
2026/08/28 6:18
Show HN:開源的な OpenRouter を構築し、利用料金をより優れたモデルに変えました。
RSS: https://news.ycombinator.com/rss
要約▶
Japanese Translation:
Experiential は、ホスト型、BYOK、ローカルモデルのサポートを単一の OpenAI 互換 API を通じて統合するエージェントワークフロー用のオープンソースゲートウェイおよびルーターです。組織には、ユーザーアクセス、ユースケースルーティング、厳格な支出制限(例:デフォルトの 50 ドルの予算)に関する細かい制御を提供し、多様な推論プロバイダーをまたいで AI コストを効果的に管理することを可能にします。本プラットフォームは柔軟なデプロイメントを提供しており、ユーザーは
pip install experiential を実行して即座にローカルゲートウェイを実行したり、platform.experientiallabs.ai でホスト型ソリューションと対話したりすることができます。このホスト型ソリューションは OpenAI および Anthropic Messages API の両方をサポートしています。
統合を簡素化するために、開発者は Cursor、Codex、Claude Code、Aider などのコーディングエージェント向けの
SETUP.md に記載のコピー&ペースト可能なセットアッププロンプトを利用できます。実行後、ローカルゲートウェイは既存のエージェントをコードを書き換えることなく、さまざまなプロバイダーにシームレスに再指向することを可能にします。アーキテクチャは OpenTelemetry によるトレース収集(OTLP などの標準と互換性あり)を通じて高度な最適化を支援し、トラフィックルーティングの改善や exp optimize model などのコマンドを使用して現在の環境内でサポートエージェントなどの特定のモデルに対する微調整を可能にします。さらに、本プラットフォームには PostHog への使用データの匿名化(プロンプト、認証情報、生コンテンツなど感度のある情報を明示的に除外)を含む組み込みのテレメトリが含まれています。本文
Experiential: エージェントワークフロー向けオープンソースゲートウェイ
Experiential は、エージェントワークフローを管理するためのオープンソースのゲートウェイおよびルーターです。
主要特徴
- 柔軟なモデル連携: 一つの OpenAI 互換 API でBYOK (Bring Your Own Key) を利用可能。ローカルモデルも使用できます。
- 詳細な制御機能: ユーザーやエージェントごとのユースケース、モデル選択、予算制限を管理・制御可能です。
- コスト最適化: 本番環境でのトラフィック最適化を実現し、品質・速度・コストに特化したカスタムルーターとして活用できます。
🌐 [プラットフォーム] | 📚 [ドキュメント] | [Discord]
はじめに
ローカルの OpenAI 互換ゲートウェイを開始する。 初めて実行する際は、セットアップウィザードを使用してプロバイダやモデルを選択し、接続設定を行います。その後、永続化された接続情報、パブリックエイリアス、およびデフォルト予算 $50.00 を表示してワンタイムキーを出力します:
pip install experiential exp
opus-5 などのパブリックエイリアスを指定し、発行されたキーを記録した上でリクエストを送信します:
export EXP_GATEWAY_KEY=... curl http://127.0.0.1:8000/v1/chat/completions \ -H "Authorization: Bearer $EXP_GATEWAY_KEY" \ -H 'Content-Type: application/json' \ -d '{"model":"opus-5","messages":[{"role":"user","content":"Help me"}]}'
ホスト型のゲートウェイで設定・開始する。
ローカル実行ではなく、管理されたゲートウェイを希望の場合は
を利用してください。同様に OpenAI 互換 API および Anthropic Messages を提供しており、API エンドポイントは以下です:platform.experientiallabs.ai
https://api.experientiallabs.ai/v1
コーディングエージェント(Claude Code、Cursor など)へのセットアップ詳細は
をご参照ください。同プラットフォームでは以下の 4 つのプロンプトを収集します:SETUP.md
- LLM のトレースをテレメトリとしてアップロード
- メールアドレスで即座にアカウント作成
- 既存の LLM テレメトリデータを取得・アップロード
- 推論プロバイダのキー(BYOK)を接続
- OpenAI、Anthropic、Gemini、Azure、Bedrock、Fireworks、OpenRouter のキーを無料でパススルー
- ゲートウェイからのモデル呼び出し
キーを使用した SDK 初回呼び出し (xpl_
)/v1- 既存コーディングエージェントの再指向
- 完全なオンボーディング
- アカウント作成、キー接続、使用金額インポート
- Claude Code、Cursor、Aider などすべてのエージェントをゲートウェイへ再指向
API の使い方
exp(または exp run)でローカルゲートウェイを起動すると、コンパイルされたネイティブデータプレーンがすべてをループバックインターフェース上で行います。Python から利用する際は、対応するプライベートゲートウェイによってバックアップされる公式の OpenAI クライアントとして適合済みプロジェクトのルーターを読み込みます:
import exp with exp.load_router("my-project") as client: response = client.chat.completions.create( model="my-project", messages=[{"role": "user", "content": "hello"}], )
トラフィックからの最適化
まず、現在のエージェントからOpenTelemetry のトレースを収集してください。お試し用データセットは以下の通りです:
curl -L -o traces.otel.jsonl \ https://huggingface.co/datasets/experiential-labs/wmo-terminal-tasks-traces/resolve/540883e451dc13d34fb50fdd36b143cb0f1fb0db/traces.otel.jsonl
その後、プロジェクトを構築します。ビルドコマンドはプロバイダ、モデル、および予算の設定を案内し、トレースファイルを指定するよう求めます:
# エージェントのトレースからシミュレーションを構築し、その上でルーターを最適化する exp build support-agent
ルーターからのトレース収集後、Tinker を使用して自身が所有するオープンソースモデルをファインチューニングします。
exp optimize model support-agent
テレメトリ
匿名の集約された PostHog プロダクトテレメトリ はデフォルトで有効です。このデータには、プロンプト、トレース、アクションなどの生データは一切含まれません(認証情報や顧客コンテンツも除外されています)。
exp config telemetry status exp config telemetry disable exp config telemetry enable
設定はローカルの
ファイルに保存されます。.exp/settings.toml
開発環境
開発タスクの推奨コマンド:
uv sync --extra devuv run ruff format --check .uv run ruff check .uv run ty checkuv run pytest -q
リポジトリおよびドキュメントの慣習については、
をご参照ください。AGENTS.md