ai-r

ai-r

English | Русский | 中文 | 日本語 | Español

エージェントは「完了しました」と報告しました。しかし、照らし合わせるものがありません。

ai-r は、5種類のコーディングエージェントのセッション履歴を読み込み、git では答えられないことを、新しいエージェントが先入観なく確認できるようにします。

• 嘘をついたか、何かを壊したか、約束を守ったか、危険な処理を実行したか（実行した場合はロールバックしたか）、実際に何を変更したか、どれだけのコストがかかったか。
• なぜその方法を選んだのか。どの計画に基づき、どのような意図で、誰の判断で編集したのか。

5種類のエージェントが20以上のプロジェクトで行った1600件以上のセッションからなる、私たちのコーパスでは、この方法で312件の危険なコマンド（rm -rf、curl|sh、git push --force）を発見しました。エージェント自身が2件を検出してロールバックしましたが、残りの310件は気づかれないまま実行されました。git には表示されません。

git が示すのはコードに反映された内容です。ai-r は、エージェントがそこに至った過程を信頼できるかどうかを示します。読み取り専用で、LLM の呼び出しもネットワーク通信もありません。

簡単な例 — エージェントが履歴について質問する

主な利用モードはMCPです。エージェント（Claude、Codex など）が ai-r を直接呼び出し、自然な言葉で履歴について質問します。たとえば、前のエージェントがまとめた計画を取得します。破棄された下書きは除外します。

Show me the plan from the last session — final only, no intermediate revisions.
→ plan(session=…, kind="final")  →  get_body(id, shallow=true)

  plan:            "Migrate auth to JWT: 1) extract the check…"
  dropped_drafts:  2   ← two drafts the agent threw away along the way
  session:         a3f… (claude)

編集箇所の帰属をすばやく確認するには、ターミナルでコマンドを1つ実行するだけです。すべてのエージェントをまとめて確認できます。

ai-r find-file-edits auth.py --since 2026-06-01

2026-06-03  codex   auth.py  "add a refresh token"                 edit
2026-06-07  claude  auth.py  "extract the check into middleware"   edit

困っていること

• 「計画Yに沿ってXを実行しました」という報告に、照らし合わせるものがありません。エージェントは計画と編集内容を別々の形式で保持しています。
• 作業の途中でエージェントを切り替えたため、これまでの経緯を見失いました。「もう一方のエージェントは何を試したのか」と尋ねる場所もありません。
• ファイルに編集が加わっていますが、どのエージェントが、どの依頼に基づいて行ったのかがわかりません。

原因のひとつは、エージェントごとに履歴の記録方法が異なることです。Claude と Codex は JSONL、OpenCode は SQLite、Antigravity は「brain」ディレクトリ、Pi はプロジェクトごとの JSONL に記録します。形式も構成も5種類あり、まとめて照合することはできません。

提供するもの

ai-r は5種類すべてを読み取り専用の単一インターフェースに統合します。どのツールで記録されたセッションでも、任意のエージェント、スクリプト、または自分自身から参照できます。エージェントごとの問い合わせ形式は共通で、形式の違いはパーサー内部で正規化されます。

エージェントが1種類だけでも利用できます。自分の Claude 履歴（または Codex の履歴）を監査できます。5種類の形式に対応しているのは、ツールを切り替えても履歴を扱えるようにするためであり、5種類すべてを使うことが必須というわけではありません。

RAG のソースとして

「LLM ＋外部データソース」という構成（RAG）において、ai-r はソース、より正確にはエージェントのセッションを対象とする検索レイヤーです。クエリに対し、ログの一部ではなく、計画、意図、編集の作成者など、解析済みの情報を返します。エージェントが必要に応じて取得できるよう、元の内容への参照も含まれます。

コードやドキュメントを対象とする RAG を置き換えるものではありません。ほかのソースでは取得できない情報源を追加します。通常、検索対象となるソースには、ドキュメント、コミット履歴、Stack Overflow、社内 wiki、コードベース、バグ報告があります。エージェントのセッションはその一覧に含まれませんが、編集が行われた理由が記録されているのは、セッションだけです。

検索には BM25（キーワードによる順位付け検索）を使用し、オプションでセマンティックな再順位付けも行えます。ベクトルデータベースも、2つ目の LLM も不要です。すべてローカルで実行され、結果は再現可能です。ここでの BM25 は妥協策ではありません。GitHub でも、ベクトル検索と並ぶ手法として紹介されています。「一般的な検索手法には、BM25 のようなスパース手法や、ニューラルネットワークを使用する密ベクトル検索があります。」

