ زیادہ وقت گزرا ہے۔ Stars دلچسپی کو ظاہر کرتے ہیں، maturity کو نہیں۔ Project خود اسے alpha کہتا ہے، اور اوپر دی گئی release history بھی واضح کرتی ہے کہ اس سے مراد واقعی alpha ہے۔

  • میں اسے ایسے host پر نہیں چلاؤں گا جس پر production credentials موجود ہوں، کیونکہ sandbox میں MCP servers یا supervisor شامل نہیں ہیں۔
  • میں cost_budget policy کے بغیر کسی run کو unattended نہیں چھوڑوں گا، کیونکہ تین vendors بیک وقت billing کر سکتے ہیں؛ اور non-empty expensive_models list کی صورت میں خرچ کم قیمت models پر جاری رہ سکتا ہے۔
  • میں OMNIGENT_AUTH_ENABLED set کیے بغیر اور اس کے سامنے TLS کے بغیر server کو public IP address پر expose نہیں کروں گا۔
  • میں ابھی agent YAML کو minor versions کے درمیان stable نہیں سمجھوں گا، اس لیے version pin کریں اور upgrade سے پہلے release notes پڑھیں۔

ایک اور بات ہے جس کے بارے میں پہلے جان لینا چاہیے، تاکہ بعد میں یہ آپ کے لیے غیر متوقع نہ ہو: v0.6.0 نے anonymised usage telemetry شامل کی، README کے مطابق یہ default طور پر collect ہوتی ہے، اور project نے اس کی documentation، بشمول opt out کرنے کا طریقہ، ایک dedicated telemetry page پر فراہم کی ہے۔ اگر machine پر client work ہوتا ہے تو اس page کو پڑھیں اور سوچ سمجھ کر فیصلہ کریں۔

آج Omnigent جس کام میں واقعی اچھا ہے، وہی کام ہے جس کے لیے اسے بنایا گیا تھا۔ آپ کے پاس تین یا چار agent CLIs ہیں، آپ پہلے ہی ان کی ادائیگی کر رہے ہیں، اور آپ چاہتے ہیں کہ ان میں سے ایک لکھے جبکہ دوسرا review کرے۔ یہ اب ایک ہی machine پر، Linux میں حقیقی sandboxing کے ساتھ، کام کرتا ہے۔ اس کے بعد کی ہر چیز کو promising لیکن unfinished سمجھیں۔

FAQ

کیا Omnigent ایک agent ہے، یا agents چلانے والی چیز ہے؟

یہ agents چلاتا ہے۔ Omnigent ایک meta-harness ہے: یہ وہ vendor CLIs شروع کرتا ہے جو آپ پہلے ہی install کر چکے ہیں، مثلاً Claude Code، Codex یا OpenCode، ہر ایک کو کام دیتا ہے، اور ایک ہی session میں نتائج کی نگرانی کرتا ہے۔ اس کا اپنا کوئی model نہیں ہے۔ اسی لیے یہ framework سے مختلف ہے، جہاں آپ library کے خلاف Python لکھتے ہیں اور آپ کا اپنا program agent بن جاتا ہے۔

کیا Omnigent کے مفید ہونے سے پہلے Claude Code اور Codex install کرنا ضروری ہے؟

آپ کے پاس کم از کم ایک vendor CLI install اور logged in ہونا چاہیے، کیونکہ Omnigent ان programs کو چلاتا ہے، ان کی جگہ نہیں لیتا۔ فراہم کردہ Polly example کے لیے آپ کو مختلف vendors کے دو یا اس سے زیادہ CLIs درکار ہوں گے۔ Polly کا اصول ہے کہ review ہمیشہ implementer سے مختلف vendor کرتا ہے۔ اس لیے اگر صرف ایک CLI موجود ہو تو diff بھیجنے کے لیے دوسرا vendor موجود نہیں ہوگا۔

تازہ ترین کے بجائے Omnigent کا مخصوص version کیسے install کروں؟

Install script کو sh -s -- کے ساتھ چلاتے ہوئے --version pass کریں، جیسا کہ sh -s -- --version 0.7.0 میں ہے۔ -s -- کے بغیر، sh، --version کو اپنی option سمجھ لیتا ہے اور installer کبھی run نہیں ہوتا: مثال کے طور پر Bash اپنا version دکھا کر exit ہو جاتا ہے۔ اگر uv پہلے سے موجود ہو تو uv tool install --force --python 3.12 "omnigent==0.7.0" یہی کام کرتا ہے۔ Git tag v0.7.0 ہے، جبکہ PyPI version string 0.7.0 ہے۔

کیا Omnibox sandbox agents کو unattended طور پر چلانے کے لیے کافی ہے؟

جن چیزوں کا یہ احاطہ کرتا ہے، ان کے لیے یہ مضبوط ہے، اور جن کا احاطہ نہیں کرتا ان کے بارے میں واضح ہے۔ Linux پر یہ bubblewrap اور seccomp استعمال کرتا ہے، اس لیے kernel file اور network limits نافذ کرتا ہے اور agent ان سے دستبردار نہیں ہو سکتا۔ دستاویزات کے مطابق یہ sys_os_* tool calls اور terminals پر لاگو ہوتا ہے، لیکن MCP servers یا Omnigent supervisor process پر لاگو نہیں ہوتا۔ لہٰذا MCP server آپ کی معمول کی permissions کے ساتھ چلتا ہے۔ اسی لیے unattended کام کے لیے ہر agent کے لیے الگ disposable virtual machine اب بھی زیادہ مضبوط isolation فراہم کرتی ہے۔

VPS پر Omnigent server کو کتنی memory درکار ہوتی ہے؟

Project کی deploy notes کے مطابق idle حالت میں RSS تقریباً 275 MB ہے، جبکہ اس کی Fly.io configuration میں 1 GB machine مختص کی گئی ہے۔ Idle measurement صرف server کا احاطہ کرتی ہے، اس کے sub-agents کا نہیں۔ Sub-agents parent کی working directory اور environment share کر سکتے ہیں، اور os_env: inherit کے ذریعے اس کا sandbox بھی share کر سکتے ہیں؛ الگ working copies کی ضمانت نہیں ہے۔ Polly-style runs parallel git worktrees استعمال کرتے ہیں۔ اس لیے RAM اور disk کی گنجائش ان agents کی تعداد کے مطابق رکھیں جنہیں آپ بیک وقت چلانے کا ارادہ رکھتے ہیں، نہ کہ صرف server کے مطابق۔

کیا یہ مضمون مفید تھا؟