cargo-ai

Cargo CLI — AI

エージェントのリソース管理：エージェントの作成と設定、検索拡張生成（RAG）のためのナレッジの追加、MCP サーバーへの接続、エージェントのメモリの管理。

エージェントを使用する場合（メッセージの送信、複数ターンのチャット、ポーリング）は、cargo-orchestrationを使用してください。 ナレッジファイルのアップロードやナレッジライブラリ（contentドメイン）の構築には、cargo-contentを使用してください。このスキルでは、そのナレッジをエージェントに追加する方法を説明します。 ワークスペースの管理（エージェントとファイルの整理に使うフォルダー、ユーザー、API トークン、ロール、CLI が失敗した際のレポート送信）には、cargo-workspace-managementを使用してください。

JSON レスポンスの構造全体については、references/response-shapes.mdを参照してください。 よくあるエラーとその修正方法については、references/troubleshooting.mdを参照してください。 エージェントの CRUD と設定の例については、references/examples/agents.mdを参照してください。 MCP サーバーの作成と管理の例については、references/examples/mcp-servers.mdを参照してください。

ブートストラップ

すでにサインイン済みで（cargo-ai whoamiがワークスペースを返す場合）、次のセクションに進んでください。

npm install -g @cargo-ai/cli            # no global install? prefix every command with `npx @cargo-ai/cli`
cargo-ai login --email [email protected]  # emailed code, no browser; creates the account on first use
                                        # alternatives: --oauth (browser) · --token <api-token> (CI)
cargo-ai whoami                         # confirm the active workspace before any write

各コマンドは JSON を標準出力に出力します。失敗した場合は、{"errorMessage": "..."}を返してゼロ以外の終了コードで終了します。実行やバッチを作成するコマンドはすべて非同期です。--wait-until-finishedを渡すか、対応するgetをポーリングしてください。スキルバンドル全体をインストールすると、../cargo/references/prerequisites.mdに CLI のバージョン固定、トークンのスコープ、管理者専用の機能が追加されます。

まずリソースを確認する

cargo-ai ai agent list                     # all agents (uuid, name, description)
cargo-ai ai template list                  # all AI agent templates (slug, name)
cargo-ai ai mcp-server list                # all MCP servers (uuid, name)
cargo-ai ai memory list --scope agent --agent-uuid <uuid>  # agent memories
# Knowledge files & libraries live in the content domain — see cargo-content:
#   cargo-ai content file list   /   cargo-ai content library list

**UI で確認する：**エージェントはapp.getcargo.io/workspaces/<WORKSPACE_UUID>/agents/<AGENT_UUID>にあります。cargo-ai whoamiのworkspace.uuidから<WORKSPACE_UUID>を取得してください。

クイックリファレンス

cargo-ai ai agent list
cargo-ai ai agent get <agent-uuid>
cargo-ai ai agent create --name <name> --icon-color blue --icon-face 🤖
cargo-ai ai agent update --uuid <agent-uuid> --name <name>
cargo-ai ai agent remove <agent-uuid>
cargo-ai ai release list --agent-uuid <uuid>
cargo-ai ai release get <release-uuid>
cargo-ai ai release get-draft --agent-uuid <uuid>
cargo-ai ai release update-draft --agent-uuid <uuid> --language-model-slug gpt-4o
cargo-ai ai release deploy-draft --agent-uuid <uuid>
cargo-ai ai template list                  # full detail; there is no `template get`
cargo-ai ai mcp-server list
cargo-ai ai mcp-server get <mcp-server-uuid>
cargo-ai ai mcp-server create --name "Internal Tools"
cargo-ai ai mcp-server update --uuid <mcp-server-uuid> --name "Updated Name"
cargo-ai ai mcp-server remove <mcp-server-uuid>
cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse
cargo-ai mcp                               # serve the platform MCP over stdio
cargo-ai mcp --server <mcp-server-uuid>    # serve a curated workspace MCP server instead
cargo-ai ai memory list --scope agent --agent-uuid <uuid>
cargo-ai ai memory update --mem0-id <id> --scope agent --agent-uuid <uuid> --content "Updated memory"
cargo-ai ai memory remove --mem0-id <id> --scope agent --agent-uuid <uuid>

