JarvisCore

JarvisCore は、Python で動く AI エージェントを本番システムに組み込むチーム向けのマルチエージェントフレームワークである。すべての手順を計画して状態を抱え込むオーケストレーターを置く代わりに、エージェントをメッシュ上に散らす。各ピアは自分のできることを宣言し、共有台帳から仕事を取りに行く。この違いはプロセスが落ちたときに効いてくる。別のピアが未完了の手順を引き受け、ゴールはそのまま進む。

ランタイムには 2 種類のエージェントプロファイルがある。AutoAgent はタスクを推論し、コードを書き、サンドボックスで実行し、自分の失敗を修復する。CustomAgent は execute_task に書いた Python をそのまま動かし、自律型と同じアイデンティティ、メモリ、メッセージングを引き継ぐ。どちらも同じメッシュに載るため、固定ロジックの API ワーカーと推論するエージェントを 1 つのシステムで共存させられる。

認証情報は Nexus が扱う。外部呼び出しの直前にトークンを差し込むブローカーである。エージェントは必要なサービスを宣言するだけで、鍵そのものを見ることはない。プロンプトにも、生成したコードにも、トレースにも残らない。開発元は Prescott Data で、ライセンスは Apache 2.0 だ。

始める前に制約を押さえておきたい。JarvisCore は開発者向けのライブラリであり、ノーコードのビルダーではない。ドキュメントは Python を読み、環境変数を編集できる読者を前提にしている。永続ワークフロー、クラッシュからの復帰、マシンをまたぐ検出には Redis が要り、複数ノードなら P2P 拡張も必要になる。バージョン 3.0 ではすべての実行を記録する制御レイヤーが加わったが、既定のレポートモードは監視だけで止めない。

Getting Started

1. Python 3.10 以上を用意し、新しいフォルダで pip install jarviscore-framework と jarviscore init を実行する。
2. .env.example を .env にコピーし、Anthropic、Google Gemini、Azure OpenAI、またはローカルエンドポイントのキーを 1 つだけ書く。
3. jarviscore check --validate-llm でパッケージとプロバイダー接続を確認する。
4. ロール、ケイパビリティ、システムプロンプトを持つエージェントクラスを書き、Mesh に追加して mesh.run_task() を呼ぶ。
5. 必要に応じて拡張を足す。永続ワークフローなら [redis]、Playwright なら [browser]、複数マシンなら [p2p] である。