Skip to content

ru.md

Latest commit

 

History

History
304 lines (210 loc) · 30 KB

ru.md

File metadata and controls

304 lines (210 loc) · 30 KB
Raw

Hive Banner

English | 简体中文 | Español | हिन्दी | Português | 日本語 | Русский | 한국어

Apache 2.0 License Y Combinator Discord Twitter Follow LinkedIn MCP

Agent Harness AI Agents Multi-Agent Headless HITL Browser Use

OpenAI Anthropic Gemini

The agent harness for production workloads — state management, failure recovery, observability, and human oversight so your agents actually run.

Обзор

OpenHive — это среда выполнения без настройки и независимая от модели, предназначенная для колоний агентов (colonies of agents). Колония (colony) — это группа специализированных агентов, которые работают вместе, чтобы выполнять один бизнес-процесс: Queen («Матка») — постоянный, обращённый к клиенту руководитель — плюс столько worker-агентов («рабочих»), сколько требует задача. Вы описываете желаемый результат; Queen выполняет работу сама, а затем выращивает вокруг неё колонию, чтобы выполнять эту работу надёжно и в масштабе.

В основе лежит механизм «один цикл управляет многими циклами» (one loop controlling many loops). У Hive есть единственный примитив выполнения: Queen является циклом агента (AgentLoop), а каждый worker — это её clone («клон»): те же инструменты, та же модель, но своя задача. Нет графа, который нужно компилировать, и нет шаблонного кода оркестрации, который нужно писать. Колония координируется через общий журнал (ledger) и постоянный план, а устойчивое к сбоям состояние, глубокая наблюдаемость и человеческий надзор встроены в тот единственный примитив, который разделяют все агенты. О том, как это работает, читайте в Обзоре архитектуры.

Возможности

  • ✅ Колонии агентов — Queen по требованию порождает клонов-worker'ов для параллельной, длительной работы
  • ✅ Один примитив, множество циклов — никакого графа для связывания; Queen выращивает колонию во время выполнения
  • ✅ Общий журнал-tracker + постоянный план задач для координации без буфера данных
  • ✅ Персоны Queen с маршрутизацией в стиле CEO и развивающейся памятью с ограниченной областью видимости
  • ✅ Устойчивые к сбоям приостановка/возобновление (park/resume), контроль затрат и внеполосное вмешательство человека в контуре (Sentinel)
  • ✅ Нулевая настройка — не требуется никакой технической конфигурации
  • ✅ Общее использование компьютера (General Compute Use) и управление браузером (Browser Use) с нативным расширением
  • ✅ Поддержка пользовательских моделей

Посетите adenhq.com для полной документации, примеров и руководств.

Посетите HoneyComb, чтобы увидеть, какие рабочие места автоматизируются ИИ. Это биржа рабочих мест, движимая прогрессом ИИ-агентов нашего сообщества. Вы можете открывать длинные и короткие позиции по рабочим местам (без реальных денег, но с помощью compute-токенов) в зависимости от того, насколько сильно, по вашему мнению, та или иная работа будет заменена ИИ.

OpenHive_Main_Intro_mute.mp4

Для кого создан Hive?

Hive — это уровень оснастки (harness) для мультиагентных систем, предназначенный для команд, переводящих ИИ-агентов из прототипа в продакшен. Одиночные агенты, такие как Openclaw и Cowork, вполне неплохо справляются с личными задачами, но им не хватает строгости для выполнения бизнес-процессов.

Hive хорошо вам подойдёт, если вы:

  • Хотите ИИ-агентов, которые выполняют реальные бизнес-процессы, а не демо
  • Нуждаетесь в среде выполнения, которая управляет состоянием, восстановлением и параллельным выполнением в масштабе
  • Нуждаетесь в самовосстанавливающихся и адаптивных агентах, которые улучшаются со временем
  • Требуете контроля с человеком в контуре, наблюдаемости и лимитов затрат
  • Планируете запускать агентов в продакшене, где важны время безотказной работы, затраты и возможность аудита

Hive может не быть лучшим выбором, если вы лишь экспериментируете с простыми цепочками агентов или одноразовыми скриптами.

