Ouroboros

PATH に codex が、ホストに uvx が必要です（プラグインの MCP 記述子は uvx を使ってサーバーを起動します）。uv は pipx install uv、pip install --user uv、または brew install uv でインストールできます。

codex plugin marketplace add Q00/ouroboros
codex plugin add ouroboros@ouroboros

Codex の新しいセッションを開始し、次のコマンドを順番に実行します。

ooo setup
ooo interview "Build a task management CLI"

ooo setup は、一度だけ行うランタイムの準備です。準備ができると、Ouroboros は Codex の現在のデフォルトモデルに従います。パイプラインのステージに特定のモデルを固定したい場合にのみ、モデルを直接設定を選択してください。

pipx install 'ouroboros-ai[mcp]'       # or: uv tool install 'ouroboros-ai[mcp]'
ouroboros setup --runtime kiro         # detects Kiro CLI, registers MCP server, and
                                        # writes OUROBOROS_RUNTIME=kiro into
                                        # ~/.kiro/settings/mcp.json (the trusted,
                                        # setup-managed location -- a project .env
                                        # is untrusted input and this key is ignored there)

その後、Kiro CLI のセッション内で ooo コマンドを使用します。

gh auth login                                # one-time GitHub auth (used for live model discovery)
pipx install 'ouroboros-ai[mcp]'             # or: uv tool install 'ouroboros-ai[mcp]'
ouroboros setup --runtime copilot            # discovers models live, picks a default,
                                             # registers MCP server in ~/.copilot/mcp-config.json

Claude Code プラグインのみ（Python パッケージやグローバル Python のインストールは不要です。ホストには、MCP サーバー用の uvx と、スキルの Python >= 3.12 フォールバックの両方を提供する uv が必要です）：

claude plugin marketplace add Q00/ouroboros && claude plugin install ouroboros@ouroboros

次に、Claude Code のセッション内で ooo setup を実行してください。

pip / uv / pipx：

pip install 'ouroboros-ai[mcp,tui]' && ouroboros setup --runtime claude-cli  # recommended MCP v2 default
pip install 'ouroboros-ai[claude]'      # Claude Agent SDK profile (MCP 1.x, isolated)
pip install 'ouroboros-ai[claude-cli]'  # dependency-free Claude CLI worker
pip install 'ouroboros-ai[claude-sdk]'  # explicit alias for the Claude SDK profile
pip install 'ouroboros-ai[litellm]'     # + LiteLLM multi-provider; Python 3.12-3.13
pip install 'ouroboros-ai[mcp]'         # MCP v2 server/client without the GUI
pip install 'ouroboros-ai[tui]'         # settings GUI only
pip install 'ouroboros-ai[all]'         # MCP 1.x app bundle; excludes MCP 2 by design
ouroboros setup                         # configure runtime

Core および LiteLLM を含まないインストールは Python 3.12〜3.14 に対応しています。LiteLLM を含むインストール（[litellm]、[all]、およびソースからの --extra all）は Python 3.12〜3.13 に対応しています。現在の例では Python 3.13 を使用してください。プラットフォームサポートをご覧ください。

推奨されるスタンドアロンインストールは ouroboros-ai[mcp,tui] をインストールした後、MCP v2 互換ランタイムを明示的に選択する方法です。この例では --runtime claude-cli を使用しています。codex、opencode、hermes、gemini、goose、kiro、copilot、pi、gjc など、互換性のある別のランタイムに置き換えてください。[claude] と [claude-sdk] は、分離された MCP 1.x 環境でのみ使用してください。

pip install 'ouroboros-ai[mcp]' は、すでに分離された Python 環境に MCP クライアント／サーバーライブラリを組み込む用途では有効ですが、ホストへの登録には uvx --isolated --python '>=3.12' または pipx が必要です。ouroboros setup --runtime <claude-cli|codex|opencode|hermes|gemini|goose|kiro|copilot|pi|gjc> を実行する前に、pipx install 'ouroboros-ai[mcp]' または uv tool install 'ouroboros-ai[mcp]' を使用してください。どちらの分離ランチャーも利用できない場合、セットアップはランタイム設定を変更せずに終了します。

