Voker、インテント/訂正/解決プリミティブを備えたエージェント分析プラットフォームを開始
YC S24スタートアップVoker.aiが、AIエージェント専用の分析プラットフォームを発表しました。中核製品は、OpenAI、Anthropic、GeminiへのLLM呼び出しをラップする軽量SDK（Python & TypeScript）で、会話データを自動収集し、意図、修正、解決の3つのプリミティブを注釈します。
機能
Vokerは、ユーザーの目標（意図）を自動分類し、ユーザーがエージェントを修正した場合（修正）を検出し、エージェントが意図を解決した時（解決）を測定することで、LLM呼び出しを処理します。その後、階層型テキスト分類（データエンジニアリングにLLMは使用せず）を用いてこれらを動的カテゴリに集約し、プロダクトチームが個別のトレースを読むことなくセルフサービスでインサイトを得られるようにします。
発表の重要ポイント
- SDK統合: インストールは2行:
pip install vokerとLLMプロバイダのラップ（例:from voker.ai.provider_openai import OpenAI）。 - LLMスタック非依存: OpenAI、Anthropic、Gemini、Langchain、CrewAI、Vercel AI SDKと連携。
- 料金: 無料枠 — 月2,000イベント（メールサインアップ必須）。有料プランは月額$80からで、30日間の無料トライアル付き。
- データエンジニアリングの哲学: Vokerは、一貫性、再現性、正確性を確保するため、中核データ処理にLLMを意図的に使用しません。共同創業者は、ChatGPTにログをアップロードすると過学習や一貫性のないインサイトが得られることが多いと指摘しています。
存在理由
YC創業者の調査によると、90%以上がエージェントの失敗を顧客からの苦情でしか知る方法がないと回答。既存ツールでは不十分で、オブザーバビリティ（例: Langfuse、Langsmith）はトレースデバッグには優れているが非エンジニアにはアクセスしづらく、評価では既知の問題はテストできても予期しないトレンドを見逃し、従来の分析（PostHog、Mixpanel）は非構造化会話データ向けに設計されていません。
対象ユーザー
複雑なマルチターン対話を含む高ボリュームの会話エージェント（月1,000チャットセッション以上）を運用し、PM、エンジニア、アナリストなど部門横断チームがセルフサービスでインサイトを得る必要があるチーム向け。
📖 全文を読む: HN AI Agents
👀 See Also
なぜエージェントシステムにおいて決定論的ワークフローがAI駆動オーケストレーションを凌駕するのか
エージェントシステム構築に1年の経験を持つ開発者が、AI駆動のオーケストレーションが非決定論的なルーティング、エラーの連鎖、コスト爆発、不可能なデバッグにより確実に失敗したと共有。コードベースのオーケストレーションによる決定論的ワークフローへの切り替えで、オーケストレーションの失敗を解消。
タンジェント：Claude会話の分岐用Chrome拡張機能
Claudeで会話中に場所を失うことなく、サイドスレッドを開くことができる無料のオープンソース拡張機能です。
リーンコラブの紹介：長時間実行LLMタスクのためのマルチエージェントオーケストレーター
Lean Collabは、調整された並列サブエージェントを使用して長時間実行されるLLMタスクを管理するために設計されたオープンソースのオーケストレーターです。
SourceBridge：ローカルLLMを使用したコードベース分析のためのオープンソースツール
SourceBridgeは、Gitリポジトリをシンボルグラフにインデックス化し、ローカルLLMを使用してコードベースの要約、アーキテクチャの解説、学習教材を生成するオープンソースツールです。Ollama、llama.cpp、vLLM、LM Studio、SGLangなど、OpenAI互換APIを介した複数のローカルバックエンドをサポートしています。