Когда следует использовать Hive?

Используйте Hive, когда узким местом становится уже не модель, а оснастка (harness) вокруг неё:

  • Длительно работающие агенты, которым нужны сохранение состояния и восстановление после сбоев
  • Продакшен-нагрузки, требующие контроля затрат, наблюдаемости и журналов аудита
  • Агенты, которые улучшаются со временем за счёт рефлексии, памяти с ограниченной областью видимости и выученных навыков
  • Параллельная мультиагентная работа, координируемая через общий журнал-tracker и постоянный план
  • Фреймворк, который масштабируется вместе с улучшениями моделей, а не борется с ними

Быстрые ссылки

Быстрый старт

Предварительные требования

  • Python 3.11+ для разработки агентов
  • LLM-провайдер, который обеспечивает работу агентов
  • ripgrep (для полноценного поиска): Quickstart устанавливает и проверяет rg. Для исправления существующей установки выполните uv run scripts/ensure_ripgrep.py --install. Пакет Windows называется BurntSushi.ripgrep.MSVC; абсолютный путь к другому исполняемому файлу можно задать через HIVE_RIPGREP_PATH. Без rg инструмент terminal_rg возвращает ошибку, если приближённый поиск не запрошен явно через allow_fallback=True.

Пользователи Windows: Нативная поддержка Windows обеспечивается через quickstart.ps1 и hive.ps1. Запускайте их в PowerShell 5.1+. WSL также возможен, но не обязателен.

Установка

Примечание Hive использует структуру рабочего пространства uv и не устанавливается через pip install. Выполнение pip install -e . из корня репозитория создаст пакет-заглушку, и Hive не будет работать корректно. Пожалуйста, используйте скрипт быстрого старта ниже для настройки окружения.

# Clone the repository
git clone https://github.com/aden-hive/hive.git
cd hive

# Run quickstart setup (macOS/Linux)
./quickstart.sh

# Windows (PowerShell)
.\quickstart.ps1

Это установит:

  • framework - Основная среда выполнения агентов и исполнитель графов (в core/.venv)

  • aden_tools - MCP-инструменты для возможностей агентов (в tools/.venv)

  • credential store - Зашифрованное хранилище API-ключей (~/.hive/credentials)

  • LLM provider - Интерактивная настройка модели по умолчанию, включая Hive LLM и OpenRouter

  • Все необходимые зависимости Python через uv

  • В конце будет открыт интерфейс Hive в вашем браузере

Совет: Чтобы снова открыть панель управления позже, выполните hive open из каталога проекта.

Создайте своего первого агента

Введите описание агента, которого хотите создать, в поле ввода на главном экране. Queen задаст вам вопросы и вместе с вами выработает решение.

Image

Используйте шаблоны агентов

Нажмите «Try a sample agent» и просмотрите шаблоны. Вы можете запустить шаблон напрямую или создать свою версию на основе существующего шаблона.

Запуск агентов

Теперь вы можете запустить агента, выбрав его (существующего агента или пример агента). Вы можете нажать кнопку «Run» в верхнем левом углу или поговорить с агентом Queen, и она запустит агента за вас.

Screenshot 2026-03-12 at 9 27 36 PM

Интеграция

Integration Hive создан модельно-агностичным и системно-агностичным.

  • Гибкость LLM - Hive Framework поддерживает Anthropic, OpenAI, OpenRouter, Hive LLM и другие облачные или локальные модели через LiteLLM-совместимых провайдеров.
  • Подключение к бизнес-системам - Hive Framework разработан для подключения ко всем видам бизнес-систем в качестве инструментов, таким как CRM, поддержка, мессенджеры, данные, файлы и внутренние API через MCP.