エージェント

エージェントは、設定済みの指示、言語モデル、アクション、および任意のリソースを備えた AI リソースです。

エージェントをゼロから作成する前に、既存のテンプレートを確認してください。一般的なユースケース（リードの調査、分類、メールの下書き作成）で実証済みのパターンが取り入れられており、すぐに使えるシステムプロンプト、モデル、温度設定から始められます。

cargo-ai ai template list          # browse patterns — full detail, not a summary
# there is no `template get`: `list` already returns systemPrompt, temperature,
# languageModelSlug, actions and resources, so select the one you want
cargo-ai ai template list | jq '.templates[] | select(.slug == "<slug>")' 

# List all agents
cargo-ai ai agent list

# Get a single agent (includes deployed release details)
cargo-ai ai agent get <agent-uuid>

# Create an agent
cargo-ai ai agent create \
  --name "Lead Researcher" \
  --icon-color blue --icon-face 🤖 \
  --description "Researches leads and enriches data"

# Update an agent
cargo-ai ai agent update --uuid <agent-uuid> \
  --name "Senior Lead Researcher" \
  --description "Updated description"

# Move to a folder (find folder UUIDs via cargo-workspace-management)
cargo-ai ai agent update --uuid <agent-uuid> --folder-uuid <folder-uuid>

# Remove an agent
cargo-ai ai agent remove <agent-uuid>

エージェントアイコン：--icon-colorには、grey、green、purple、yellow、blue、redのいずれかを指定してください。--icon-faceには絵文字文字列を指定します。

**フォルダー：**フォルダーの作成、一覧表示、管理については、cargo-workspace-management（cargo-ai workspaceManagement folder list/create/...）を参照してください。このスキルを使って、ここで--folder-uuidに渡す<folder-uuid>を確認または作成してください。

リリース

リリースは、エージェントの設定（システムプロンプト、アクション、リソース、モデル、温度）のバージョン付きスナップショットです。エージェントはデプロイ済みのリリースを使って実行されます。

# List releases for an agent
cargo-ai ai release list --agent-uuid <uuid>

# Get a specific release
cargo-ai ai release get <release-uuid>

# Get the current draft release (editable)
cargo-ai ai release get-draft --agent-uuid <uuid>

# Update the draft release
cargo-ai ai release update-draft --agent-uuid <uuid> \
  --system-prompt "You are a lead research assistant..." \
  --language-model-slug gpt-4o \
  --temperature 0.3 \
  --max-steps 10

# Deploy the draft release (makes it live)
cargo-ai ai release deploy-draft --agent-uuid <uuid> \
  --integration-slug openAi \
  --language-model-slug gpt-4o \
  --actions '[]' \
  --mcp-clients '[]' \
  --resources '[]' \
  --capabilities '[]' \
  --suggested-actions '[]' \
  --description "Added research actions"

update-draft／deploy-draftの--with-reasoning [true|false]は、対応モデルで推論モードを有効にします（フラグのみの場合はtrue）。

コーディングエージェント（--harness-slug、--repository）

ハーネスを指定したリリースはコーディングエージェントとして動作します。各ターンは通常のチャットループではなく、Git チェックアウトを含むサンドボックス内で実行されます。ハーネスのスラッグ：claudeCode、codex、openCode、deepAgents。

cargo-ai ai release deploy-draft --agent-uuid <uuid> \
  --harness-slug claudeCode --integration-slug anthropic --language-model-slug <model-slug> \
  --repository '{"connectorUuid":"<github-connector-uuid>","repository":"acme/app","defaultBranch":"main","rootDirectory":null}' \
  --actions '[]' --mcp-clients '[]' --resources '[]' --capabilities '[]' --suggested-actions '[]'

