Орлой: Декларативная среда исполнения для оркестрации мультиагентных ИИ-систем

Что делает Orloj
Orloj — это среда выполнения для оркестрации мультиагентных ИИ-систем с лицензией Apache 2.0. Вы объявляете агентов, инструменты, политики и рабочие процессы в декларативных YAML-манифестах, а Orloj обеспечивает планирование, выполнение, управление и надежность. Создатели разработали его, потому что запуск ИИ-агентов в производстве сегодня напоминает запуск контейнеров до появления Kubernetes: импровизированные скрипты, отсутствие управления, отсутствие наблюдаемости и стандартного способа управления флотами агентов.
Ключевые возможности
- Агенты-как-код: Определяйте агентов в YAML с указанием их модели, инструментов, разрешений и лимитов выполнения.
- Топологии оркестрации: Объединяйте агентов в направленные графы — конвейеры, иерархии или циклы роя.
- Применение управления: AgentPolicy, AgentRole и ToolPermission оцениваются встроенно во время выполнения перед каждым ходом агента и вызовом инструмента. Несанкционированные действия блокируются с структурированными ошибками и журналами аудита.
- Контроль политик: Устанавливайте бюджет токенов на запуск, разрешайте модели, блокируйте определенные инструменты и ограничивайте политики отдельными агентными системами.
- Надежность для производства: Владение задачами на основе аренды, ограниченная экспоненциальная повторная попытка с джиттером, идемпотентное воспроизведение и обработка недоставленных сообщений.
- Планирование: Поддерживает триггеры cron и создание задач по веб-хукам.
- Изоляция инструментов: Настраивайте для каждого инструмента в зависимости от уровня риска — прямое, изолированное, контейнерное или WASM-выполнение.
- Нативная поддержка MCP: Регистрируйте MCP-серверы (stdio или HTTP), автоматически обнаруживайте инструменты и применяйте политики управления.
Архитектура
Система использует разделение на сервер/рабочий процесс:
- Сервер orlojd: Размещает API, хранилище ресурсов (в памяти для разработки, Postgres для производства) и планировщик задач.
- Экземпляры orlojworker: Запрашивают и выполняют задачи, маршрутизируют запросы моделей через шлюз (OpenAI, Anthropic, Ollama и т.д.) и запускают инструменты в настраиваемой изоляции.
Для локальной разработки запускайте всё в одном процессе с помощью: orlojd --embedded-worker --storage-backend=memory.
Начало работы
Скачайте orlojd (сервер) и orlojctl (CLI) из GitHub Releases, распакуйте их и запустите:
# Запустите сервер со встроенным рабочим процессом
./orlojd --storage-backend=memory --task-execution-mode=sequential --embedded-workerОткройте http://127.0.0.1:8080/ для веб-консоли, затем примените стартовый шаблон:
# Примените стартовый шаблон (конвейер: планировщик -> исследование -> писатель)
./orlojctl apply -f examples/blueprints/pipeline/
# Проверьте результат
./orlojctl get task bp-pipeline-taskВключены три стартовых шаблона: конвейер, иерархический и цикл роя. Команда создает шаблоны для операционных рабочих процессов, таких как сортировка инцидентов, сбор доказательств соответствия, конвейеры расследования CVE и аудит ротации секретов.
Текущий статус
Это версия v0.1.0 с активной разработкой. Дорожная карта включает размещенное облако, упаковку для соответствия и многое другое. Полная среда выполнения уже доступна с открытым исходным кодом.
📖 Read the full source: HN AI Agents
👀 Смотрите также

Локальный инструмент визуализирует данные сессии кода Claude
Скрипт на Python считывает данные сессий Claude Code, хранящиеся локально в ~/.claude/, и создаёт визуализацию с прокруткой с помощью диаграмм D3.js, показывающую ежедневную активность, распределение по проектам, использование инструментов и тепловые карты ритма программирования.

Сервер Pepper MCP для взаимодействия с iOS-симулятором и отладки
Pepper — это MCP-сервер, который внедряет динамическую библиотеку (dylib) в приложения симулятора iOS через переменную окружения DYLD_INSERT_LIBRARIES, обеспечивая взаимодействие в реальном времени, чтение экрана, нажатие кнопок, инспекцию переменных и мониторинг сетевого трафика через WebSocket-мост.

YourMemory: ИИ-память с биологическим забыванием достигает 59% воспроизведения на LoCoMo-10
YourMemory предоставляет AI-агентам постоянную память, используя кривую забывания Эббингауза и улучшенный графовый поиск. Показывает 59% Recall@5 на бенчмарке LoCoMo-10, что в 2 раза лучше, чем Zep Cloud.

Claude-File-Recovery: CLI-инструмент для извлечения файлов из истории сессий Claude Code
claude-file-recovery — это инструмент командной строки на Python с интерактивным TUI, который анализирует JSONL-транскрипты сессий из ~/.claude/projects/ для восстановления файлов, созданных, изменённых или прочитанных Claude Code, включая восстановление предыдущих версий файлов на определённый момент времени.