Ai Agentic os

From wiki karavi
Jump to navigation Jump to search

Agentic Development OS برای Windows

این صفحه مستندات محیط Agentic Development شخصی من برای مدیریت، مقایسه و ارکستریشن Coding Agentها است.

هدف نهایی ساخت محیطی شبیه یک:

Agentic Development Operating System

است که بتواند Agentهای مختلف را از یک Control Plane مدیریت کند.

اهداف اصلی

  • مدیریت چند Coding Agent
  • رابط کاربری مناسب
  • پشتیبانی Native از Windows
  • Parallel Agent Execution
  • Git Worktree Isolation
  • Multi-Agent Orchestration
  • Skills
  • Persistent Memory
  • Token / Cost Management
  • Context Optimization
  • Automated Build / Test
  • Security Review
  • LLM-as-a-Judge
  • Human Approval
  • Commit / Pull Request
  • کمترین تعداد نرم‌افزار ممکن

Coding Agentهای مورد استفاده

Agentهای اصلی:

  • Claude Code
  • OpenAI Codex CLI
  • Cursor Agent
  • OpenCode
  • Google Antigravity / agy
  • Freebuff

Agentهای جانبی:

  • Gemini CLI
  • GitHub Copilot
  • Qwen
  • Kimi
  • Pi
  • Custom CLI Agents
  • MCP Agents
  • ACP Agents


معماری هدف

                    Agentic Development OS
                              |
                         Unified UI
                              |
                +-------------+-------------+
                |             |             |
              Skills        Memory       Projects
                |             |             |
                +-------------+-------------+
                              |
                       Context Manager
                              |
                        Token Manager
                              |
                        Orchestrator
                              |
       +----------+-----------+-----------+----------+
       |          |           |           |          |
     Claude     Codex       Cursor     OpenCode     Agy
       |          |           |           |          |
       +----------+-----------+-----------+----------+
                              |
                        Git Worktrees
                              |
                    Candidate Solutions
                              |
              +---------------+---------------+
              |               |               |
            Build           Tests          Security
              |               |               |
              +---------------+---------------+
                              |
                         LLM Judge
                              |
                       Ranked Results
                              |
                       Human Approval
                              |
                        Commit / PR


نرم‌افزارهای نصب‌شده

نرم‌افزار دسته UI Windows نقش اصلی وضعیت
Emdash Agentic Development Environment Desktop بله Control Plane / Parallel Agents نصب شده
Kandev Agentic Development Environment / Orchestrator Web / Desktop بله Workflow Orchestration نصب شده
OpenHands Agent Canvas Agent Platform Web بله Agent Platform / Automation نصب شده
Orca Agent Development Environment Desktop بله Multi-Agent Control Plane نصب شده
Codbash Agent Control Room Web بله Sessions / Analytics نصب شده
Claw Orchestrator Agent Runtime / Orchestrator Web Dashboard بله Persistent Multi-Agent Runtime نصب شده
Agent Orchestrator (AO) Agent Orchestrator Desktop بله Parallel Agent Workflows نصب شده؛ دارای مشکل Daemon در تست Windows
Promptfoo Evaluation / Judge Layer CLI / Web بله LLM-as-a-Judge / Evaluation نصب شده


1. Emdash

معرفی

Emdash یک Open-Source Agentic Development Environment یا ADE است.

هدف اصلی آن اجرای چند Coding Agent به صورت Parallel و قرار دادن هر Task در Git Worktree مستقل است.

Emdash برای استفاده روزانه به عنوان Control Plane یکی از گزینه‌های اصلی این بررسی است.


وب‌سایت و منابع

  • Website:

https://emdash.sh/

  • GitHub:

https://github.com/generalaction/emdash

  • Releases:

https://github.com/generalaction/emdash/releases


نصب Windows

نسخه Windows به صورت Installer و Portable ارائه می‌شود.

Windows Installer:

https://github.com/generalaction/emdash/releases/latest

نسخه x64 را نصب کنید.


Agent Detection

Emdash می‌تواند CLI Agentهای نصب‌شده را شناسایی کند.

از جمله:

  • Claude Code
  • OpenAI Codex
  • Cursor
  • OpenCode
  • Amp
  • Devin
  • Qwen Code
  • Droid
  • GitHub Copilot
  • سایر Providerهای پشتیبانی‌شده


معماری

                    Emdash
                       |
                Desktop UI
                       |
                  Projects
                       |
                    Tasks
                       |
          +------------+------------+
          |            |            |
        Claude       Codex        Cursor
          |            |            |
       OpenCode      Gemini       Others
          |            |            |
          +------------+------------+
                       |
                 Git Worktrees
                       |
              Candidate Solutions
                       |
               Diff / CI Checks
                       |
                Human Review
                       |
                  PR / Merge


Git Worktree

یکی از مهم‌ترین قابلیت‌های Emdash جداسازی Taskها با Worktree است. 

