AgentRun: открытая платформа, где ИИ-агенты учатся на запусках

AgentRun, открытая платформа под лицензией Apache-2.0, которая, по описанию авторов README, добавляет к уже существующей «обвязке» для агентов (harness) три вещи: самообучение, устойчивое выполнение и панель управления. Поддерживаются Claude Code, Codex, OpenCode и pi. Обещание авторов: агенты становятся умнее, устойчивее к сбоям и расходуют меньше токенов с каждым запуском.
Исходная мысль: агенты хорошо разбираются в задаче, но каждый раз разбираются заново, заново открывают один и тот же API, перечитывают документацию и перестраивают план, а оплачивать приходится каждый токен. AgentRun предлагает сохранять результат этой работы.
Первый кейс, ревью кода. По словам авторов, Greptile с марта начал брать доллар за ревью, затем их агенты «пошли в рост», и счёт вырос со 180 долларов в месяц до 6451 доллара (в шапке README, «в 36 раз за год»). Тогда они сделали собственного ревьюера на дешёвой модели и настроили его на своих pull request'ах. Один обзор обходится в 18 центов, а на 30 PR, которых ревьюер раньше не видел, он нашёл в 1,6 раза больше реальных багов, чем Greptile. Это утверждение авторов; методика подсчёта и определение «реального бага» не приведены. Второй кейс, классификация торговых точек (merchant codes): Opus разобрался, как их классифицировать, затем выученное передали дешёвой модели; та же задача стала стоить 0,12 доллара вместо 0,89 доллара за торговую точку. Какая именно дешёвая модель использована, в видимом тексте не названо.
Самообучение включается на уровне агента настройкой learning: true. В конце каждого запуска агент получает ещё один ход, чтобы сказать, что стоит сохранить. AgentRun проверяет предложение кодом, затем оценивает его одним «грейдером» и коммитит прошедшее в собственную git-папку агента. Следующий запуск стартует уже с этого состояния. Сохраняются заметки (короткие markdown-файлы, по одному факту, в формате памяти Claude Code), навыки (как снова выполнить работу; писать их может только запуск, который довёл дело до конца) и выученные воркфлоу, которые на любой «обвязке» вызываются как один вызов инструмента. Когда выученный навык отработал в 3 запусках, у следующего запуска просят черновик воркфлоу по этой работе; черновик проверяется «сухим» прогоном, где не спрашивается модель и не запускаются инструменты. Рискованное правило ждёт подтверждения пользователя; правило, найденное в веб-странице или вставленном письме, и заметка с номером счёта отбрасываются. Любой элемент можно отозвать во вкладке Learning или командой CLI; история хранится в git, так что отозванную заметку можно вернуть.
Воркфлоу, это JSON-документ из типизированных шагов: вызовы инструментов, шаги модели, быстрые типизированные решения (да/нет, выбор, оценка, каждое с уровнем уверенности), ветвления, параллельный обход списка, ограниченные циклы, вызов других воркфлоу и передача сложного случая агенту. В примере модель склоняется к «одобрить» с уверенностью 0,61, что ниже порога 0,75, поэтому случай уходит на проверку человеком. Воркфлоу можно ставить на паузу, возобновлять и смотреть каждое решение с обоснованием.
Устойчивость: все агенты, ревизии, запуски и шаги лежат в одном хранилище (по умолчанию SQLite, либо Postgres через AGENTRUN_STORE_URL). Остановите сервер посреди запуска и включите снова, запуск продолжится. Если раннеров несколько, запуски упавшего подхватит другой по истечении 30-секундной аренды. Завершённый шаг не выполняется повторно, а запись, оборванная сбоем на середине вызова, помечается как прерванная и не повторяется, чтобы человек мог проверить её.
Управление: у каждого инструмента три режима, разрешён, спрашивает или запрещён; лимиты расходов ставят запуск на паузу вместо ошибки и сообщают минимально необходимую сумму; стоимость, которую платформа не может оценить, показывается как «неизвестно», а не как 0 долларов. Агент может остановиться и задать вопрос, есть одна консоль с таймлайном, файлами и экраном браузера, который можно перехватить. Каждому агенту задаётся «компьютер» одной настройкой: none, sandbox, desktop, phone или browser, с провайдером вроде Daytona. Запуски стартуют по расписанию, подписанным вебхукам и событиям GitHub pull request.