主な機能

各項目は、最初の画面に表示される信頼に関する質問と、それに答える動詞です。

• 約束を守ったか — 計画と実際の結果。 最終的な計画（破棄された dropped_drafts とは別）を取り出し、実際に編集に反映された内容と照合します。これにより、計画 Y がすでに別のものになっているのに「計画 Y に従って X を実行した」と記録されるケースを検出します。(plan, session_diff)
• 危険な操作を実行したか — そして元に戻したか。 リスクの高いコマンド（rm -rf、curl|sh、git push --force）を検出し、その後のターンを確認して、エージェントが気づいて元に戻したのか、それとも何も言わずに見過ごされたのかを判断します。(incidents, query tool_kind=bash)
• 実際に何を、誰の手で変更したか。 すべての編集や呼び出しについて、それを行ったエージェントと、そのきっかけとなったリクエストを示します。codex でシェル経由で行われた編集（> file）も含まれます。通常の diff では見逃されます。(find-file-edits, find-tool-calls)
• 費用はいくらだったか。 セッションごとのトークン数と費用を示します。形式に使用量の記録があれば正確な値を、なければ誠実な推定値を示し、値を捏造することはありません。(session_stats with_tokens, aggregate group_by=model)
• なぜその結果になったのか。 編集の意図（その前のリクエスト）、適用された計画、使用されたモデルを確認できます。「何をしたか」だけでなく、「なぜそうしたか」がわかります。(query with_intent)
• 回答は簡潔に、本文は必要なときに。 レコードには内容への参照（ハッシュ＋長さ）が含まれ、全文は別のリクエストで取得します。これはガードではなくリーダーです。読み取り専用で、エージェントの履歴に対して何も実行せず、何も書き込みません。

ai-r が判断する仕組み

2つ目の LLM に推測させることなく、決定論的に判断します。また、対応範囲の限界も明示します。

• 危険なコマンド — 呼び出し文字列に対するパターンで検出します（rm -rf、curl|sh、git push --force など）。難読化されたコマンド（exec(input())）はパターンでは検出できません。これは検出漏れを隠すのではなく、明示された限界です。
• ロールバック — エージェントの後悔や謝罪を示すマーカーが近くにある場合に限り、「確認済み」としてマークします（後続ターンの一定範囲内にあることが条件です。マーカーは ru/en の二言語パターンで、LLM による感情判定ではありません）。マーカーがなければ未確認の候補のままです。ai-r が言及のないロールバックを推測することはなく、「未確認」と正直に表示します。
• 計画についての虚偽 — ai-r が代わりに判断を下すことはありません。計画のエンティティを、セッションから再構成した編集内容（session_diff）の隣に並べて表示します。不一致は、あなた自身またはレビュー担当エージェントが確認できます。これは証拠をまとめるものであり、意味に関する判定ではありません。

LLM 呼び出しはゼロで、読み取り専用です。数値は再現可能で、「確認済み」と推測で判定することはありません。

活用方法

• 新たな視点でセッションを監査します。 コンテキストが空の新しいエージェントが、過去のセッションを 3 つの観点から冷静に確認します。約束や要件を満たしたか、判断は妥当で適切だったか、質問をどこまで深く検討したか、エージェントが見落としたことは何か。これにより、タスクは完了したものの、計画について誤解を招いたエージェントを見つけられます。これはライブチャットでは見えにくく、誤った判断につながることがあります。
• コンテキストを使い切った後も、詳細を失わずに続けられます。 /compact は詳細を消去します。代わりに新しいセッションを開くと、前のセッションのログを読み、その結論から作業を続けられます。すでに検討した内容でコンテキストを再び消費することはありません。元のセッションは監査や検索のためにそのまま残ります。新しいセッションはどのエージェントでも実行できます。ツールに関係なく、履歴を照合します。
• メモリーシステムに取り込めます。 Karpathy 風にメモリーや要約を保持していますか。それとも独自の方法を使っていますか。ai-r は、AI とのチャットでも、メッセージ履歴に対してすでに行っていることと同様に、重要な詳細を長期的なメモリーにまとめるための解析済みエンティティを提供します。
• 何をしたか、そしてなぜそうしたかを振り返れます。 なぜこのファイルを編集したのか。なぜこのルールを追加したのか。ファイルが変更されたセッションを見つけて、編集の前にあったリクエストを確認できます。