Repository
 |
 +-- main
 |
 +-- worktree-task-1
 |
 +-- worktree-task-2
 |
 +-- worktree-task-3

این قابلیت اجازه می‌دهد چند Agent بدون overwrite کردن فایل‌های یکدیگر روی یک Repository کار کنند.


قابلیت‌های مهم

  • Windows Desktop
  • Parallel Coding Agents
  • Automatic Git Worktrees
  • Diff Review
  • CI Checks
  • Pull Requests
  • Remote Projects
  • SSH/SFTP
  • MCP
  • Skills
  • Multiple Projects
  • Local-first architecture
  • SQLite local state


Privacy

Emdash به صورت Local-first طراحی شده است.

State برنامه در SQLite محلی ذخیره می‌شود.

خود Coding Agentها ممکن است اطلاعات را طبق سیاست Provider خود به سرویس Cloud ارسال کنند.


نقاط قوت

  • UI مناسب
  • Windows
  • نصب ساده
  • Agent Coverage بالا
  • Worktree Isolation
  • Parallel Development
  • Diff Review
  • CI Integration
  • PR Workflow
  • MCP
  • Local-first


نقاط ضعف نسبت به Agentic OS هدف

  • Agent-to-Agent Delegation محدودتر از Kandev
  • Persistent Semantic Memory کامل ندارد
  • Token Manager پیشرفته ندارد
  • Context Optimization مرکزی محدود است
  • LLM-as-a-Judge داخلی کامل ندارد


نقش پیشنهادی

Primary Development Control Plane


2. Kandev

معرفی

Kandev یک AI Kanban و Development Environment برای Orchestration چند Agent است.

برخلاف ابزارهایی که فقط Agentها را Parallel اجرا می‌کنند، Kandev روی Workflow و Task Orchestration نیز تمرکز دارد.


منابع

  • Website:

https://kandev.ai/

  • GitHub:

https://github.com/kdlbs/kandev

  • Releases:

https://github.com/kdlbs/kandev/releases


نصب با npm

npm install -g kandev@latest

بررسی: 

kandev --version

اجرا: 

kandev


اجرا بدون نصب Global

npx kandev@latest


Windows Desktop

Kandev Desktop از Windows x64 پشتیبانی می‌کند.

Desktop Application مبتنی بر Tauri است.

در Windows به Microsoft WebView2 Runtime نیاز دارد.

Desktop App، Runtime مورد نیاز Kandev را همراه خود دارد و برای اجرای معمول Desktop به Node.js نیاز ندارد.


Executors

Kandev چند روش اجرای Agent دارد:

Executor کاربرد
Local Process اجرای Agent مستقیماً روی سیستم
Docker اجرای Agent داخل Container
SSH اجرای Agent روی Remote Server
Cloud Executor اجرای Agent در محیط Cloud پشتیبانی‌شده


معماری

                    Kandev
                       |
                Web / Desktop UI
                       |
                    Kanban
                       |
                 Orchestrator
                       |
           Workflow / Task Steps
                       |
       +---------------+---------------+
       |               |               |
    Agent A          Agent B         Agent C
       |               |               |
       +---------------+---------------+
                       |
                 Git Worktrees
                       |
              Build / Review / PR
                       |
                 Human Gates


قابلیت مهم: Workflow Orchestration

Kandev برای Taskهای چندمرحله‌ای مناسب است.

مثال: 

Feature Request
      |
    Planner
      |
  Architect
      |
 +----+----+
 |         |
Claude   Codex
 |         |
 +----+----+
      |
    Tests
      |
 Security Review
      |
 Human Approval
      |
      PR


Agent Integration

Kandev از ACP و Agentهای مختلف پشتیبانی می‌کند.

Agentها می‌توانند بسته به Workflow در Stepهای مختلف استفاده شوند.


Multi Repository

Taskها می‌توانند با چند Repository یا چند Branch از یک Repository کار کنند.

این ویژگی برای:

  • Microservices
  • Backend + Frontend
  • Shared Libraries
  • Multi-repository Systems

مهم است.