• --repository（JSON）：connectorUuid（GitHub コネクター。ユーザーを識別するもので、エージェントが操作する際の身元ではありません）、owner/name 形式の repository、defaultBranch、rootDirectory、env（[{key, type:"public", value}] または {key, type:"secret", secretValue}）、および runAsUserUuid — サンドボックスに一時的な CARGO_API_TOKEN を渡すサービスユーザーです（ヘルプには記載されていません。詳細は ../cargo-workspace-management/SKILL.md →「サービスユーザー」を参照してください。必要な権限がない場合、呼び出しは 403 runAsUserNotFound / runAsUserNotPermitted で失敗します）。
• エージェントは Cargo GitHub アプリとして操作し、接続済みユーザーとして操作することはありません。アプリのインストールとしてクローン、プッシュ、コメント、PR の作成を行います。先にリポジトリにアプリをインストールしてください。インストールされていない場合、ターンは失敗します。サンドボックスの GitHub トークンはそのリポジトリのみを対象とし、ほかのリポジトリへのアクセスは拒否されます。有効期間は 1 時間で、ターンごとに更新されます。チャット出力ではマスキングされますが、エージェントは読み取ることができます。
• cargo/<short-name> ブランチで作業し、デフォルトブランチにはプッシュせず、強制プッシュも行いません。また、独自の PR ツールを通じて PR を作成または更新し、PR をチャットにリンクします。
• エージェントが開いた PR 上でアプリにメンションすると、同じチャットが再開します。トリガーは不要です（チャットが別のリポジトリに移動した場合、または別のエージェントが PR を開いた場合はスキップされます）。停止するにはチャットを閉じてください。GitHub トリガーでは allPullRequests（リポジトリ内の任意の PR に対する回答メンション）、fixFailedChecks（および maxCheckFixAttempts 1〜10。誰かがメンションまたはレビューするとリセットされます）、addressReviews を設定でき、いずれもデフォルトは false です。

リリースごとではなくチャットごとの設定です。 ai chat create --harness-slug … --repository … と ai message create（自動作成されるチャット用）は、同じ 2 つのフラグを受け取ります。省略した場合は、エージェントに固定されたリリースの設定が適用されます。これらはチャット作成時に設定されます。--chat-uuid と一緒にいずれかを渡すと 400 になります — harnessSlug and repository are not allowed with chatUuid: they are set when the chat is created. Create a new chat to use another harness or repository.

回答中のチャットに送信されたメッセージはキューに追加されます。userMessage を含む 202 が返され、アシスタントのメッセージはまだありません。先行するターンの完了後に返信されます（chatClosed → 409、chatNotFound → 404）。送信とポーリングについては ../cargo-orchestration/SKILL.md を参照してください。プロジェクトでは defineAgent({ harness, repository }) を使用します — ../cargo-project/references/resources.md。

構造化出力とハートビート — まだ CLI フラグとして公開されていません

リリース API のペイロード（draft/update と draft/deploy の両方）では、release update-draft / release deploy-draft ではフラグとして公開されていない2 つのフィールドを受け付けます（CLI のソースコードで確認済みです — --output / --output-schema や --heartbeat はありません）。

フィールド	形式	目的
output	{"type":"text"} または {"type":"jsonSchema","jsonSchema": <standard JSON Schema object>}	JSON Schema に一致する構造化出力をエージェントに強制的に返させます。
heartbeat	{"intervalMinutes": number, "maxMessages": number, "prompt": string | null}	maxMessages に達するまで、チャットを定期的に再開します（intervalMinutes）。prompt は再開時のメッセージです（null = 一般的な「続けてください」）。

汎用の --options フラグではこれらを指定できません — API の options に含まれるのは {connectorUuidsByIntegrationSlug, modelUuidsByIntegrationSlug} のみです。これらのフラグが追加されるまでは、CLI が使用するものと同じエンドポイントに対して、直接 API を呼び出して設定してください。

# Structured (JSON Schema) output on the draft release
curl -sS -X PUT "$CARGO_BASE_URL/v1/ai/releases/draft/update" \
  -H "Authorization: Bearer $CARGO_API_TOKEN" -H "Content-Type: application/json" \
  -d '{"agentUuid":"<uuid>","output":{"type":"jsonSchema","jsonSchema":{"type":"object","properties":{"score":{"type":"number"}},"required":["score"]}}}'
# Deploy carries the same fields — POST .../v1/ai/releases/draft/deploy

draft/update は部分更新です。省略したフィールドには、現在のドラフト値が保持されます。draft/deploy では、リクエスト本文に actions、mcpClients、resources、capabilities、suggestedActions が必要です。workspaceManagement report を提出して（../cargo-workspace-management/SKILL.md を参照）、--output / --heartbeat フラグの正式な追加をリクエストしてください — これは、CLI と UI の機能差に関するフィードバック用として文書化された窓口です。

