脚本プランナー▸ 
AIアプリ 
AIニュース 
Archon：AIエージェントを自動生成・最適化するオープンソースツール
Archon：AIエージェントを自動生成・最適化するオープンソースツール紹介
Archon は、AI が他の AI エージェントを自動生成・最適化できるオープンソースのツールです。初の「Agenteer」として、Archon 第6版は複数のツールライブラリと MCP サーバー統合をサポートし、生成された AI をより効率的で信頼性の高いものにします。ユーザーは必要な AI 機能を記述するだけで、Archon は計画、コーディング、最適化を含む一連のステップを通じて AI を作成します。
主な機能：
ドキュメントリソースの統合（ウェブサイトのコンテンツ取得、PDF/ドキュメントのアップロードなど）
高度な RAG 戦略に基づくスマート検索機能
ナレッジベースと統合されたタスク管理機能
リアルタイム更新のサポート（新しいコンテンツと協調タスクの同期）
アーキテクチャの特徴：
エージェントアーキテクチャのフロー
ユーザーは作成したい AI エージェントを記述し、LLM が高レベルの範囲を決定し、主要なコーディングエージェントがその範囲とドキュメントに基づいて初期エージェントを作成します。その後、ユーザーはフィードバックを提供したり、Archon にエージェントを自律的に最適化させたりすることができます。
自律的に最適化する場合、専門的な最適化エージェントがプロンプト、ツール、エージェント設定を改善します。その後、主要なコーディングエージェントがフィードバックに基づいて再度エージェントを作成し、このプロセスはユーザーがエージェントの完成を認めるまで繰り返され、最終的に完全なコードと実行手順が出力されます。
ファイルアーキテクチャ
コアファイルには以下が含まれます：streamlit_ui.py（Archon の Web インターフェースを管理）、graph_service.py（エージェントワークフローを処理するサービス）、run_docker.py（Archon Docker コンテナをビルドして実行するスクリプト）、Dockerfile（メインの Archon アプリケーションのコンテナを定義）、MCP 関連ファイル（AI IDE の Model Context Protocol サーバー統合を実装）。
Archon パッケージには以下が含まれます：archon/（コアエージェントとワークフローの実装）、archon_graph.py（LangGraph ワークフローとエージェント調整を定義）、pydantic_ai_coder.py（主要なコーディングエージェント）、refiner_agents/（専門的な最適化エージェント）。
ユーティリティには以下が含まれます：utils/（共有ユーティリティ関数とデータベース設定）、site_pages.sql（データベース設定コマンド）。
ワークベンチ：ランタイム時に作成され、workbench/ には環境変数ファイル env_vars.json、ログファイル logs.txt、詳細な範囲ドキュメント scope.md が含まれます。
Archon のデプロイ
Docker コンテナ：
メインコンテナ：Streamlit UI（ポート 8501）とグラフサービス（ポート 8100）を実行し、すべてのエージェント機能とユーザー対話を処理します。ルート Dockerfile によってビルドされます。
MCP コンテナ：AI IDE の Model Context Protocol を実装し、メインコンテナのグラフサービスと通信して、Windsurf、Cursor などの AI IDE に標準化されたインターフェースを提供します。mcp/Dockerfile によってビルドされます。run_docker.py スクリプトは自動的に 2 つのコンテナをビルド・起動し、設定を行います。
ローカル Python：Python 仮想環境を通じてシステム上で直接実行します。
Archon の応用：
開発者向けのツール提供：開発者が AI エージェントを作成・最適化するのを支援し、開発作業を軽減します。事前に構築されたツールライブラリと MCP 統合により、開発者はさまざまなツールを迅速に取得して使用でき、開発効率が向上します。
エージェントシステムの発展を示す：教育フレームワークとして、単純なものから複雑なものへのエージェントシステムの進化過程を示し、計画、フィードバックループ、ドメイン知識の統合などの発展を体現し、エージェントシステムを研究する人々にとっての参考となります。
Archon のインストールと使用方法：
インストール：
Docker（推奨）：
リポジトリのクローン：git clone https://github.com/coleam00/archon.git
プロジェクトディレクトリに移動：cd archon
セットアップスクリプトの実行：python run_docker.py。このスクリプトは自動的にコンテナ（MCP サーバーコンテナとメイン Archon コンテナを含む）をビルドし、Archon を起動してポートマッピングを行います。.env ファイルが存在する場合はその環境変数を使用します。
ローカル Python インストール：
リポジトリのクローン：git clone https://github.com/coleam00/archon.git
プロジェクトディレクトリに移動：cd archon
仮想環境の作成と有効化：python -m venv venv、有効化コマンドは Windows では venv\Scripts\activate、その他のシステムでは source venv/bin/activate
依存関係のインストール：pip install -r requirements.txt
Streamlit UI の起動：streamlit run streamlit_ui.py
使用方法：
セットアッププロセス：
環境設定：Streamlit UI の Intro セクションで、API キーとモデル設定を行います。これらの情報は workbench/env_vars.json に保存されます。
データベース設定：Supabase ベクトルデータベースを設定します。
ドキュメント処理：Pydantic AI ドキュメントのクロールとインデックス化をガイドします。
エージェントサービスの起動：エージェント生成用のエージェントサービスを起動します。
MCP 設定（オプション）：AI IDE との MCP 統合を設定します。
操作フロー：
Streamlit UI のガイダンスに従ってセットアップを完了した後、作成したい AI エージェントを記述すると、Archon はそのワークフローに従ってエージェントの作成と最適化を行います。ユーザーはプロセス中にフィードバックを提供したり、自律的な最適化を要求したりすることができ、最終的に完全なコードと実行手順を取得できます。
