Flue: 自律型コーディングエージェントを構築するためのTypeScriptフレームワーク

Flueは、プログラム可能なハーネスアーキテクチャ(Claude CodeやCodexの背後にある同じパターン)を使用して自律エージェントを構築するためのTypeScriptフレームワークです。これにより、計画を立て、コンテキストを収集し、ファイルを書き込み、サブエージェントを生成し、シェルコマンドを実行するエージェントを、すべてサンドボックス環境内で定義できます。
主な機能
- エージェントハーネス:モデル(例:Anthropic Claude Sonnet 4-6)と、ファイルシステムの読み書き、grep、glob、bash実行、ネットワークアクセスなどのツール用ハーネスを組み合わせます。
- セッション:作業を追跡するための永続的なコンテキスト。Claude CodeやCodexのセッションと同様です。
- スキル:Valibotを使用した構造化出力による再利用可能なワークフローで、ランタイム検証を備えています。
- サンドボックス:組み込みのゼロ設定仮想サンドボックス、または独自のリモートサンドボックスに接続可能。環境変数とトークンの露出を細かく制御できます。
- デプロイメント:エージェントをHTTPサーバーにバンドルしてリモート使用するか、CLI(
flue run)を介してローカルタスクやCIで実行します。
例:22行のAI issueトリアージ
import type { FlueContext } from '@flue/sdk/client';
import { Octokit } from '@octokit/core';
import * as v from 'valibot';
export default async function ({ init, payload, env }: FlueContext) {
const { issueNumber } = payload;
const agent = await init({ model: 'anthropic/claude-opus-4-7' });
const session = await agent.session();
const triage = await session.skill('triage', {
args: { issueNumber },
result: v.object({
severity: v.picklist(['low', 'medium', 'high', 'critical']),
reproducible: v.boolean(),
summary: v.string(),
}),
});
const body = **Severity:** ${triage.severity}\n**Reproducible:** ${triage.reproducible}\n\n${triage.summary};
await (new Octokit({ auth: env.GITHUB_TOKEN })).request(
'POST /repos/{owner}/{repo}/issues/{num}/comments',
{ owner: 'withastro', repo: 'flue', num: issueNumber, body },
);
}
対象者
コードレビュー、issueトリアージ、データ分析、カスタマーサポート、コーディング自動化のためのカスタムAIエージェントを構築する開発者で、サードパーティツールをレンタルせずにエージェントスタックを完全に制御したい方。
📖 Read the full source: HN LLM Tools
👀 See Also

デュアルDGXスパークス vs Mac Studio M3 Ultra:Qwen3.5 397Bをローカルで実行する実用的比較
開発者が、1万ドルのMac Studio M3 Ultra 512GBと1万ドルのデュアルDGX SparkセットアップでQwen3.5 397Bをローカル実行した比較を行いました。Mac Studioは800GB/sの帯域幅で30-40トークン/秒を達成しましたがプリフィルは低速で、Sparkは計算が高速で27-28トークン/秒を達成しましたがセットアップが複雑でした。

ベンチマーク:M5 Max MacBook ProでQwen3-Coder-Next 8ビットを実行するMLXとOllamaの比較
M5 Max MacBook Pro(128GB RAM)上で8ビット量子化されたQwen3-Coder-Nextを実行するMLXとOllamaのバックエンドを比較したベンチマークでは、MLXが約72トークン/秒を達成し、さまざまなコーディングタスクにおいてOllamaのスループットの約2倍の性能を示しました。

OpenClawプラグインは、AIエージェントをMeshtastic無線メッシュに接続し、オフグリッド運用を実現します。
新しいオープンソースプラグインがOpenClawフレームワークとMeshtasticのLoRa無線メッシュネットワークを橋渡しし、インターネットや携帯電話回線なしでAI会話、APIクエリ、デバイス制御を可能にします。

llm-use – マルチLLMエージェントワークフローのルーティングとオーケストレーションのためのオープンソースフレームワーク
llm-useは、マルチLLMエージェントワークフローの効率的なルーティングとオーケストレーションを目的としたオープンソースフレームワークで、自動化に革命をもたらしています。AI運用への影響を探ります。