セッション検索ツールとの違い

複数エージェントの履歴を読み取るクロスエージェントツールがいくつか登場しています （jazzyalex/agent-sessions、Dicklesworthstone/coding_agent_session_search、 hacktivist123/agent-session-resume）。そのほとんどは検索とタイムラインが中心です。 セッションを見つけて、履歴をスクロールします。

ai-rはさらに踏み込み、メモリ構築に使える計画、意図、作成者を、すぐに利用できるエンティティとして抽出します。検索ではテキストが見つかりますが、ai-rは理由を返します。技術的には、検索ツールでもセッションのテキストから計画を掘り起こせますが、単一の正規化された形式にパースして返すことはありません。ai-rでは、それが主な機能です。

機能	単一エージェント向けビューアー	クロスエージェント検索ツール	ai-r
1つを超えるエージェントのログを読み取る	いいえ	はい	はい — Claude、Codex、OpenCode、Antigravity、Pi
プログラムから利用できるインターフェース	主にGUI/TUI	主にTUI/CLI/アプリ	MCP + CLI + Python SDK
帰属情報（編集／コマンド → エージェント + 意図）	—	部分的	はい — find-file-edits / find-tool-calls
監査リプレイ（Gitを使わずにセッションの変更を再構築）	—	まれ	はい — session_diff
計画の抽出（最終版と下書き、正規化済み）	—	—	はい — plan
対象範囲	ビューアー	検索／再開／メモリ	読み取り専用の抽出コア

競合製品の列は、2026-07時点の公開ドキュメントに基づいています。機能が不明確な場合は、過大に主張せず、控えめに記載しています。

私たちは、エージェントの対応範囲、速度、TUIの豊富さでは意図的に競いません。 ai-rの強みは、「なぜ」と、機械処理向けの構造化エンティティを抽出することです。

実運用での実績

ai-rはすでに、5つすべてのエージェントにわたる自身の開発履歴を読み取っています。実際のツールもai-r上で動作します（これらは別個に、読み取り専用API上に構築されています）。

• auditor — 新しいエージェントが、前のエージェントが実際に行ったことや決定したことを、先入観なく確認します。計画についてひそかに嘘をついていたエージェントの検出にも役立ちました。
• summarizer（export rounds）— セッションを、そのまま引き継ぎに使えるドキュメントにまとめます。
• ai-local-reader — 読み取り専用のスキルで、すべてのエージェントについて、ディスク上の過去のセッションを監査します。

これらのツールはワークフロー側にあり、このリポジトリの外部で動作します。ai-r自体はデータを読み取り、返すだけです。

対応エージェント

エージェント	ストレージ	パーサー
Claude Code	~/.claude/projects/	JSONL
Codex	~/.codex/sessions/	JSONL
OpenCode	~/.local/share/opencode/opencode.db	SQLite（snap/flatpakを自動検出）
Antigravity	~/.gemini/antigravity/brain/	JSON / Markdownのbrainディレクトリ
Pi	~/.pi/agent/sessions/<encoded-cwd>/*.jsonl	JSONL

お使いのエージェントが見当たりませんか？6つ目の追加はパーサーモジュール1つで済み、読み取り専用のパターンはどのツールにも数分で移植できます。CONTRIBUTING.mdをご覧ください。

インターフェース

ai-rは同じ読み取り機能を、3つの方法で提供します。

• MCP サーバー（ai-r-mcp）— JSON-RPC経由の15個のツールを提供し、あらゆるMCPエージェントから直接呼び出せます（推奨）。デフォルトはstdioです。オプションで共有HTTPサーバーも利用できます（エージェントごとにstdioプロセスを起動する代わりに、すべてのエージェントで1つの常駐プロセスを共有します）。詳しくは「クイックスタート」のhttp extraをご覧ください。登録方法については、docs/mcp-registration.mdをご覧ください。
• CLI（ai-r）— スクリプトや手動での利用向けのサブコマンドです（list / read / search / find-file-edits / find-tool-calls / file-frequency / detect-agent / export rounds）。検索演算子については、 docs/search-operators.mdをご覧ください。
• Python SDK（from ai_r.parsers import ...）— パーサー、型付き Session／メッセージモデル、イベントを表す動詞を提供し、独自のツールを構築できます。