レガシー互換性：ouroboros-ai[dashboard] は互換性エイリアス／no-op として引き続き受け付けられますが、ダッシュボードのランタイムペイロードはインストールされません。ouroboros-ai[all] には互換性のため、この no-op エイリアスのみが含まれます。

Homebrew（macOS/Linux）：

brew tap q00/tap
brew install ouroboros-ai
ouroboros setup                         # configure runtime

セルフホストの tap であり、現時点では homebrew-core には登録されていません。PyPI で公開されているものと同じパッケージをインストールします。

ランタイムガイド：Claude Code · Codex CLI · Hermes · OpenCode · Kiro CLI · Gemini CLI · GitHub Copilot CLI · Zcode · Pi JSON モード · OMP（Oh My Pi） · Goose · GJC · Antigravity CLI · Grok Build CLI

ouroboros uninstall

すべての設定、MCP 登録、データを削除します。詳しくはUNINSTALL.mdをご覧ください。

interview  ->  Socratic questioning exposed 12 hidden assumptions
seed       ->  Crystallized answers into an immutable spec (Ambiguity: 0.15)
run        ->  Executed via Double Diamond decomposition
evaluate   ->  3-stage verification: Mechanical -> Semantic -> Consensus

AI コーディングエージェントのセッション内で ooo <cmd> を使うか、ターミナルから ouroboros init start、ouroboros run seed.yaml などを実行してください。

蛇は1周を完了しました。周回を重ねるごとに、前回より多くのことを学びます。

src/ouroboros/
+-- bigbang/        Interview, ambiguity scoring, brownfield explorer
+-- routing/        PAL Router -- 3-tier cost optimization (1x / 10x / 30x)
+-- execution/      (deprecated — logic moved to orchestrator/ and mcp/tools/)
+-- evaluation/     Mechanical -> Semantic -> Multi-Model Consensus
+-- evolution/      Wonder / Reflect cycle, convergence detection
+-- resilience/     4-pattern stagnation detection, 5 lateral personas
+-- observability/  3-component drift measurement, auto-retrospective
+-- persistence/    Event sourcing (SQLAlchemy + aiosqlite), checkpoints
+-- orchestrator/   Runtime abstraction layer (Claude Code, Codex CLI, OpenCode, Hermes, Gemini, Kiro, Copilot, Pi, OMP, GJC, Goose, Antigravity, Grok, Zcode)
+-- core/           Types, errors, seed, ontology, security
+-- providers/      LiteLLM adapter (100+ models)
+-- mcp/            MCP client/server integration
+-- plugin/         Plugin system (skill/agent auto-discovery)
+-- tui/            Terminal UI dashboard
+-- cli/            Typer-based CLI

主な内部機能：

• PAL ルーター -- Frugal（1x） -> Standard（10x） -> Frontier（30x）。失敗時に自動で上位へ切り替え、成功時に自動で下位へ切り替えます
• ドリフト -- 目標（50%）+ 制約（30%）+ オントロジー（20%）の加重測定。しきい値は <= 0.3
• ブラウンフィールド -- 複数の言語エコシステムにわたって設定ファイルを自動検出します
• 進化 -- 最大30世代。オントロジーの類似度が >= 0.95 で収束します
• 停滞 -- 空回り、振動、ドリフトなし、収穫逓減のパターンを検出します
• エージェント OS ランタイム -- ケイパビリティの検出、ポリシー、指示、イベントジャーナル、エージェントプロセスを横断する、再生可能な実行契約
• ランタイムバックエンド -- プラグイン可能な抽象化レイヤー（orchestrator.runtime_backend 設定）を備え、Claude Code、Codex CLI、OpenCode、Hermes、Gemini、Goose、Kiro、Copilot、Pi、OMP をファーストクラスでサポートします。同じワークフロー仕様で、実行エンジンを切り替えられます

