ContextOS — Powered Exoskeleton for AI Coding

ContextOS

AI 開発のためのコンテキスト外骨格。

開発ライフサイクル全体を最適化します。トークンの繰り返し使用を減らし、コンテキストを集中させます。

ローカル MCP ランタイム · 正確なエビデンス · 永続的な証跡 · リアルタイムのアーキテクチャ

中文 · AI でインストール · 実測結果 · デスクトップアプリ

エージェントに外骨格を与える

ContextOS は、AI コーディングエージェントとリポジトリの間に位置するローカル開発ランタイムです。ソースエビデンス、コマンドログ、計画、アーキテクチャ、検証証跡をメインの会話の外部に保持し、次の判断に必要な情報を返します。

OS は、プロジェクトの理解、計画、エビデンスの調査、実行、実装、検証、レビュー、再開まで、AI 開発ライフサイクル全体をサポートします。正確な読み取り、再利用可能なコマンド、パイプライン、Blocks、Chains、永続的な計画、Micro、CLI はすべて、開発を確認可能なプロジェクト状態に基づかせながら、不要なトークン消費とコンテキスト占有を減らすという同じ目的を果たします。

既存のコーディングアシスタントが引き続き主導権を持ちます。OS はその下で実行とメモリーのレイヤーを提供し、タスクの委任が有効な場合には、範囲を限定した API Micro による支援や、分離された CLI 実装も利用できます。

記録された実際の開発タスクでは、OS + Micro + CLI のワークフロー全体により、ネイティブツールと比べてメインスレッドのピーク時コンテキストを 63.8%、メインスレッドの累積生トークン数を 77.4% 削減しました。タスク、比較、制限事項をご覧ください。

長時間のコーディングセッションでコストが増える理由

ちょっとした質問でも、大きなファイルの読み込みにつながることがあります。テストに失敗すると、会話がログで埋まります。エージェントは同じコードを再確認し、コマンドを繰り返し実行し、以前の判断を再構成するために注意を費やします。複数ファイルにわたる実装を行うと、計画やレビューと同じコンテキストウィンドウを共有することになります。

その結果はおなじみです。会話が混み合い、説明が繰り返され、プロジェクトの状態が不確かになり、次の有用な判断に使える余地が減っていきます。コンテキストウィンドウを大きくすれば問題を先送りできますが、開発には、ツールやセッションをまたいで作業を引き継ぐ方法が必要です。

OS が作業を引き継ぐ方法

You → Main agent: plan, scope, architecture, review
          │
          └─ ContextOS: evidence, commands, changes, persistent state
                ├─ API Micro: bounded discovery, summaries, small checks
                ├─ CLI worker: isolated implementation → report → integration
                └─ Desktop App: architecture, plans, checkpoints, settings

エビデンスとログはローカルに保存されます。ワーカーはそれぞれのコンテキストでタスクのエビデンスを読み取り、簡潔なレポートを返します。変更は OS を経由するため、ファイルの所有権、検証、プロジェクトグラフのつながりが保たれます。新しいセッションでは、会話全体を再構成する代わりに、計画と証跡を復元できます。

機能と実際の効果

タスクの契約が明確な場合は、Micro と CLI が役立ちます。小規模で決定論的な読み込みには OS を直接使い、広範な実装には CLI ワーカーを使います。委任にはオーバーヘッドが伴うため、OS はその実行と結果を確認可能にします。

3 つの開発ワークフローの実測比較

記録された比較は、コミット 0dd6431 を起点としています。新規のホスト会話と分離されたワークツリーに、同じ実際の機能を与えました。内容は、計画の依存関係の追加／削除／一覧表示、永続化、未知の対象、重複、自己参照、循環の検証、MCP のルーティング、およびドメイン、アプリケーション、ストレージ、MCP 各層のテストです。過去の測定記録。

ここでの「コンテキストを 60% 削減」の意味： メインエージェントへのリクエストの最大入力が、234,174 トークンから 84,681 トークンに減りました。これはこの測定タスクに関する説明であり、すべてのリポジトリでの保証でも、すべてのワーカーの合計トークン数でもありません。

python3 docs/benchmarks/plan-dependencies/recalculate.py --check

デスクトップ App では、エージェントが使用するものと同じ OS の状態（ブロック、チェーン、計画、チェックポイント、ルール、ナレッジ）を表示します。白いキャンバス、抑えた色使い、正確な接続により、大規模なプロジェクトも読みやすくなります。

