TigrimOSR v0.6.2 — 开放循环工程:使用 Rust 浏览器 + LINE/Telegram 机器人创建你自己的自定义代理循环
摘要
TigrimOSR v0.6.2 引入了开放循环工程,允许用户通过 YAML 配置文件定义自定义代理循环,集成了 Obscura Rust 浏览器以实现网页自动化,并增加了 LINE/Telegram 机器人控制。该版本强调透明度和用户对代理行为的控制。
大家好,我正在构建 TigrimOSR,一个基于 Rust 原生的多代理 AI 工作空间。其核心理念是开放循环工程:与其使用固定隐藏的代理循环,用户应该能够创建、编辑、检查和掌控自己的自定义循环。在 TigrimOSR 中,代理循环并未锁定在代码内部。你可以将其定义为 YAML 配置文件:代理可以使用的工具、可用的 MCP 服务器、加载的技能、使用的模型/提供商、自定义系统提示、循环限制、自我验证、上下文压缩、作业评估规则等。所以理念就是:开放循环工程——创建你自己的自定义循环。你的代理循环,你的规则。
新的 v0.6.2 版本专注于两大集成:
1. Obscura Rust 浏览器集成
TigrimOSR 现在可以连接到 Obscura(一个轻量级的 Rust 浏览器引擎)。这使得代理能够控制真实浏览器执行实时网页任务,而无需依赖付费的搜索 API。它支持用于搜索和网页阅读的浏览器控制,并提供选择加入的安全开关。由于 TigrimOSR 和 Obscura 都是 Rust 原生,应用加嵌入式浏览器空闲时内存占用约 270 MB。
2. LINE 和 Telegram 机器人控制
现在你可以通过即时通讯应用与代理聊天并控制它。支持的命令包括:/agents、/model、/mode、/loop、/new、/stop、/status。机器人可以显示实时进度、发送状态更新,并支持工具审批的批准/拒绝操作。Telegram 还可以在无需暴露公共 URL 的情况下工作。
其他主要功能:
- 多代理编排,支持 6 种模式:分层、网状、混合、流水线、点对点以及点对点编排器
- 自定义 YAML 代理循环,包含工具、MCP 服务器、技能、模型覆盖、系统提示、循环限制、自我验证和上下文压缩
- 独立的作业评估:作业完成后,一个独立的裁判代理根据目标验证结果,并检查声明的文件/工件是否实际存在
- 任意 LLM 提供商:OpenAI、Anthropic、DeepSeek、Kimi、Gemini、Ollama 以及兼容 OpenAI 的 API
- 本地 CLI 代理:Claude Code、Gemini CLI 和 Codex,无需 API 密钥
- 完整的工具调用:网页搜索、Python、文件 I/O、Shell、MCP 服务器和技能
- 用于打包技能、MCP 服务器、代理和连接器的插件系统
- 本地/远程/无头模式,包括通过 Tailscale VPN 的私有访问
- 基于 Rust 构建:单一二进制文件,无需 Node/Python 运行时
我不希望代理系统成为黑盒。TigrimOSR 是我为实现开放、可编辑和可复现的循环工程所做的尝试。
仓库:[https://github.com/Sompote/TigrimOSR]()
欢迎反馈,尤其是来自从事 Rust 应用、浏览器自动化、本地代理、多代理系统或开放循环工程工作的人士。
相似文章
用Rust构建了一个开放的可定制代理循环的Agentic AI系统(TigrimOSR)
宣布TigrimOSR,一个用Rust构建的开源Agentic AI系统,具有可定制的代理循环。
TigrimOSR v0.4.1:在远程服务器上无头运行AI代理,由快速的本地Rust UI控制
TigrimOSR v0.4.1 是一个 Rust 原生工具,它允许在远程服务器上无头运行 AI 代理,同时通过快速的本地桌面 UI 进行控制,支持远程缓存和多代理工作流。
我是一名独立开发者,正在构建TigrimOSR,这是一个专为工程和开发者工作流设计的Rust原生AI智能体工作台。
一位独立开发者介绍了TigrimOSR,这是一个Rust原生桌面应用,集成了聊天、文件、终端、任务和多智能体编排,为工程决策提供结构化工作流,旨在减少智能体AI的随机性。
@RoundtableSpace:循环工程正在取代提示工程 仓库:https://github.com/cobusgreyling/loop-engineering…
一种称为循环工程的新范式被引入,从手动提示工程转向设计能够自主提示AI代理的系统。该GitHub仓库提供了模式、快速入门指南以及npm包,用于实现与Grok、Claude Code和Cursor等编码代理的循环。
Agent libOS:受库操作系统启发的用于长期运行、能力可控的大语言模型智能体的运行时
Agent libOS 引入了一种受库操作系统启发的、用于大语言模型智能体的运行时基座,将智能体视为具有显式能力、生命周期管理、审计记录和人工审批队列的可调度进程。该设计将信任边界从工具调度移至运行时原语,使得长期运行的智能体能够安全地被调度、授权、恢复和审计。