نقاط قوت

  • Orchestration قوی
  • Multi-step workflows
  • Human Gates
  • Worktrees
  • Multi-repository
  • ACP
  • MCP
  • Local execution
  • Docker optional
  • SSH execution
  • Windows support


نقاط ضعف

  • پیچیده‌تر از Emdash
  • Footprint بیشتر
  • Skills هنوز به بلوغ سیستم‌های اختصاصی Skills نرسیده است
  • Memory نیازمند توسعه بیشتر است
  • Token/Cost Manager هنوز نقطه اصلی محصول نیست
  • LLM Judge داخلی کامل ندارد


نقش پیشنهادی

Workflow Orchestrator


3. Promptfoo

معرفی

Promptfoo یک Agent OS نیست.

Promptfoo در این معماری به عنوان:

Evaluation / Testing / LLM-as-a-Judge Layer

استفاده می‌شود.

هدف آن ارزیابی خروجی Agentها، اجرای Rubricها، تست LLMها و مقایسه Candidateها است.


منابع

  • Website:

https://www.promptfoo.dev/

  • Documentation:

https://www.promptfoo.dev/docs/

  • GitHub:

https://github.com/promptfoo/promptfoo

  • Installation:

https://www.promptfoo.dev/docs/installation/

  • Agent Rubric:

https://www.promptfoo.dev/docs/configuration/expected-outputs/model-graded/agent-rubric/


نصب Windows

npm install -g promptfoo


بررسی نسخه

promptfoo --version


ساخت اولین Project

promptfoo init

این دستور فایل: 

promptfooconfig.yaml

را ایجاد می‌کند.


نقش Promptfoo در Agentic OS

Claude Candidate -----+
                      |
Codex Candidate ------+
                      |
Cursor Candidate -----+----> Build
                      |        |
OpenCode Candidate ---+      Tests
                               |
                            Security
                               |
                            Promptfoo
                               |
                         LLM-as-a-Judge
                               |
                       Score / Ranking
                               |
                       Human Approval


LLM Rubric

Promptfoo می‌تواند خروجی را با Natural Language Rubric ارزیابی کند.

برای ارزیابی معمول: 

llm-rubric


Agent Rubric

برای Coding Agentها گزینه مهم‌تر: 

agent-rubric

است.

Agent Rubric می‌تواند از Agent Runtime برای جمع‌آوری Evidence استفاده کند.

در نتیجه Judge می‌تواند فقط متن پاسخ را نبیند، بلکه Repository یا Artifact را نیز بررسی کند.


Rubric پیشنهادی

معیار وزن
Correctness 30%
Tests 20%
Architecture 15%
Security 15%
Code Quality 10%
Performance 5%
Token / Cost Efficiency 5%


Judge Pipeline پیشنهادی

Candidate
   |
 Build
   |
 Unit Tests
   |
 Integration Tests
   |
 Lint
   |
 Security Scan
   |
 Benchmark
   |
 Agent Rubric
   |
 Weighted Score
   |
 Candidate Ranking


نقاط قوت

  • LLM Evaluation
  • Agent Evaluation
  • Rubric-based grading
  • Regression testing
  • Model comparison
  • Automated evaluation
  • CI/CD integration
  • CLI
  • Web UI


نقش پیشنهادی

LLM-as-a-Judge / Evaluation Engine


4. OpenHands Agent Canvas

معرفی

OpenHands Agent Canvas یک Developer Control Center و Agent Platform است.

تمرکز آن بیشتر روی Agent Infrastructure، Agent Servers و Automation است.


منابع

  • Website:

https://openhands.dev/

  • Documentation:

https://docs.openhands.dev/

  • GitHub:

https://github.com/OpenHands/OpenHands


نصب

npm install -g @openhands/agent-canvas


اجرا

agent-canvas

یا: 

agent-canvas.cmd


Local UI

http://localhost:8000


نقش پیشنهادی

Agent Platform / Automation Layer


5. Orca

معرفی

Orca یک Agent Development Environment برای مدیریت Fleetای از Coding Agentها است.

تمرکز اصلی:

  • Desktop UI
  • Multiple Agents
  • Parallel Execution
  • Git Worktrees
  • Diff Review
  • Local-first Development


منابع

  • Website:

https://www.onorca.dev/

  • GitHub:

https://github.com/stablyai/orca

  • Releases:

https://github.com/stablyai/orca/releases


Agentهای مهم

  • Claude Code
  • Codex
  • Cursor
  • OpenCode
  • Antigravity
  • Custom CLI Agents


نقش پیشنهادی

Alternative Agent Control Plane


6. Codbash

معرفی

Codbash بیشتر یک:

Coding Agent Session Control Room

است تا Agentic OS کامل.