エージェント設定のワークフロー：

1. テンプレートを参照してヒントを得る：cargo-ai ai template list — 各テンプレートの全内容（システムプロンプト、モデル、温度、アクション）が返されるので、その結果からユースケースに最も近いものを選びます
2. エージェントを作成します：cargo-ai ai agent create --name "..." --icon-color blue --icon-face 🤖
3. ドラフトリリースを取得します：cargo-ai ai release get-draft --agent-uuid <uuid>
4. 設定したアクション、リソース、プロンプト、モデルを使ってドラフトを更新します：cargo-ai ai release update-draft --agent-uuid <uuid> ...
5. デプロイします：cargo-ai ai release deploy-draft --agent-uuid <uuid> ...

テンプレート

テンプレートは、一般的なユースケース向けに、実績のあるパターンを取り入れた事前構築済みのエージェント設定です。エージェントをゼロから設計する前に、必ずテンプレートを確認してください — すぐに採用することも、調整して使うこともできる、すぐに利用可能なシステムプロンプト、推奨言語モデル、温度、ツール設定が用意されています。

# List available agent templates — each entry is complete, so this is the only
# call you need. There is no `template get` subcommand.
cargo-ai ai template list

# Inspect one by slug: filter the same response
cargo-ai ai template list | jq '.templates[] | select(.slug == "<slug>")' 

テンプレートには、システムプロンプト、アクション、リソース、推奨モデル設定が含まれています。出発点として使用し、release update-draft でカスタマイズしてください。テンプレートからエージェントを作成する一連の例を含む詳しいガイドについては、references/examples/templates.md を参照してください。

モデルと温度のガイダンス

ユースケース	推奨モデル	温度
分類、抽出、スコアリング	gpt-6-luna または gpt-4o-mini	0.0 – 0.2
調査、要約、分析	gpt-6-sol または claude-sonnet-5	0.2 – 0.5
コピーライティング、パーソナライズ	claude-sonnet-5 または gpt-6-sol	0.5 – 0.8
ブレインストーミング、最も難しい推論	claude-opus-5-5 または gpt-6-astra（最高温度では claude-fable-5-1）	0.7 – 1.0

スラッグはコネクターの有効リストに含まれている必要があります。含まれていない場合、release update-draft と deploy-draft は languageModelNotFound で失敗します（リリースにコネクターがある場合は常にチェックされます。ドラフトのデフォルトは OpenAI のため、Anthropic のスラッグを使う場合は --integration-slug anthropic --connector-uuid <uuid> も指定してください）。コネクターが提供するモデルと、それぞれの 1,000 トークンあたりのクレジット数および isReasoning を無料で一覧表示するには、次のコマンドを実行します。

cargo-ai connection connector get-language-models <connector-uuid>

価格には 3 桁の幅があります（gpt-6-luna は 1,000 トークンあたり 0.003、claude-sonnet-5 は 0.2、claude-opus-5-5 は 1.6、claude-fable-5-1 は 4）。大量の処理を行うエージェントのモデルを選ぶ前に、価格を確認してください。claude-3-5-sonnet-latest は Cargo の Anthropic モデルリストで非推奨とされています。エージェントを別のモデルに移行してください。

低温度（0.0–0.2）では、決定論的で一貫性のある出力になります。高温度（0.7 以上）では、創造的で多様な出力になります。数千件のレコードを処理する本番ワークフローでは、低温度を推奨します。

RAG 向けナレッジ（ファイルとライブラリ）

エージェントの応答の根拠となるナレッジ（検索拡張生成、RAG）は content ドメインから取得されます。詳細は cargo-content を参照してください。

• ファイル — アップロードされたバイナリ（PDF、CSV、テキスト）。
• ライブラリ — ファイルをまとめたコレクションです。native（ワークスペースで管理）または connector を介したもの（非構造化データ抽出ツールを使って外部ソースから同期）があります。