システム全体をひと目で把握できます。 Chain をたどってその Block を確認し、選択した機能を調べながら、グラフと並べて実装や検証の進捗を確認できます。

1 つのプロンプトでインストールする

これを AI コーディングアシスタントに貼り付けてください。

(https://github.com/yubinbin32-ops/ContextOS/blob/main/setup.md) を読み、OS をインストールしてください

エージェントは setup.md を読み、OS と対応するホストのプラグイン／スキルをインストールし、リポジトリを登録して、API Micro と CLI を設定し、実際のツール呼び出しで結果を検証します。依存関係の確認、アダプターの作成、プラグインの設定、問題の診断も行います。

Release パッケージを自分でダウンロードして手動で設定する必要はありません。 セットアップガイドは、問題の診断、アダプターの設定、プラグインのインストール、受け入れ確認も含め、インストールを行うエージェント向けに作成されています。

Micro が必要です

Micro は日常的な作業を支援する小さなアシスタントであり、OS ワークフローには API 接続が必要です。API キー、プロバイダーのベース URL、モデルを用意してください。メインエージェントのサブスクリプションや CLI へのログインだけでは、API 用の Micro は設定されません。

推奨オプション：

• Command Code GOAT： Provider API へのアクセスが含まれています。コンソールでキーを作成し、プロバイダーが現在使用しているエンドポイントと正確なモデル ID をエージェントに使わせてください。
• OpenCode Go： サブスクリプション用 API キーと、利用可能なコーディングモデルを提供します。現在のモデル一覧と API 設定をエージェントに確認させてください。
• お使いの互換 API： すでに信頼しているプロバイダーを使用してください。DeepSeek API も利用できます。

範囲を限定した Micro のタスクには、プロバイダーが対応している場合、medium 推論設定の DeepSeek V4.1 Flash を推奨します。DeepSeek の公式モデル ID は deepseek-flash です。ゲートウェイによっては異なる ID が使われることがあります。インストーラーはモデルが利用可能か確認し、すべての API が同じパラメーターを受け付けると想定せずに、プロバイダーの推論設定を対応付ける必要があります。

インストーラーが設定したローカルの認証情報／設定パスにキーを保存してください。リポジトリのドキュメントや追跡対象のソースに貼り付けないでください。

CLI のセットアップはエージェントが完了します

CLI ワーカーには、動作する CLI のインストール、アダプター、対応する ContextOS プラグイン／スキル、認証済みの実行経路が検証済みであることが必要です。使用する CLI をエージェントに伝えてください。エージェントはその CLI の公式ドキュメントを確認し、アダプターを作成して OS を設定し、実際のプローブと分離された実装チェックを実行する必要があります。

ログイン、ブラウザー認証、またはオペレーティングシステムの権限設定で、ユーザーの操作が必要になる場合があります。エージェントはその具体的な手順を示し、残りのセットアップを続行して、完了後に準備状況を検証する必要があります。バイナリが見つかっただけ、またはアダプターが保存されただけでは、インストールの成功とはいえません。

Node.js 22 以降が必要です。プラグイン／ランタイムの更新後は、セットアップの指示に従ってホストの MCP プロセスを再読み込みしてください。App、プラグイン、スキル、ランタイムのバージョンを一致させてください。

日常的な使い方を自然な言葉で指示

メインエージェントは受け入れ基準と最終レビューを管理します。Micro と CLI は範囲を限定した割り当てを担当し、OS はその間の証拠と進捗を保持します。

3.0.0 の新機能

4706c38 を基に準備された 3.0 系では、ContextOS を AI 開発ライフサイクル全体を支える外骨格として再構成しています。

• 精密な根拠と再利用可能なコマンドにより、ソースの調査と実行結果を焦点の定まった、後から確認できる状態に保ちます。
• パイプラインと検証済みの変更により、一括実行、範囲を限定した編集、レビュー可能な結果を連携させます。
• アーキテクチャと継続性により、計画、タスク、セッション、Blocks、Chains、レシートを会話をまたいでデスクトップ App でも利用できるようにします。
• タスクに適した委任により、範囲を限定した API Micro による支援と、分離された CLI による実装を、同じ OS ライフサイクルに追加します。
• AI 主導のインストールにより、プロバイダー設定、ホストプラグイン、CLI アダプター、診断、実際の受け入れ確認をセットアップに組み込みます。

3.0 のリリースノート、インストールガイド、リリース履歴をご覧ください。

ContextOS がエージェントの集中維持に役立った場合は、プロジェクトにスターを付けてください。再現可能なタスクや問題の報告は、次のリリースの改善に役立ちます。