設計ドキュメントの全文はアーキテクチャをご覧ください。

驚き -> 「どう生きるべきか？」 -> 「『生きる』とは何か？」 -> オントロジー -- ソクラテス

偉大な問いはすべて、より深い問いへとつながります。そして、その深い問いは常にオントロジー的です。問うのは*「どうすればよいか？」ではなく、「これは本当は何なのか？」*です。

   Wonder                          Ontology
"What do I want?"    ->    "What IS the thing I want?"
"Build a task CLI"   ->    "What IS a task? What IS priority?"
"Fix the auth bug"   ->    "Is this the root cause, or a symptom?"

これは抽象化そのものを目的とするものではありません。「タスクとは何か？」――削除できるのか、アーカイブできるのか？ 個人で行うのか、チームで行うのか？――に答えれば、手戻りの原因となる問題をひとまとまり取り除けます。オントロジー的な問いこそ、最も実践的な問いです。

Ouroboros はダブルダイヤモンドを通じて、この考え方をアーキテクチャに組み込んでいます。

    * Wonder          * Design
   /  (diverge)      /  (diverge)
  /    explore      /    create
 /                 /
* ------------ * ------------ *
 \                 \
  \    define       \    deliver
   \  (converge)     \  (converge)
    * Ontology        * Evaluation

最初のダイヤモンドはソクラテス式です。問いを広げ、オントロジーの明確さへと収束させます。2つ目のダイヤモンドは実践的です。設計の選択肢を広げ、検証済みの成果へと収束させます。それぞれのダイヤモンドは、その前のダイヤモンドを必要とします。理解していないものを設計することはできません。

インタビューは、準備ができたと感じたときに終わるのではありません。計算によって準備ができたと示されたときに終わります。Ouroboros は、曖昧さを重み付き明確度の逆数として定量化します。

Ambiguity = 1 - Sum(clarity_i * weight_i)

各次元は LLM によって 0.0～1.0 で評価され（再現性を高めるため、温度は 0.1）、その後、重み付けされます。

しきい値：曖昧さ <= 0.2。 これを超えるスコアでは、Seed の生成がブロックされます。これを回避するには force を明示的に渡す必要があり、CLI では続行とキャンセルの選択肢とともに、その選択が画面に表示されます。このゲートは、議論の余地があるデフォルト設定であり、絶対的な制約ではありません。

Example (Greenfield):

  Goal: 0.9 * 0.4  = 0.36
  Constraint: 0.8 * 0.3  = 0.24
  Success: 0.7 * 0.3  = 0.21
                        ------
  Clarity             = 0.81
  Ambiguity = 1 - 0.81 = 0.19  <= 0.2 -> Ready for Seed

なぜ 0.2 なのでしょうか？重み付けされた明確さが 80% に達していれば、残る未知の要素はコードレベルの判断で解決できるほど小さいためです。このしきい値を超えている場合、アーキテクチャについてはまだ推測している段階です。

進化のループは永遠には続きません。連続する世代でオントロジー的に同一のスキーマが生成されると停止します。類似度は、スキーマのフィールドを重み付けして比較することで測定されます。

Similarity = 0.5 * name_overlap + 0.3 * type_match + 0.2 * exact_match

しきい値：類似度 >= 0.95 -- ループは収束し、進化を停止します。

ただし、類似度の生の値だけがシグナルではありません。システムは、問題のあるパターンも検出します。

Gen 1: {Task, Priority, Status}
Gen 2: {Task, Priority, Status, DueDate}     -> similarity 0.78 -> CONTINUE
Gen 3: {Task, Priority, Status, DueDate}     -> similarity 1.00 -> CONVERGED

2 つの数学的なゲートに、1 つの理念があります。明確になるまでは構築せず（曖昧さ <= 0.2）、安定するまでは進化を止めない（類似度 >= 0.95）。