ファイルとライブラリは、CLI ≥ 1.0.19 で ai からトップレベルの content ドメインに移動しました（cargo-ai content file … / cargo-ai content library …）。以前の ai file … コマンドは廃止されました。コンテンツ関連の機能はすべて cargo-content に集約されています。

エージェントへのナレッジの追加

ファイルやライブラリは、ドラフトリリースの resources 配列を通じてエージェントに追加し、デプロイするまで機能しません。ファイルをアップロードするか、ライブラリを作成してから、cargo-content で release update-draft --resources … を実行し、その後 release deploy-draft を実行してここに接続してください。アップロード → 追加 → デプロイの全手順については、../cargo-content/references/examples/files.md を参照してください。

検索できるのはインデックス済みのファイルだけです。 indexMode: "none" で保存されたファイル（content file put、ワーカー、writeFile ノード、エージェントによる書き込みのデフォルト）は、一覧表示や読み取りはできますが検索できません。capability_file_list では isSearchable: false と表示され、capability_file_search は対象から除外し、capability_file_analyze は処理を拒否します。RAG にはデフォルトでインデックス化される upload 済みファイルを追加するか、--index vectorStore を指定してファイルを書き直してください。

エージェントによるファイル書き込み

"isReadOnly": false のファイルリソースは、リストに含まれるフォルダー（{"kind":"folder","folderUuid":"…"} の項目）に対する capability_file_write も付与します（リストに含まれるファイルは引き続き読み取り専用です）。未設定の場合は読み取り専用です。

cargo-ai ai release update-draft --agent-uuid <agent-uuid> \
  --resources '[{"kind":"file","slug":"outputs","name":"Outputs","description":null,"prompt":"Save each report here.","isReadOnly":false,"items":[{"kind":"folder","folderUuid":"<folder-uuid>"}]}]'

• エージェントは、生成したテキスト（1,000,000 文字以下）を、これらのフォルダー内の相対パスに書き込みます（サブフォルダーは作成されます）。ワークスペース内のそれ以外の場所には書き込めません。書き込み可能なフォルダーが複数ある場合は、いずれか 1 つを指定する必要があります。
• エージェントによる書き込みはすべて、誰かが作成したファイルを公開状態のまま上書きする場合でも、private、indexMode: none、mirrorToContext: false として保存されます。返される値は { fileUuid, path, size, url } です。url は 1 時間有効な署名付きリンクで、リンクを持つ人なら誰でも開けます。
• 書き込みでは、そのフォルダー内にある同名の最新ファイルが上書きされます。エージェントが読み取るナレッジの保存先とは別に、専用の出力フォルダーを用意してください。
• プロジェクトでは、defineAgent({ files: [{ items: [folder], readOnly: false }] }) を使用します。詳細は ../cargo-project/references/resources.md を参照してください。

MCP — 2 つの方向、混同しないでください

Cargo では MCP（Model Context Protocol）は双方向で機能しますが、それぞれの仕組みは無関係です。

	公開 — ai mcp-server	利用 — ai mcp-client
内容	ワークスペースが公開するサーバーです。呼び出し可能にするツール、エージェント、データを選択します	他のユーザーの MCP サーバーへの接続です
呼び出す側	任意の MCP クライアント — Claude Code、Claude Desktop、Cursor、ChatGPT	チャット中またはワークフローの実行中に、Cargo のエージェントが呼び出します
接続方法	cargo-ai mcp --server <uuid>（以下の stdio ブリッジ）	release update-draft --mcp-clients …

作成する前に、プラットフォームの MCP で要件を満たせるか確認してください。 Cargo は現在、ファーストパーティ MCP を https://mcp.getcargo.io/mcp で提供しています。デプロイ不要で、すべてのワークスペースメンバーが利用できます。ワークスペースの操作に必要な、少数の固定ツールセット（whoami、get_usage、search_actions、get_action_schema、autocomplete_action、execute_action、execute_action_batch、get_run、get_batch、list_runs、list_models、describe_model、query_models と、読み取り専用のコンテキストツール map_context、search_context、browse_context、read_context）を備えています。ホスト型クライアント（ChatGPT コネクター、Claude.ai、HTTP 経由の Cursor）では、この URL を指定して OAuth でサインインします。ユーザーが複数のワークスペースに所属している場合は、同意画面で使用するワークスペースを選択します。ai mcp-server は別の用途向けです。クライアントにそれだけを表示し、ほかは何も表示しないようにするための、厳選された名前付きのサブセット（このツール、このエージェント、このフィルタリング済みモデル）を公開します。