Почему Hive

По мере совершенствования моделей растёт верхняя граница того, что могут делать агенты, — но их надёжность и ценность для продакшена определяются оснасткой (harness). Hive сосредоточен на выполнении реальных бизнес-процессов, а не на создании универсальных агентов. Вместо того чтобы заставлять вас вручную связывать граф рабочего процесса, определять каждое взаимодействие агентов и реактивно обрабатывать сбои, Hive переворачивает парадигму: вы описываете результат, Queen сначала выполняет работу сама, а затем выращивает колонию, чтобы масштабировать её — ориентированный на результат, адаптивный опыт с простым в использовании набором инструментов и интеграций.

flowchart LR
    GOAL["Describe Outcome"] --> PILOT["Queen Pilots\n(does one unit herself)"]
    PILOT --> SYS["Systematize\n(skill + playbook)"]
    SYS --> FAN["Fan Out\n(spawn worker clones)"]
    FAN --> CONV["Converge\n(shared tracker ledger)"]
    CONV --> CHECK{{"Done?"}}
    CHECK -- "Yes" --> DONE["Deliver Result"]
    CHECK -- "No" --> FAN

    GOAL -.- V1["Natural Language"]
    PILOT -.- V2["Prove the path"]
    SYS -.- V3["Repeatable process"]
    FAN -.- V4["Parallel at scale"]
    CONV -.- V5["Resume by construction"]
    DONE -.- V6["Reliable outcomes"]

    style GOAL fill:#ffbe42,stroke:#cc5d00,stroke-width:2px,color:#333
    style PILOT fill:#ffb100,stroke:#cc5d00,stroke-width:2px,color:#333
    style SYS fill:#ff9800,stroke:#cc5d00,stroke-width:2px,color:#fff
    style FAN fill:#ff9800,stroke:#cc5d00,stroke-width:2px,color:#fff
    style CONV fill:#ff9800,stroke:#cc5d00,stroke-width:2px,color:#fff
    style CHECK fill:#fff59d,stroke:#ed8c00,stroke-width:2px,color:#333
    style DONE fill:#4caf50,stroke:#2e7d32,stroke-width:2px,color:#fff
    style V1 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V2 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V3 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V4 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V5 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
    style V6 fill:#fff,stroke:#ed8c00,stroke-width:1px,color:#cc5d00
Loading

Как это работает

  1. Опишите результат → Скажите, чего хотите, простым языком; маршрутизатор в стиле CEO выбирает подходящую Queen
  2. Queen выполняет пилот → Она сама выполняет одну единицу работы, проверяя путь и записывая его в общий tracker
  3. Систематизируйте → Она превращает проверенный протокол в навык + плейбук — повторяемый процесс
  4. Разветвление → run_worker порождает клонов-worker'ов, которые работают параллельно и отчитываются о результатах
  5. Сведение и мониторинг → Worker'ы записывают результаты в tracker; Queen проверяет их через SQL, с метриками в реальном времени, контролем бюджета и устойчивым к сбоям возобновлением

Документация

Участие в разработке

Мы приветствуем вклад сообщества! Мы особенно ищем помощь в создании инструментов, интеграций и примеров агентов для фреймворка (см. #2805). Если вы заинтересованы в расширении его функциональности, это идеальное место для начала. Пожалуйста, ознакомьтесь с руководствами в CONTRIBUTING.md.

Важно: Пожалуйста, получите назначение на issue перед отправкой PR. Оставьте комментарий в issue, чтобы заявить о своём желании работать над ним, и мейнтейнер назначит вас. Issue с воспроизводимыми шагами и предложениями приоритизируются. Это помогает избежать дублирования работы.

  1. Найдите или создайте issue и получите назначение
  2. Сделайте форк репозитория
  3. Создайте ветку функции (git checkout -b feature/amazing-feature)
  4. Зафиксируйте изменения (git commit -m 'Add amazing feature')
  5. Отправьте в ветку (git push origin feature/amazing-feature)
  6. Откройте Pull Request

Сообщество и поддержка

Мы используем Discord для поддержки, запросов функций и обсуждений сообщества.

Присоединяйтесь к команде

Мы нанимаем! Присоединяйтесь к нам на позициях в инженерии, исследованиях и выходе на рынок.

Посмотреть открытые позиции

Безопасность

По вопросам безопасности, пожалуйста, обратитесь к SECURITY.md.