メソッドの用語

公開されている動詞とプリセットの完全な辞書（シグネチャ、パラメーター、動作）は、専用ファイルにあります：docs/methods.md。

イベントコア

上記の動詞は新しいものです。単発のツールをいくつも使う代わりに、1つのイベントコアを使います。 各パーサーはエージェントのログを読み込み、型付きモデルを出力して、 user_turn / assistant_turn / tool_call(...) / plan_event という単一のエージェント非依存ストリームに正規化します。少数の動詞で、そのストリームを フィルタリング、集約、差分比較できます。エージェントごとの違い（ExitPlanMode と update_plan、 implementation_plan.md の違い）はパーサー内に隠され、呼び出し側には1つの形式が見えます。

正直な境界があります。これは、ターン、ツール呼び出し、計画、意図、反応などのエンティティの抽出のみです。 グラフではなく、メモリストアでもありません。 その後に何をするか（ナレッジグラフ、Obsidian、永続メモリ）は、リポジトリの外にある皆さんの責任です。 レイヤー構成と MCP ツールの一覧については、 docs/architecture.md をご覧ください。

クイックスタート

インストールせずに試す — uv がある場合：

uvx --from agent-session-reader ai-r list          # CLI: list sessions
uvx --from agent-session-reader ai-r-mcp           # MCP server (stdio)

システムには何も残りません。uvx はパッケージを一時キャッシュにダウンロードして実行します。 今すぐセッションを確認したい場合や、エージェントの MCP 設定に ai-r-mcp を手動で組み込む場合に便利です。

完全インストール（1 コマンド） — 設定ファイルにもパッチを適用します：

要件：venv または pip を備えた Python 3.11 以降と jq（Claude と Antigravity の MCP 設定に自動でパッチを適用するために使用します。他の設定には jq は不要です）。

git clone https://github.com/pro-target/ai-r.git ~/dev/ai-r
cd ~/dev/ai-r && bash install.sh

インストーラーは仮想環境を作成し、ランタイムパッケージをインストールし、 設定ファイルが存在する場合は Claude、Codex、OpenCode、Antigravity の MCP 設定にパッチを適用し、 Pi の CLI スキルをインストールして、スモークテストを実行します。この自動パッチ適用は、uvx では行われない処理です。uvx を使う場合は、自分で設定ファイルを編集してください。

オプションの追加機能 — tokens：AI_R_EXTRAS=tokens bash install.sh（または pip install "ai-r[tokens]"）を実行すると、 セッションの形式に正確な使用量が記録されていない場合に、より精度の高いトークン数の推定を行う tiktoken が追加されます。完全にオプションです。これがなくても、記録されている場合はセッションファイルから正確な数値をそのまま取得し、フォールバックの推定値は文字数の 1/4 という大まかなヒューリスティックになります。推定値には正直に estimate と表示され、クラッシュすることはありません。

オプションの追加機能 — semantic：AI_R_EXTRAS=semantic bash install.sh（または pip install "ai-r[semantic]" と、インストーラーが代わりに実行する初回のモデルダウンロード）を行うと、テキスト検索（query、search_sessions）で sort="semantic" が有効になり、BM25 の上位 50 件の候補が意味に基づいて再ランク付けされます。

• モデル。 ローカルの多言語埋め込みモデル、 intfloat/multilingual-e5-small （int8 ONNX、約 118 MB、MIT）を、 onnxruntime ＋ tokenizers ＋ numpy で直接実行します。 torch は不要で、永続インデックスもありません。小さなサイズながら、言語をまたぐ検索性能に優れているため選定しました （ロシア語のクエリで英語のセッションを検索でき、その逆も可能です）。
• スコアの仕組み。 BM25 が単語の一致度に基づいて上位 50 件を選びます（これはコスト上の予算であり、 品質の足切りではありません。このモデルファミリーは無関係なテキストにも約 0.7 のスコアを付けるため、 類似度のしきい値は意図的に設けていません）。その候補内での最終スコアは**意味 75％ ＋ 単語一致 25％**です。 意味を重視しながら、単語一致の比率によって完全一致のヒットが埋もれないようにし、同点の場合の判定にも使います。
• フェイルソフト。 パッケージまたはモデルファイルがない場合、sort="semantic" は正直に BM25 の順序へフォールバックし、その理由をレスポンスに示します （semantic: {active: false, reason, fallback: "bm25"}）。クラッシュすることはありません。