ワークスペース MCP サーバーを公開する

cargo-ai ai mcp-server list
cargo-ai ai mcp-server create --name "CRM tools" \
  --actions '[{"slug":"<action-slug>","kind":"tool","toolUuid":"<tool-uuid>","templateSlug":null,"waitUntilFinished":true,"name":null,"description":null,"isBulkAllowed":false,"config":{}}]' \
  --resources '[{"kind":"model","slug":"<slug>","name":"Accounts","description":null,"integrationSlug":"hubspot","modelUuid":null,"filter":null,"selectedColumnSlugs":null,"limit":null,"prompt":null,"isReadOnly":true}]'
cargo-ai ai mcp-server update --uuid <mcp-server-uuid> --name "Updated name"
cargo-ai ai mcp-server remove <mcp-server-uuid>

• アクションには kind: "tool" または kind: "agent" を指定します。エージェントも呼び出し可能な MCP ツールとして公開でき、ツールだけに限りません。waitUntilFinished で、呼び出しを実行の完了まで待たせるかどうかを制御します。
• リソースには、kind: "model"（モデルのフィルタリング済みかつ列を選択したビューです。クライアントに書き込みを許可する必要がない限り、isReadOnly: true のままにしてください）または kind: "file"（UUID でワークスペースのファイルを指定します。詳細は ../cargo-content/SKILL.md を参照してください）を指定します。
• ケイパビリティ（CLI ≥ 1.0.86）を使うと、アクションやリソースとともに、Cargo 組み込みのツールもサーバー上で公開できます。JSON 配列 {slug, config} を指定します。

  cargo-ai ai mcp-server create --name "Research" \
    --capabilities '[{"slug":"webSearch","config":{}}]'
  

  11 個の slug は sandbox、memory、context、app、document、webSearch、action、model、file、documentationSearch、suggestedActions です。エージェントのリリースで --capabilities に指定するものと同じセットであるため、上記の例では省略せずに '[]' を渡しています。プロジェクトでは、同じフィールドに slug のみを指定できます（capabilities: ["webSearch"]）。
• update は --actions／--resources／--capabilities をマージせず、全体を置き換えます。mcp-server get <uuid> で現在のサーバーを確認し、完全な配列を指定してください。

コーディングエージェントに提供する — cargo-ai mcp

どちらのサーバーも、CLI を通じて任意の stdio MCP クライアントから利用でき、マシン上にすでにある認証情報を使います。トークンをクライアントの設定にコピーする必要はありません。

claude mcp add cargo -- cargo-ai mcp                     # the platform MCP (no setup)
cargo-ai ai mcp-server list                              # find a curated server's UUID
claude mcp add cargo -- cargo-ai mcp --server <uuid>     # that curated server instead
# Cursor, Windsurf, and other stdio clients: same command as the server entry

--server を指定しない場合、ブリッジは CARGO_MCP_SERVER_UUID が設定されていればその値を使い、そうでなければプラットフォームの /mcp を使います。**これは変更されました。**以前の CLI は「ワークスペースにある唯一の MCP サーバー」を解決しようとし、ワークスペースに MCP サーバーがない、または複数ある場合に InvalidUsage で失敗していました。現在は、引数なしの cargo-ai mcp でも常に提供できるものがあります。stdout には MCP プロトコルが出力され、すべてのログは stderr に出力されるため、その周辺で stdout に何も出力しないでください。

**スキルの代わりにこちらを使う場面：**スキルを使うとエージェントは CLI 全体を利用できます。一方、MCP のインターフェースでは、シェルを使わずに利用できる範囲が限定されます。会話中の情報検索や単発の操作にはブリッジを使い、バッチ処理、ワークフロー、スキーマの変更、コストゲートが適用される操作には CLI を使ってください。ルーティングの完全なルールについては、../cargo/SKILL.md →「これらのスキルと Cargo の MCP インターフェース」を参照してください。