Лицензия

Этот проект лицензирован под лицензией Apache 2.0 — см. файл LICENSE для деталей.

Часто задаваемые вопросы (FAQ)

В: Каких провайдеров LLM поддерживает Hive?

Hive поддерживает более 100 провайдеров LLM через интеграцию LiteLLM, включая OpenAI (GPT-4, GPT-4o), Anthropic (модели Claude), Google Gemini, DeepSeek, Mistral, Groq, OpenRouter и Hive LLM. Просто настройте соответствующую переменную окружения с API-ключом и укажите имя модели. Примеры конфигурации для конкретных провайдеров см. в docs/configuration.md.

В: Могу ли я использовать Hive с локальными ИИ-моделями, такими как Ollama?

Да! Hive поддерживает локальные модели через LiteLLM. Просто используйте формат имени модели ollama/model-name (например, ollama/llama3, ollama/mistral) и убедитесь, что Ollama запущен локально.

В: Что отличает Hive от других фреймворков агентов?

Hive запускает колонии агентов, а не одиночных агентов или вручную связанные графы агентов. Большинство фреймворков заставляют вас компилировать граф из отдельных узлов и рёбер; у Hive есть один примитив выполнения — Queen является циклом агента (AgentLoop), а каждый worker — это её clone. Оркестрация — это разветвление run_worker во время выполнения, а не скомпилированный DAG, и колония координируется через общий журнал-tracker вместо буфера данных. Поверх этого ядра «один цикл, множество циклов» Hive представляет собой продакшен-оснастку (harness) — устойчивые к сбоям приостановка/возобновление, контроль затрат, наблюдаемость в реальном времени и внеполосное вмешательство человека в контуре — которую наследует каждый агент, потому что существует лишь один вид агентов. См. Обзор архитектуры.

В: Является ли Hive проектом с открытым исходным кодом?

Да, Hive полностью с открытым исходным кодом под лицензией Apache 2.0. Мы активно поощряем вклад и сотрудничество сообщества.

В: Поддерживает ли Hive рабочие процессы с человеком в контуре?

Да. Queen эскалирует вопрос человеку внеполосно через Sentinel — привязанный к учётной записи канал Slack/Telegram. Цикл агента (AgentLoop) приостанавливается (сохраняя своё состояние на диск), уведомляет человека и возобновляется ровно с того места, где остановился, когда человек отвечает. Поскольку эскалация не является узлом в графе, любой агент в колонии может приостановиться для человеческого решения в любой момент, с настраиваемыми таймаутами и политиками эскалации. См. Обзор архитектуры.

В: Какие языки программирования поддерживает Hive?

Фреймворк Hive написан на Python. JavaScript/TypeScript SDK находится в дорожной карте.

В: Могут ли агенты Hive взаимодействовать с внешними инструментами и API?

Да. Каждый агент в колонии имеет встроенный доступ к инструментам, и Hive подключается к внешним API, базам данных и сервисам через MCP — включая более 100 интеграционных инструментов, а также General Compute Use и Browser Use через нативное расширение. Поскольку Queen и её worker'ы разделяют единую поверхность инструментов, добавленная вами возможность становится доступна всей колонии.

В: Как работает контроль затрат в Hive?

Hive предоставляет детальный контроль бюджета, включая лимиты расходов, ограничения и политики автоматической деградации модели. Вы можете устанавливать бюджеты на уровне команды, агента или рабочего процесса с отслеживанием затрат в реальном времени и оповещениями.

В: Где найти примеры и документацию?

Посетите docs.adenhq.com для полных руководств, справочника API и обучающих материалов по началу работы. Репозиторий также включает документацию в папке docs/ и подробное руководство разработчика.

В: Как я могу внести вклад в Aden?

Вклад приветствуется! Сделайте форк репозитория, создайте ветку функции, реализуйте изменения и отправьте pull request. Подробные руководства см. в CONTRIBUTING.md.

История звёзд

Star History Chart

Made with 🔥 Passion in San Francisco