منابع

  • GitHub:

https://github.com/vakovalskii/codbash


نصب

npm install -g codbash-app


اجرا

codbash run


قابلیت‌های مهم

  • Session Management
  • Session Search
  • Replay
  • Terminal
  • Multi-pane
  • Token Analytics
  • Cost Analytics
  • Project Management


محدودیت

قابلیت‌های زیر هسته اصلی آن نیستند:

  • Advanced Orchestration
  • Semantic Memory
  • Advanced Skills
  • Context Optimization
  • LLM-as-a-Judge


نقش پیشنهادی

Session / Analytics Tool


7. Claw Orchestrator

معرفی

Claw Orchestrator یک Multi-Agent Runtime برای Persistent Coding Sessions است.


منابع

  • GitHub:

https://github.com/Enderfga/claw-orchestrator


نصب

npm install -g @enderfga/claw-orchestrator


اجرا

clawo serve


قابلیت‌های مهم

  • Persistent Sessions
  • Multiple Engines
  • Claude
  • Codex
  • Cursor
  • OpenCode
  • Antigravity
  • Council
  • Agent Teams
  • MCP
  • API


نقش پیشنهادی

Agent Runtime / API Orchestrator


8. Agent Orchestrator (AO)

معرفی

Agent Orchestrator یک Agentic IDE برای Parallel Coding Agents است.


منابع

  • Website:

https://aoagents.dev/

  • GitHub:

https://github.com/Untrivial-ai/agent-orchestrator


قابلیت‌ها

  • Desktop UI
  • Parallel Agents
  • Worktrees
  • CI Feedback
  • Review Feedback
  • Pull Requests


مشکل مشاهده‌شده در Windows

در تست انجام‌شده Daemon با خطای: 

seed scratch project: Failed to load projects

متوقف شد.

Local Database: 

C:\Users\karavi\.ao\data\ao.db

به همین دلیل فعلاً انتخاب اصلی نیست.


مقایسه Agentic OSها

سیستم UI Windows Multi-Agent Worktree Orchestration Skills Memory Token Judge نقش
Emdash عالی بله عالی عالی خوب خوب محدود محدود خیر Control Plane
Kandev خوب بله عالی عالی عالی در حال توسعه در حال توسعه محدود قابل ساخت Orchestrator
OpenHands Canvas عالی بله خوب متوسط عالی خوب خوب متوسط قابل ساخت Agent Platform
Orca عالی بله عالی عالی خوب متوسط محدود خوب قابل ساخت Control Plane
Codbash خوب بله متوسط محدود محدود ضعیف Session خوب خیر Analytics
Claw Orchestrator متوسط بله عالی خوب عالی خوب Session خوب Council Runtime
Agent Orchestrator خوب دارای مشکل تست‌شده عالی عالی عالی متوسط Session متوسط Reviewer Orchestrator


مقایسه Agent Coverage

Agent Emdash Kandev OpenHands Orca Codbash Claw
Claude Code بله بله بله بله بله بله
Codex بله بله بله بله بله بله
Cursor بله بله/ACP نیازمند Integration بله بله بله
OpenCode بله بله/ACP نیازمند Integration بله بله بله
Antigravity نیازمند بررسی نیازمند بررسی نیازمند Adapter بله محدود بله
Freebuff نیازمند بررسی نیازمند بررسی نیازمند Adapter Custom CLI احتمالی محدود Custom
Gemini بله بله بله بله بسته به نسخه بله


معماری پیشنهادی فعلی

پس از بررسی ابزارها، معماری موردنظر به سه Layer اصلی تقسیم می‌شود. 

             +-----------------------------+
             |          Emdash             |
             | Development Control Plane   |
             +--------------+--------------+
                            |
                       Projects/Tasks
                            |
             +--------------+--------------+
             |                             |
          Claude                         Codex
             |                             |
          Cursor                        OpenCode
             |                             |
             +--------------+--------------+
                            |
                      Git Worktrees
                            |
                 Candidate Solutions
                            |
             +--------------+--------------+
             |              |              |
           Build          Tests         Security
             |              |              |
             +--------------+--------------+
                            |
             +--------------v--------------+
             |          Promptfoo           |
             |      Evaluation / Judge      |
             +--------------+--------------+
                            |
                      Agent Rubric
                            |
                     Weighted Score
                            |
                    Candidate Ranking
                            |
                     Human Approval
                            |
                       Commit / PR


معماری پیشرفته با Kandev

اگر Workflow Orchestration اهمیت بیشتری داشته باشد: 