外部 MCP サーバーを利用する

cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse
cargo-ai ai mcp-client connect --name "My MCP" --url https://mcp.example.com/sse \
  --disabled-tool-slugs "dangerous_tool,other_tool"

--authentication には {"issuedAt": "...", "accessToken": "..."} または "null" を指定します。接続したクライアントは、リリースを通じてエージェントに紐付けます。release update-draft --mcp-clients … を実行し、その後 release deploy-draft を実行してください。

メモリー

メモリーは、エージェントが会話から保存し、今後参照する情報です。ユーザーまたは特定のエージェントに紐付けられます（--scope user|agent。ワークスペースのスコープはありません）。

# List agent memories
cargo-ai ai memory list --scope agent --agent-uuid <uuid>

# List user-scoped memories
cargo-ai ai memory list --scope user

# Update a memory
cargo-ai ai memory update \
  --mem0-id <id> \
  --scope agent --agent-uuid <uuid> \
  --content "Updated memory content"

# Remove a memory
cargo-ai ai memory remove \
  --mem0-id <id> \
  --scope agent --agent-uuid <uuid>

チャット、ドキュメント、投票、プロンプトのヘルパー

メッセージの送信とポーリングは cargo-orchestration の役割です。以下はチャット関連の管理コマンドと、プロンプト作成用のヘルパー 2 つです。

# Chats — list (filter by agent, release, user, or how the chat started), read, rename, delete
cargo-ai ai chat list --agent-uuid <uuid> --trigger-type schedule --limit 20
#   --trigger-type: chat | connector | draft | web_extension | app | schedule | workflow
cargo-ai ai chat get <chat-uuid>
cargo-ai ai chat update --uuid <chat-uuid> --name "Q4 pipeline review"
cargo-ai ai chat remove <chat-uuid>

# Feedback on one assistant message, and the votes on a chat
cargo-ai ai vote upsert --chat-uuid <chat-uuid> --message-uuid <message-uuid> --is-upvoted false
cargo-ai ai vote list --chat-uuid <chat-uuid>

# Documents — the versioned text / code / image / sheet artifacts an agent writes in a chat
cargo-ai ai document get <document-uuid>                        # latest version
cargo-ai ai document list --uuid <document-uuid> --limit 10     # its versions
cargo-ai ai document create --uuid <document-uuid> --kind text --title "Brief" --content "…"   # new version
cargo-ai ai document reset --uuid <document-uuid> --created-at <version-createdAt>             # drop every later version

# Suggested follow-ups for a message (cache with --cache-key to avoid regenerating)
cargo-ai ai suggested-action generate --message-uuid <message-uuid> --agent-uuid <agent-uuid>

# Prompt helpers
cargo-ai ai prompt optimize --prompt "find companies in SF and enrich them"
cargo-ai ai prompt evaluate --prompt "<system prompt with {{…}} expressions>" --actions '[...]' --resources '[...]'

• prompt optimize は、簡素な指示を、構造化されたシステムプロンプト（役割、振る舞い、避けるべきこと）に書き換えます。固定の小規模モデルを温度 0 で使用します。結果はそのまま使うプロンプトではなく、編集するためのドラフトとして扱ってください。
• prompt evaluate は何も採点しません（CLI 1.0.128 より前のヘルプには採点すると記載されていました）。プロンプトをレンダリングします。プロンプト内のテンプレート式を、指定した --actions、--resources、--capabilities に基づいて解決し、エージェントが実際に受け取るプロンプトテキストを返します。リリースをデプロイする前に、システムプロンプト内の {{…}} 参照が解決されることを確認するために使ってください。
• document reset は破壊的な操作です。指定したバージョンより後に作成されたすべてのバージョンが削除されます。まず list --uuid を実行し、createdAt を選んでください。
• 低評価はワークスペースに記録されるフィードバックであり、エージェントは変更されません。回答を修正するには、リリース（プロンプト、モデル、リソース）を変更してください。

ヘルプ

すべてのコマンドで --help を使用できます。

cargo-ai ai agent create --help
cargo-ai ai release update-draft --help
cargo-ai ai mcp-server create --help
cargo-ai ai memory list --help