Flameox について
Flameox はコーディングエージェント向けのローカル実行時エビデンスツールで、明示された成果物またはコマンドを範囲の限定されたエビデンスに変換します。プロファイラー、ベンチマークツール、トレース処理ツール、ローカルターゲットを調整し、入力、実行の来歴、制約を記録します。
主な機能
- 01明示的な成果物パスの分析
- 02絶対パスの作業ディレクトリでの argv 実行の取得
- 03来歴、カバレッジ、制約の記録
- 04SHA-256 によるエビデンスの任意保存
- 05CLI と stdio MCP サーバー
活用シーン
- 01エージェントのためにベンチマークから実行時エビデンスを集める
- 02既存のプロファイラーやトレースの成果物を分析する
- 03MCP クライアントに Flameox のツールを設定する
MCP 対応
Flameox は stdio MCP サーバーを提供し、CLI と同じ操作を名前付きの分析・取得ツールとして公開します。ワークスペースには紐づかず、保存されたエビデンスは evidence_id で確認できます。
設定
ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。
ツール
51掲載時のツール一覧 · 2 週間前に更新
| パラメーター | 型 | 必須 | 説明 |
|---|---|---|---|
| limits | any | いいえ | このリクエストの分析、デコーダー、出力、プロベナンスの各上限を引き下げます。省略したフィールドはサーバーポリシーを継承します。リクエストでサーバーの上限を引き上げることはできません。 |
| sources | array | はい | 次の形式のアーティファクトを順序付きで指定します:perfetto、chrome-trace、otlp、nsys-rep、nsys-parquet、pytorch、rocprof-pftrace、xctrace。 |
| page_size | any | いいえ | 1 ページあたりの行数。省略すると limits.max_rows またはサーバーの既定値を継承します。page_size と limits.max_rows の両方を指定する場合、値が一致している必要があります。 |
| continuation | any | いいえ | next_page からの不透明な継続トークンです。呼び出し全体をコピーしてください。 |
詳細
flameox
コーディングエージェント向けの、範囲を限定したローカル実行時エビデンス。
Flameox は、プロファイラー、ベンチマークツール、トレースプロセッサー、ローカルの直接ターゲットを連携させます。明示的に指定されたアーティファクトまたはコマンドを、永続的な保存を任意としながら、範囲を限定したエビデンスに変換します。エージェントが仮説と実験を選び、Flameox は観測された入力、実行の来歴、型付きエビデンス、カバレッジ、制約を記録します。
初期化するワークスペースも、維持するプロジェクト設定もありません。分析には正確なアーティファクトパスを、キャプチャには明示的な argv と絶対パスの作業ディレクトリを渡します。Flameox は親ディレクトリを検索せず、プロジェクトファイルを編集せず、ホスト型サービスも提供しません。
クイックスタート
グローバルセットアップコマンドを使って、MCP クライアントを設定します。
npx flameox@latest setup
セットアップでは、サポート対象のクライアントを検出し、更新する設定を尋ねます。自動化する場合は、たとえば --client codex --yes または --all --yes のように、クライアントを明示的に選択します。--dry-run は、書き込みを行わずにパスとアクションを報告します。セットアップは無関係なクライアント設定を保持し、プロジェクトファイルは変更しません。詳しくは npm パッケージガイドを参照してください。
既存の MCP 登録を更新するには、次を実行します。
npx flameox@latest update
update --check は、設定を変更せずに利用可能な更新を報告します。更新時には各クライアントのプロバイダー固有の追加設定と設定値が保持され、リリースの固定バージョンを変更する前に新しい環境が検証されます。また、再起動または再接続が必要なクライアントが報告されます。クライアントを 1 つ選択するには --client codex を、ロールバックを含めて特定のリリースを選択するには --version 0.2.8 を使用します。Python CLI でも同じ flameox update コマンドを利用できます。
CLI を直接使用するには、正確なアーティファクトパスまたは明示的なコマンドを渡します。
uvx flameox analyze preview_artifact /absolute/path/to/artifact.json
uvx flameox capture --provider direct --cwd "$PWD" -- python benchmark.py
stdio MCP サーバーを手動で起動するには、次を実行します。
uvx flameox mcp serve
ローカルで開発するには、リポジトリをクローンし、開発用依存関係をインストールして、利用可能なツールを確認します。
git clone https://github.com/morluto/flameox.git
cd flameox
uv sync --extra dev --extra memory --extra trace --extra cpu
uv run flameox mcp inspect
エビデンスとストレージ
分析と、保存しないキャプチャでは、範囲が限定されたセッション用スクラッチ領域を使用します。セッションの analysis_id 値は、追い出されたとき、またはサーバーが停止したときに有効期限が切れます。明示的に保存すると、ユーザーレベルの Flameox データディレクトリが作成され、ネイティブバイト列と正規化されたエビデンスバンドルが SHA-256 で保存されます。別の場所を選ぶには FLAMEOX_DATA_DIR を設定します。保存は任意であり、コンソール出力がすべて保持されることを意味しません。
Flameox は、観測された主張、導出された主張、推定された主張を区別します。プロファイルは調査の指針になりますが、因果関係や性能向上を立証するものではありません。確認的な主張には、代表的なワークロード、宣言されたメトリクスと推定対象、互換性のある識別情報、保存されたサンプル、セマンティックオラクルが必要です。
MCP
MCP サーバーはワークスペースに紐付けられていません。CLI と同じオペレーションレジストリを通じて、名前付きの分析ツールとキャプチャツールを公開します。分析ツールは明示的なソースを受け取り、キャプチャツールは型付きのターゲットとプロバイダーを受け取ります。ツールスキーマでは、各オペレーション固有のフィールドが直接公開されます。flameox mcp inspect でカタログを確認できます。特定のスキーマと例に絞り込むには --tool TOOL_NAME を使用します。契約全体と現在のツールカタログはインターフェースガイドにあります。
ツールは、失敗や復旧アクションも含め、範囲が限定された結果全体をインラインで返します。保存されたエビデンスには永続的な evidence_id があり、inspect_evidence はその秘匿化されたメタデータとリプレイソースをインラインで返します。
キャプチャに渡すのは argv であり、シェル文字列ではありません。直接ターゲットには、絶対パスの作業ディレクトリと、範囲を限定した環境変数の上書きを指定します。結果には next_page が含まれる場合があります。その名前付き分析ツールと引数を変更せずに再実行してください。キャプチャの続きでは収集済みのアーティファクトを読み取り、ターゲットは再実行しません。MCP の処理は進行中のリクエストに紐付くため、キャンセルが直接適用され、再起動後も存続するデタッチ済みジョブはありません。
ドキュメント
- アーキテクチャでは、プロセスとパッケージの境界を説明します。
- ストレージとエビデンスでは、保存と来歴を定義します。
- 調査では、実験、比較、エビデンスの品質について説明します。
- アダプターでは、プロバイダーとの互換性と統合ポリシーについて説明します。
- ランタイムの安全性では、制限、復旧、整合性、プライバシーについて説明します。
- インターフェースでは、CLI と MCP の契約を定義します。
- テストでは、テストの選定と既知の証明上の不足について説明します。
開発
Flameox の実行には Python 3.12 以降が必要で、コミット済みの uv.lock を使用します。開発環境のセットアップとコントリビューションのガイダンスについては、
CONTRIBUTING.mdをご覧ください。
uv run ruff check src tests tools
uv run ruff format --check src tests tools
uv run mypy src tests tools
uv run pytest -q
Flameox は MIT License の下でライセンスされています。
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。