                      Kandev
                        |
                  Workflow Engine
                        |
          +-------------+-------------+
          |             |             |
       Planner       Architect      Researcher
          |             |             |
          +-------------+-------------+
                        |
                Parallel Coders
                        |
        +---------------+---------------+
        |               |               |
      Claude          Codex          OpenCode
        |               |               |
        +---------------+---------------+
                        |
                  Git Worktrees
                        |
                     Tests
                        |
                 Security Review
                        |
                     Promptfoo
                        |
                  LLM-as-a-Judge
                        |
                 Human Approval
                        |
                        PR


نقش هر نرم‌افزار

نرم‌افزار نقش پیشنهادی
Emdash Primary Development Control Plane
Kandev Advanced Workflow Orchestrator
Promptfoo LLM-as-a-Judge / Evaluation
OpenHands Agent Platform / Automation
Orca Alternative Multi-Agent Control Plane
Codbash Session / Token Analytics
Claw Orchestrator Persistent Agent Runtime / API
Agent Orchestrator فعلاً کنار گذاشته‌شده به دلیل مشکل Windows


تصمیم فعلی

سه ابزار جدید باید در یک پروژه واقعی مقایسه شوند:

  1. Emdash
  2. Kandev
  3. Promptfoo

اما Promptfoo رقیب Emdash و Kandev نیست.

ساختار صحیح مقایسه: 

          Emdash
             VS
          Kandev
             |
             |
      انتخاب Control Plane
             |
             v
         Promptfoo
        Judge Layer


معیار انتخاب Emdash یا Kandev

اگر اولویت:

  • UI
  • سادگی
  • Windows Desktop
  • Parallel Agents
  • Worktrees
  • Diff Review
  • استفاده روزانه

باشد:

Emdash

گزینه اول است.


اگر اولویت:

  • Workflow
  • Agent Roles
  • Task Dependencies
  • Multi-step Execution
  • Human Gates
  • Multi-repository
  • Orchestration

باشد:

Kandev

گزینه قوی‌تر است.


معماری هدف نهایی

هدف این است که تعداد ابزارها کاهش پیدا کند. 

                  ONE CONTROL PLANE
                        |
          Emdash OR Kandev
                        |
          +-------------+-------------+
          |             |             |
        Claude        Codex        OpenCode
          |             |             |
        Cursor         Agy          Others
          |             |             |
          +-------------+-------------+
                        |
                   Worktrees
                        |
               Build/Test/Security
                        |
                    Promptfoo
                        |
                 LLM-as-a-Judge
                        |
                  Human Approval
                        |
                    Commit/PR

در صورت موفقیت این معماری، ابزارهای دارای قابلیت تکراری باید حذف شوند.


برنامه تست

Phase 1 — Agent Detection

بررسی:

  • Claude Code
  • Codex
  • Cursor
  • OpenCode
  • Antigravity
  • Freebuff


Phase 2 — Parallel Development

یک Task یکسان به چند Agent داده شود. 

Task
 |
 +-- Claude
 |
 +-- Codex
 |
 +-- Cursor
 |
 +-- OpenCode


Phase 3 — Worktree

بررسی شود که هر Agent Worktree مستقل داشته باشد.


Phase 4 — Validation

برای هر Candidate:

  • Build
  • Unit Tests
  • Integration Tests
  • Lint
  • Security Scan


Phase 5 — Judge

Promptfoo:

  • agent-rubric
  • llm-rubric

برای Score کردن Candidateها استفاده شود.


Phase 6 — Human Approval

قبل از:

  • Commit
  • Push
  • Pull Request
  • Merge

تأیید انسانی انجام شود.


Phase 7 — Cleanup

بعد از انتخاب Control Plane اصلی:

ابزارهایی که قابلیت تکراری دارند Uninstall شوند.

هدف:

Minimum Software + Maximum Capability


نتیجه فعلی

در وضعیت فعلی معماری پیشنهادی:

Emdash + Promptfoo

ساده‌ترین گزینه برای شروع است.

برای Orchestration پیشرفته‌تر:

Kandev + Promptfoo

جذاب‌تر است.

انتخاب نهایی بین Emdash و Kandev باید بعد از تست عملی روی Repository واقعی انجام شود.

هیچ‌کدام در حال حاضر تمام نیازهای Agentic Development OS را به تنهایی پوشش نمی‌دهند.

مهم‌ترین Gapهای باقی‌مانده:

  • Persistent Semantic Memory
  • Central Context Optimization
  • Intelligent Token Budgeting
  • Shared Skills بین تمام Agentها
  • Native automated LLM-as-a-Judge در Control Plane


منابع رسمی

Emdash

Kandev

Promptfoo

OpenHands

Orca

Codbash

Claw Orchestrator

Agent Orchestrator

Retrieved from "https://wiki.alikaravi.ir/index.php?title=Ai_Agentic_os&oldid=201"