長時間稼働する MCP プロセス内でモデルを適切に動作させるため、2 つの設定値を用意しています（どちらも環境変数で変更可能で、空または無効な入力の場合はデフォルト値にフォールバックし、クラッシュすることはありません）。AI_R_SEMANTIC_THREADS は推論ごとに onnxruntime が使用できる CPU スレッド数を制限します（デフォルトは 2 で、マシンのコア数を超えません。すべてのコアを使い切ってサーバーと CPU を奪い合うことはありません）。AI_R_SEMANTIC_IDLE_SEC は、指定したアイドル秒数が経過すると、読み込み済みモデルが使用する約 118 MB の RAM を解放します（デフォルトは 300）。次のリクエスト時には透過的に再読み込みされます。 追加オプション — http：AI_R_EXTRAS=http bash install.sh（または pip install "ai-r[http]"）で、uvicorn が追加され、 共有ストリーミング可能 HTTP トランスポートが有効になります（mcp>=2 が必要です）。

• 理由。 デフォルトでは、エージェントごとに独自の ai-r-mcp を stdio 経由で起動します。エージェントを並列に展開すると、プロセス数は N になり、それぞれがキャッシュを持たない状態でコーパスを再スキャンします（実測で RAM 枯渇の原因となっています）。AI_R_MCP_TRANSPORT=http を設定すると、エージェントごとにプロセスを起動する代わりに、localhost 上の単一のウォームサーバー（デフォルトは 127.0.0.1:8756）を全エージェントで共有します。packaging/systemd/ の systemd ユニットでは、ソケットアクティベーションとアイドル時の自動終了も追加されます。
• セキュリティ（フェイルクローズ）。 バインド先はループバックのみです。ブラウザベースの攻撃（DNS リバインディング）は、SDK の Origin／Host 許可リストによって遮断されます（ループバックでは常に有効です）。リモートアクセスには AI_R_MCP_ALLOW_REMOTE=1 と AI_R_HTTP_TOKEN の両方が必要です。トークンがない場合、起動は拒否されます（トランスクリプトには秘密情報が含まれます）。ループバックではトークンは省略可能です（共有マシン上の別のローカルユーザーから保護するために設定できます）。クライアントは Authorization: Bearer <token> ヘッダーを送信します。
• 設定項目（環境変数）：
  • AI_R_MCP_PORT — ポート（デフォルトは 8756）。
  • AI_R_MCP_IDLE_SEC — アイドル時の自動終了しきい値。
  • AI_R_MCP_HOST / AI_R_MCP_ALLOW_REMOTE — バインド先ホスト／ループバック以外の許可。
  • AI_R_HTTP_TOKEN — ベアラートークン（リモートバインドで必須）。
  • AI_R_MCP_STATELESS — ステートレスなリクエスト振り分け（デフォルトは 1）：長時間稼働する共有サーバーはクライアントより長く稼働するため、古い Mcp-Session-Id を含むリクエストも 404 "Session not found" で拒否せずに処理します。0 にすると、ステートフルなレジストリに戻ります。
  • AI_R_HAYSTACK_CACHE_MAX — 検索キャッシュの上限（エントリ数）。
  • AI_R_HAYSTACK_CACHE_CHARS_MAX — 検索キャッシュの上限（合計サイズ）。長時間稼働するサーバーの RSS を抑制します。
  • AI_R_MSG_CACHE_MAX / AI_R_MSG_CACHE_BYTES_MAX — コア読み取りキャッシュ（変更されていないセッションごとにコーパススキャンとトランスクリプト解析をそれぞれ 1 回行い、query / get_body / audit_brief / プランの投影で共有します）：エントリ数（デフォルトは 8）とソースサイズの合計（デフォルトは 64 MiB）の上限。

大きなセッション（約 1 MB 超）では、CLI または単発の MCP 呼び出しを推奨します。 数 MB のトランスクリプトの処理には全体解析が必要です。このようなセッションに対するキャッシュなしの MCP 呼び出しは、ましてや複数を並列に呼び出すと、クライアントのリクエストタイムアウトを超えることがあります。そのようなセッションでは、CLI（ai-r audit-brief <uuid>、ai-r read <uuid>）または順次実行する単発の MCP 呼び出しを使用してください。読み取りキャッシュにより、キャッシュ後の再実行は高速ですが、変更されていないセッションでも初回のアクセスには実際のスキャンが 1 回必要です。

