AgentRun：賢いエージェントを動かしてトークンも節約するプラットフォーム

AgentRunは、オープンソースのエージェント制御基盤です。既存のエージェント（ハルネス）上に自己学習機能と永続的な実行能力を追加し、エージェントをより賢くし、耐障害性を高めつつ使用するトークンを削減します。

ナビゲーション

• クイックスタート
• ケーススタディ
• なぜ AgentRun か？
• 学習機能の仕組み
• ワークフローと定型化
• デプロイ方法

ケーススタディ：コスト削減と品質向上

コードレビュー

Greptile のコードレビュー料引き上げに対し、エージェントで独自のレビューヤーを構築しました。

• 成果: 1 回あたりのコストを18 セントに抑制（月額 180 ドルから 6,451 ドルへの増大を回避）。
• 品質: Greptile が検出したバグの1.6 倍を検出。

商社分類

高価な Opus モデルでの学習成果を安価なモデルへ引き継ぎました。

• コスト削減: 同じタスクにおける単一商社あたりのコストは、$0.89 → $0.12に低下。

なぜ AgentRun か？

エージェントは何事も解決する能力がありますが、**「同じ過ちを繰り返して API やドキュメントを読み直す」**ことにより無駄なトークンコストが発生します。AgentRun はその役割を果たし、エージェントに以下の能力を付与します。

• 学習 (Learning): 各実行後にメモ、スキル、またはループなしのワークフローを保持し、次回からスタートします。
• データ永続化: すべての実行データを一つのストアに保存。サーバー停止中も再起動して実行が継続されます。
• 環境提供: サンドボックス、Linux デスクトップ、Android スマートフォン、ブラウザなど、エージェントに必要な計算機を提供。
• 主導権: 承認、費用上限、ステータスを一つのコンソールで管理できます。

インフラ構築不要: プロバイダー連携、回復機能、実行追跡、学習機能などがワンコマンドで揃います（Apache-2.0 ライセンス）。

クイックスタート

要件: macOS または Linux 上で Node.js 24.22.3 以降が必要です。

1. サーバー起動

# コマンドは省略され、サーバーとポート 7340 を起動しコンソールを開きます
# データは ~/.agentrun に保存されます

2. モデルキーの追加

設定画面（Settings → Model keys）で API キーを追加します。

• OPENROUTER_API_KEY: すべてのハルネスにモデル接続を可能にします。
• Anthropic キー: pi と Claude Code の実行に必要です。
• OpenAI キー: pi、Codex、OpenCode の実行に必要です。

3. 初めてのエージェント実行

テンプレート（例：KYB デューデリジェンス）を開き、会社名とウェブサイトを指定して開始します。

• 完了時: 「Report（レポート）」タブに結論と引用された主張が含まれます。
• ヒント: コーディングタスクは

  agentrun.ai/SKILL.md

  を読み込ませ、「AgentRun をセットアップしてほしい」と指示してください。

学習機能の仕組み (Learning Mechanism)

エージェントを定義内で

"learning": true

フロー図

flowchart LR
    start["実行が<br/>メインから開始"] --> work["タスクを実行"]
    work --> propose["最後のターンで<br/>メモ、スキル、ワークフローを提案"]
    propose --> check["コードチェック<br/>審査官による評価"]
    check -->|保持| commit["メインにコミット"]
    commit --> start

保持される内容の種類

• メモ: 事実を含んだ短い Markdown ファイル（Claude Code のメモリ形式と互換）。
• スキル: 特定の作業方法を定義するファイル。完了したエージェントのみが作成できます。
• 学習されたワークフロー: ハルネス単一のツール呼び出しとして実行される定型化されたタスク。

管理方法

• 監視: 「Learning（学習）」タブですべてのメモ、スキル、ワークフローと変更ログを確認可能です。
• 廃棄: アイテムはいつでも削除できます。

  npx @parcha/agentrun learning retire

  を使用して注記付きの ETag で削除も可能です。
• リスク管理: 秘密情報や非表示文字を含む回答は信頼せず破棄します。

ワークフローと定型化 (Workflow & Serialization)