Старт: нужен Node 24.22.3 или новее на macOS или Linux; команда npx @parcha/agentrun запускает сервер и один раннер на порту 7340 (или следующем свободном), хранит данные в ~/.agentrun и открывает консоль. Затем добавляется один ключ модели (например OPENROUTER_API_KEY) и применяется один из пяти готовых шаблонов агентов, скажем KYB due diligence. Шаблоны не получают прав, пока пользователь сам не отметит каждый MCP-инструмент. Для удалённого сервера есть развёртывание на Render в один клик. Видимый текст README обрывается на описании раннеров.
Ключевые факты
- AgentRun (Apache-2.0) добавляет к Claude Code, Codex, OpenCode и pi самообучение, устойчивое выполнение и панель управления с подтверждениями и лимитами расходов.
- Самообучение включается настройкой learning: true: после запуска агент предлагает заметки, навыки или воркфлоу, код и один грейдер их проверяют, а принятое коммитится в git-папку агента.
- Запуски переживают перезапуск сервера; при нескольких раннерах упавший запуск подхватывается после 30-секундной аренды, завершённые шаги не повторяются.
- Кейсы авторов: счёт за ревью кода вырос со 180 до 6451 доллара в месяц, собственный ревьюер стоит 18 центов за ревью; классификация торговых точек подешевела с 0,89 до 0,12 доллара.
- Запуск: npx @parcha/agentrun, нужен Node 24.22.3 или новее на macOS или Linux; в комплекте пять готовых шаблонов агентов.
Почему это важно
Расходы на агентов растут вместе с их использованием, и авторы предлагают бороться с этим не сменой модели, а накоплением опыта: то, что дорогая модель один раз выяснила, передаётся дешёвой. Платформа объединяет в открытом виде три обычно разрозненные вещи: обучение на прошлых запусках, надёжное возобновление после сбоев и контроль расходов с подтверждениями. При этом AgentRun не заменяет существующие «обвязки», а работает поверх Claude Code, Codex, OpenCode и pi.
Кому это важно
Командам, которые запускают одни и те же задачи агентами сотни раз (ревью кода, классификация, проверка компаний) и видят растущий счёт за токены. Также тем, кому нужны подтверждения действий, лимиты на запуск и единая консоль для нескольких агентов на разных «обвязках». Для разовых экспериментов выгода менее очевидна: самообучение рассчитано на повторяющуюся работу.
Как это применить
Нужен Node 24.22.3 или новее на macOS или Linux. Команда npx @parcha/agentrun поднимает сервер и один раннер на порту 7340, открывает консоль; затем добавляется один ключ модели в настройках и применяется шаблон (например KYB due diligence). Самообучение включается в определении агента через learning: true. Для shell-доступа агентам нужен Docker, иначе они только читают и пишут файлы. Сам проект бесплатный по лицензии Apache-2.0; удалённые «компьютеры» оплачиваются через собственный аккаунт у провайдера.
Можно ли доверять
Источник, README самого проекта, то есть материал авторов. Все цифры экономии (36-кратный рост счёта, 18 центов за ревью, 1,6 раза больше найденных багов, снижение с 0,89 до 0,12 доллара), их собственные утверждения без независимой проверки. Для сравнения с Greptile указано лишь «30 PR, которых ревьюер раньше не видел»; как определялся «реальный баг», не сказано. Дешёвая модель в видимом тексте не названа. Видимый текст README обрывается на разделе о раннерах.
Риски и подводные камни
Самообучение означает, что агент сам пишет себе инструкции; авторы защищают это проверкой кодом, оценкой грейдером, отбрасыванием правил из недоверенного контента (веб-страницы, письма) и подтверждением рискованных правил, но надёжность этих фильтров из README не оценить. Прерванная сбоем запись не повторяется, а помечается, поэтому такие случаи придётся проверять вручную. Для «шаблонов» права на MCP-инструменты придётся выдавать вручную. Удалённые песочницы Daytona, Modal и E2B работают только с диском Archil, а Docker-песочница при включённом Archil отклоняется.