どちらの追加オプションも完全に任意です。これらを使わない場合、stdio モードと BM25 の順序は従来どおりです。

境界：ガードではなくリーダー

• 読み取り専用です。 エージェントのコードを実行したり、履歴に書き込んだりせず、読み取って返すだけです。
• グラフもメモリもありません。 エンティティ（ターン、呼び出し、プラン、インテント）を抽出します。それらからナレッジグラフやメモリを構築するのは、このツールではなく利用者の役割です。
• アクセス制御レイヤーではありません。ただし、http トランスポートは例外です。 CLI、stdio 経由の MCP、またはパッケージにアクセスできる人は、どのセッションも読み取れます。同じローカルユーザーが使うため、パーサーの前に認可チェックを設けても何も保護できません。例外は共有 http トランスポートです。ソケット経由でアクセスできるため、Origin 許可リストと任意のベアラートークンを備えています（リモートバインドでは必須です。上記の http 追加オプションを参照）。いずれの場合も、信頼できないローカルプロセスがアクセスできない場所にデータを保管してください。
• セッションの内容はデータであり、コマンドではありません。 読み取る側（監査者、要約者）は、セッションのテキストを指示ではなくデータとして扱う必要があります。セキュリティを参照してください。

受け入れ（エンドツーエンドシナリオ）

公開インターフェースは、LLM エージェントが実際に稼働中の MCP に対して実行するエンドツーエンドシナリオでカバーされています（pytest を補完します）。一覧は docs/scenarios.md を参照してください。

例：ai-r の活用例

実際の使用例を機能ごとに1つずつ紹介します（エラー分析、危険なコマンド、ネットワークの履歴、トークン消費、計画へのコメント、コミットのファントムチェック、エージェントをまたいだファイル履歴、言語をまたいだ検索、ゾンビサブエージェント、Git を使わない差分）：docs/examples/showcase-gallery.md。

次に読むドキュメント

• メソッドの用語集（動詞＋プリセット）— docs/methods.md （英語版 SSOT）· docs/methods.ru.md（ロシア語版）
• 受け入れシナリオ（104 件の e2e）— docs/scenarios.md
• アーキテクチャとレイヤー構成 — docs/architecture.md
• 検索オペレーター — docs/search-operators.md
• エージェントごとの MCP 登録 — docs/mcp-registration.md
• パーサーの対応範囲と制限 — docs/parsers.md
• セキュリティ（信頼できないコンテンツ）— docs/security.md
• 6つ目のエージェントを追加する — CONTRIBUTING.md

開発

git clone https://github.com/pro-target/ai-r.git
cd ai-r
pip install -e ".[dev]"
pytest --cov=src/ai_r

• 1300 件以上のテストがあり、CI ではカバレッジ 85％以上が必要です
• バージョニング：SemVer。0.x の期間中は、マイナーリリースで互換性が損なわれる場合があります。可能な限り、移行手順を提示します（削除前に明確な非推奨警告を表示します）。変更はCHANGELOG.mdに記録されます
• Conventional Commits（feat:、fix:、docs:、…）
• 新しいエージェントを追加する場合は、CONTRIBUTING.mdと docs/parsers.mdを参照してください

キーワード

claude code セッションリーダー · claude code セッションパーサー · codex セッションパーサー · opencode セッションリーダー · antigravity brain パーサー · pi agent セッションリーダー · zcode セッションリーダー · zcode cli セッションパーサー · エージェントセッション向け rag · bm25 リトリーバー · ai エージェント向け検索レイヤー · グラウンディング · mcp サーバー · 構造化コンテキスト · エージェントをまたいだ帰属情報 · ai コーディングエージェントの監査 · ai エージェントのセッション履歴 · mcp セッションツール · 読み取り専用セッションリーダー · エージェントセッションの再生 · エージェントセッションの再開 · エージェント間の引き継ぎ · 計画の抽出 · ツール呼び出しの監査 · ファイル編集の帰属情報 · マルチエージェントコーディング · claude codex opencode antigravity pi zcode

ライセンス

MIT — LICENSEを参照してください。

---

始めましょう： uvx --from agent-session-reader ai-r list を実行すると、今すぐセッションを確認できます。または、リポジトリをクローンして bash install.sh を実行すると、MCP 設定の自動パッチ適用を含む完全なインストールができます（docs/mcp-registration.md）。すべてのエージェントの履歴を読み取り専用で参照できます。