すべてのエージェントである必要はありません。定型化可能な作業を JSON ドキュメントとして定義し、ワークフローとして記述します。

ワークフローの構造

{
  "v": 2, 
  "name": "read-site",
  "schemas": {
    "In":   { "type": "object", "required": ["website"] },
    "Page": { "type": "object", "required": ["ok"] }
  },
  "input":  { "schemaId": "In" },
  "output": { "schemaId": "Page", "path": "home" },
  "root": { "node": "chain", "steps": [
    { 
      "node": "call", 
      "label": "ホームページを読み込む", 
      "via": "tool", 
      "tool": "web_fetch",
      "args": { "url": "{website}" } 
    }
  ]}
}

• 機能: ツール呼び出し、モデルステップ、素早い定型決定（スコア付け）、フォールバック処理を定義できます。
• 承認フロー: ワークフローはエージェントの修正案として実行され、エージェントツールパーミッションに従います。

デプロイ方法 (Deploy It)

1. Render でワンクリックデプロイ

• スペック: 1 CPU / 2 GB (ディスク 10 GB)。公開イメージ（ビルド不要）。
• コスト: インスタンス約25 ドル/月、ディスク 2.50 ドル。
• 設定: Render フォームに

  OPENROUTER_API_KEY

  を貼り付け、後で

  AGENTRUN_TOKEN

  でパスワードを設定します。

2. Docker Compose (サーバー＋ランナー)

Linux 機械上で実行する場合：

git clone https://github.com/Parcha-ai/agentrun && cd agentrun/deploy
printf 'AGENTRUN_SEAL_KEY=%s\n' "$(openssl rand -base64 32)" > .env && chmod 600 .env
echo 'OPENROUTER_API_KEY=...' >> .env
docker compose up -d --build

• 注意: 既定では Docker ソケットがないためシェル機能はありません。Docker サンドボックスを使用するには、

  compose.yaml

  を使用し、Archil ディスク付きの Daytona/E2B コンピューターを指定します。

3. Postgres 構成

ストアとして PostgreSQL を使用する場合：

• AGENTRUN_STORE_URL

  を

  postgres://

  URL に設定。
• サーバー起動時は

  --no-runner

  フラグを使用。
• ランナーを個別に起動：

  runner --data /data --name <name>

ハルネスとコンピューター (Harnesses & Computers)

エージェントの定義内で

harness

opencode-ai

コンピューターの種類

エージェントは特定のコンピューターを受け取り、その種別専用のツールのみが有効になります。

キー管理: 設定画面（Settings → Computers）で一度ベンダーキーを追加。サーバーはそれを暗号化し、エージェントに渡しません。

ターミナルとコードからの使用

npx @parcha/agentrun

1. エージェント定義

cat > agent.json <<'EOF'
{"definition": {"id": "notes", "version": 1, "name": "Notes",
  "instructions": "求められたことを行い、作成したものをファイルに書き出します。",
  "skills": [], "tools": ["write", "ask_person"]}}
EOF

2. 実行開始（コスト上限付き）

npx @parcha/agentrun runs start notes --max-cost-usd 1 --wait \
  --body '{"input": {"content": "私に対象とする地域を尋ねて、その内容を region.md に書き出してください。"}}' > out.json

• 終了コード 8: エージェントが質問している（待機中）。

3. 質問への回答と完了

run=$(node -p 'require("./out.json").run_id')
npx @parcha/agentrun runs message "$run" --content "Europe"
npx @parcha/agentrun runs wait "$run" > out.json
npx @parcha/agentrun runs read-file "$run" region.md

TypeScript / Python からの利用

• TypeScript:

  npm install @parcha/agentrun-client

• Python:

  pip install parcha-agentrun

• サーバー URL (

  http://127.0.0.1:7340

  ) とトークン (

  ~/.agentrun/.token

  ) を環境変数として設定。

セキュリティと保守

機密情報の保護

すべての機密情報（モデルキー、ツールキー、認証）は単一のキー

AGENTRUN_SEAL_KEY

• 管理: 鍵を失うと復元不能なため、慎重に保管してください。
• 優先順位: サーバー開始時に設定したキーが後から設定されたものよりも優先されます。

アップグレードとアップタイム

AgentRun は実行中のアップデートとヘルスチェックをサポートし、サーバー再起動時の実行継続を確保します。