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

✍️ OpenClawRadar📅 公開日: May 3, 2026🔗 Source
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
Ad

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。
Ad

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

Ad

👀 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
Tools

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。

OpenClawRadar
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
Tools

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。

OpenClawRadar
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。
Tools

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。

OpenClawRadar
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
Tools

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。

OpenClawRadar