Local Coding Agent

Local Coding Agent

クラウドエージェントから自分のマシン上のモデルにコーディングタスクを委任するための、ローカル実行および安全性レイヤーです。

Local Coding Agent とは？

Local Coding Agent を使うと、クラウドのコーディングエージェントは、リポジトリへの無制限なアクセスをローカルモデルに与えることなく、限定的なタスクを委任できます。MCP、再利用可能な Agent Skill、または local-agent CLI を通じて、Codex、Claude Code、Cursor、Windsurf、Cline、OpenCode、Antigravity、その他の互換性のあるハーネスを接続できます。クラウドエージェントは大きなタスクの主導権を保ち、Local Coding Agent が制御されたローカル実行経路を提供します。

呼び出し元のエージェントは、具体的な目標、ワークスペース、許可リストに記載したファイル、チェック項目を送信します。ローカルモデルは、レビュー用の提案を返します。ローカルモデルが提案し、コントローラーが検証します。宣言したファイル範囲が守られ、パッチが静的解析に合格し、実際の外部テストランナーが設定済みのチェックを確認した場合にのみ、変更が適用済みとして報告されます。適用後のチェックに失敗した場合、変更はロールバックされ、そのロールバック自体も記録済みのファイルダイジェストと照合して検証されます。ローカルモデルに、ワークスペースへの無制限なシェルアクセスや書き込みアクセスが与えられることはありません。

ローカルチャット、モデル選択、セッション、タスクの状態、変更のレビューに Windows インターフェースを使いたい場合は、Desktop Harness をお使いください。ターミナル、スクリプト、CI、またはコーディングハーネスとの直接的な統合には、CLI をお使いください。どちらも同じコントローラーと安全規則を使用します。

Git と成果物の公開は、引き続きご自身で管理できます。Local Coding Agent がコミットを作成したり、ブランチをプッシュしたり、リリースを公開したり、独自にモデルをダウンロードしたりすることはありません。

ゲートで拒否されるもの

apply_proposal、local-agent apply、デスクトップの適用アクションはいずれも、同じゲートを使用します。

• 宣言した範囲外のファイルに触れるパッチは、ワークスペースに変更を加える前に拒否されます（error.kind: patch_outside_scope）。
• 対象となるチェックがない場合、適用は拒否されます。外部の根拠がなければ、適用されません（error.kind: apply_requires_checks）。
• 適用後のチェックに失敗したパッチはロールバックされ、結果は "rejected" となり、error.kind: post_apply_check_failed が返されます。
• 記録済みのベースラインと照合してロールバックを確認できない場合、rollback_failed というリスク種別とともに、workspace_modified: true および workspace_state: "unknown" として報告されます。復元が正常に完了したものとして報告されることはありません。

ダウンロードを選択する

現在の公開リリース：v1.1.1

ターミナルのワークフロー、スクリプト、CI、または他の AI コーディング環境との統合には、CLI リリースをお選びください。local-agent コマンド、MCP サーバー、Agent Skill、診断機能、セッション、モデルツール、タスク委任機能が含まれています。

CLI の wheel をダウンロード、または CLI のソースアーカイブをダウンロードしてください。Windows ユーザーは、Desktop Harness インストーラーをダウンロードし、SHA256SUMS.txtで公開ファイルを検証できます。

v1.1.1 リリースには CLI アーカイブと Windows Desktop Harness インストーラーが含まれています。ローカル推論は引き続きローカルで実行されます。モデルからリアルタイムの応答を得るには、Ollamaをインストールするか、互換性のあるローカルモデルサーバーを実行してください。

デスクトップハーネス

Harness を開き、ワークスペースを選択して、ローカルモデルを選び、作業を始めます。デスクトップアプリケーションでは、ローカルでのコーディングワークフロー全体を、集中して作業できるひとつのインターフェースで利用できます。

• 質問、解説、日常的なコーディング作業に使えるインタラクティブチャット。
• さまざまな種類のリクエストに対応するチャット、ビルド、計画、自動の各モード。
• 集中したコーディング変更をローカルモデルに任せる委任タスク。
• 過去の会話やタスクに戻れるワークスペースセッション。
• モデルの検出、モデルプロファイル、コンテキスト設定、ハードウェアのテレメトリー、診断。
• ローカルバックエンドの準備完了、利用不可、要対応を示す明確なステータスメッセージ。
• 変更を適用する前に確認できるコード変更とチェック。

以下のスクリーンショットは、アプリケーションが qwen2.5-coder:7b を読み込み、選択したワークスペースについて実際に応答している様子を示しています。

CLI のインストール

要件：

• Python 3.10 以降。
• ワークスペース操作には PATH 上の Git。
• 実際の推論には Ollama または OpenAI 互換のローカルモデルサーバー。

CLI パッケージをインストールします：

pipx install local-coding-agent

または、チェックアウトからインストールします：

git clone https://github.com/pvnc228/local-coding-agent.git
cd local-coding-agent
python -m pip install -e .

