Come domare una dozzina di agenti di codifica e farli lavorare insieme in Omnigent

Se hai provato a eseguire Claude Code, Codex o Cursor nel terminale, probabilmente hai notato un problema. Ogni agente CLI ha la sua interfaccia, i suoi flag e le sue abitudini nella modifica dei file di progetto. Uno gestisce meglio il refactoring, un altro scrive i test in modo più accurato, ma farli lavorare insieme su un singolo compito senza molto passaggio manuale era una sfida.

Recentemente ho scoperto il repository Omnigent. È un meta-framework Python open-source che riunisce diversi agenti AI sotto un unico tetto. Ottieni un livello di orchestrazione condiviso, un'interfaccia unificata, criteri di sicurezza e la possibilità di connetterti a una sessione da un laptop o persino da un telefono.

Cosa può fare il Meta-Framework

L'idea fondamentale dietro il progetto è isolare gli sviluppatori dalle specifiche di provider e interfacce particolari. Invece di riscrivere il codice per lavorare con diversi SDK sottostanti, definisci gli agenti in modo dichiarativo e li combini in gruppi.

Ecco cosa può fare Omnigent in pratica:

1. Eseguire più agenti diversi in una singola sessione. Ad esempio, uno gestisce la pianificazione mentre altri scrivono codice in parallelo in rami git.
2. Connettere qualsiasi modello. Funzionano le chiavi API Anthropic o OpenAI, così come gli abbonamenti Claude Pro o ChatGPT standard, o gateway di terze parti come OpenRouter, Ollama o vLLM.
3. Mantieni il contesto della sessione tra i dispositivi. Puoi iniziare il lavoro nel terminale, continuare attraverso l'app desktop o controllare lo stato dal telefono tramite l'interfaccia web.
4. Condividere sessioni con i colleghi. La visualizzazione collaborativa degli agenti in tempo reale, la modalità co-pilot o il fork di un dialogo in un ramo separato sono tutte disponibili.
5. Isolare l'esecuzione in sandbox. Sono supportati meccanismi locali come bubblewrap su Linux e seatbelt su macOS, insieme ad ambienti cloud come Modal, E2B, Daytona o Kubernetes.

Come funzionano Avvio e Configurazione

L'installazione viene eseguita con un singolo comando tramite l'utility uv o attraverso uno script di installazione:

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

Dopo l'installazione, l'utility CLI omnigent (o alias breve omni) diventa disponibile nel tuo sistema.

Se esegui il comando omnigent, il sistema ti offrirà di recuperare le chiavi API trovate nel tuo ambiente o le autorizzazioni da precedenti client console.

Successivamente, puoi avviare un ambiente specifico:

omnigent claude
omnigent codex
omnigent cursor

All'avvio, non solo si avvia un processo console, ma anche un server web locale sulla porta 67. Se navighi verso http://localhost:6767, si apre un'interfaccia web che rispecchia l'output del terminale.

Agenti Dichiarativi tramite YAML

La parte più interessante è la possibilità di descrivere i tuoi agenti e le loro interazioni in un'unica configurazione. Ecco un esempio di un file agente di base:

name: my_agent
prompt: Вы помогаете анализировать данные и собирать отчеты.

executor:
  harness: claude-sdk

tools:
  word_count:
    type: function
    callable: mypackage.mymodule.word_count

  docs:
    type: mcp
    url: https://example.com/mcp

Il repository contiene diversi esempi pronti all'uso. L'esempio Polly (examples/polly/) è particolarmente degno di nota.

Polly è un tech lead multi-agente. Questo agente non scrive codice da solo. Scompone un'attività e delega i sottocompiti ad altri agenti (Claude Code, Codex o Pi) in rami worktree git isolati. Quando il codice è pronto, Polly invia il diff per la revisione a un agente di un vendor diverso. Ottieni pull request già pronte e revisione del codice incrociata senza il fastidio extra.

Un altro esempio è Debby. Invia una richiesta a due modelli (Claude e GPT) simultaneamente e mostra le loro risposte fianco a fianco. Il comando /debate fa sì che i modelli critichino a vicenda le decisioni fino a raggiungere un consenso.

Sicurezza e Limiti di Budget

Dare agli agenti pieno accesso al terminale e al file system può essere pericoloso. Omnigent risolve questo problema con i criteri di sicurezza.

I criteri controllano ogni azione dell'agente e possono bloccarla, oppure richiedere la tua conferma prima di eseguire un comando. Inoltre, le regole possono essere impostate a livello di server, per singolo agente o per la sessione corrente:

policies:
  approve_shell:
    type: function
    handler: omnigent.policies.builtins.safety.ask_on_os_tools
  budget:
    type: function
    handler: omnigent.policies.builtins.cost.cost_budget
    factory_params:
      max_cost_usd: 5.00
      ask_thresholds_usd: [3.00]

In questo esempio, l'agente richiederà conferma prima di eseguire comandi shell e si fermerà quando viene raggiunto il limite di 5 dollari.

Per chi è il Progetto

Omnigent è adatto per i team che sperimentano attivamente con gli agenti AI nello sviluppo quotidiano. Se ti manca il controllo sulle spese, vuoi eseguire gli agenti in sandbox cloud o hai bisogno di un modo conveniente per condividere le sessioni con i colleghi, questo progetto soddisferà queste esigenze.

Il progetto è in fase alpha, ma ha già 8.7k stelle su GitHub e una community attiva. Per iniziare, basta installare la CLI ed eseguire uno degli esempi pronti all'uso.