インストールを確認します：

local-agent doctor
local-agent test-run --mock

出力を別のツールで使用する場合は、対応している箇所で --json を追加してください。

別の AI コーディングエージェントを接続する

Local Coding Agent は、MCP またはエージェントスキルを通じて、ほかの AI コーディング環境に機能を提供できます：

local-agent init-mcp --auto --write
local-agent init-skill --write

クライアントで明示的なコマンドが必要な場合は、MCP サーバーを手動で起動してください：

local-agent serve-mcp --workspace . --enable-tasks

クライアント設定の例は docs/MCP_INTEGRATION.md、再利用可能なエージェントスキルについては skills/local-coding-agent/SKILL.md を参照してください。

一般的なコーディング依頼

1. ワークスペースとローカルモデルを選択します。
2. 質問するか、希望する変更を説明します。
3. アプリケーションで提案されたコード変更を確認します。
4. 関連するチェックを実行し、問題がなければ変更を適用します。

アプリケーションはワークフローをわかりやすく保ちます。何が変更されているか、どのチェックが実行されているか、ローカルバックエンドを利用できるかを確認できます。コミット、タグ、プッシュ、公開は引き続きご自身で管理できます。

CLI コマンド

コマンド	目的
local-agent delegate	集中したコーディングタスクをローカルモデルに任せます。
local-agent decompose	大きな依頼を小さなコーディングタスクに分割します。
local-agent apply	確認済みの変更を適用し、そのチェックを実行します。
local-agent chat	プロンプトまたは継続的なチャットセッションを実行します。
local-agent sessions	保存済みセッションを一覧表示または確認します。
local-agent profiles	設定済みのモデルプロファイルを確認します。
local-agent memory	モデルのメモリーと VRAM 設定を確認します。
local-agent calibrate	VRAM 予算に対する安全なワーカー上限を計算します。
local-agent benchmark	ローカルコーディングベンチマークを実行します。
local-agent doctor	Python、Git、Ollama、RAM、VRAM、モデルを診断します。
local-agent monitor	ローカルメトリクスダッシュボードを提供します。
local-agent test-run --mock	決定論的なローカルワークフローチェックを実行します。

例：

local-agent chat "Explain what context_manager.py does"
local-agent chat --repl --session-id refactor-session
local-agent delegate --task task.json --model qwen2.5-coder:7b --json
local-agent apply --patch-file patch.diff --workspace . --file src/foo.py --check "pytest tests/"
local-agent monitor --port 8765

http://127.0.0.1:8765/dashboard を開くと、キューの負荷、レイテンシ、秒あたりのトークン数、変更記録を確認できます。

CLI には、安定した契約の対象外で、予告なく変更される可能性があるプレビュー機能もあります：ui/app、lsp、serve-acp、skeletonize、lint-patch、scan-models、spill-read、grep。安定しており、テスト済みのコマンドは上の表に加えて、desktop、chat、serve-mcp、init-mcp、init-skill です。

フィールドでの結果と制限事項

公開されている数値は20タスクのスイートに基づくため、確定した結果ではなく、傾向を示すものとして捉えてください。

• このスイートでは、qwen3.8-27b-q4 の正解率は100.0%で、95%ウィルソン信頼区間は[83.9%, 100.0%]でした。また、qwen3-8b-q6k の正解率は90.0%で、信頼区間は[69.9%, 97.2%]でした。信頼区間の幅が広いのは、丸め誤差ではなくサンプル数が少ないためです。
• このハーネスでは、小規模モデルでも単一ファイルの作業に対応できます。複数ファイルにまたがる調整（能力段階の第3段階）には、ホストエージェントが最初にタスクをアトミックなエンベロープに分解する必要があります。
• 結果はモデルとハードウェアに固有です。数値を参考にする前に、local-agent benchmark で再現してください。

手法と全表については、docs/BENCHMARK.md を参照してください。

ローカルモデル

モデルプロファイルでは、プロバイダー、モデル、コンテキストウィンドウ、生成上限、キープアライブの動作を記述します。Harness はインストール済みの Ollama モデルとローカルの GGUF ファイルを検出でき、CLI からはスクリプトや連携機能向けに同じ情報を取得できます。

local-agent profiles list --json
local-agent memory status --json

ドキュメント

• クイックスタート
• MCP 連携
• セキュリティポリシー
• 変更履歴
• アーキテクチャリファレンス
• プロトコルリファレンス
• ベンチマーク手法

ライセンス

Local Coding Agent はMIT Licenseに基づいて配布されています。