AutoLearnは、AIエージェントが自然言語から新しいskills(機能コードワークフロー)を動的に作成および再利用できるようにするモデルコンテキストプロトコル(MCP)サーバーです。

静的な MCP サーバーとは異なり、AutoLearn は ** コーディング エージェント** を導入しています。

• 推論トレースをcrystalizedメモリ(Python関数)に変換します。
• ワークフローが結晶化する自動決定。 -MCP specを動的に更新すると、エージェントはすぐに新しいスキルを使用することができます。

詳細情報: https://www.autolearn.dev/

プロジェクトには、ユーザーが次のことができる**フロントエンドのデモアプリが含まれています。

• AutoLearn を使用する消費エージェントとのチャット。
• 新しいスキルを自動生成した Python コードを参照してください。
• 更新されたMCPスペックをリアルタイムで表示します。
• スキルをインタラクティブに実行します。

お問い合わせ

##特徴

-Dynamic Skill Creation:OpenAIの統合による自然言語→Pythonのコードワークフロー -Crystalized Memory:実行可能なコードとして保存される頻繁に使用されるか、または複雑な推論

• MCP Server:HTTP 輸送上の完全な JSON-RPC 2.0 プロトコル準拠 -リアルタイムアップデート:スキルの追加、スキル 実行、mcp updatedのWebSocketイベント

AutoLearn

AutoLearn is a Model Context Protocol (MCP) server that lets AI agents dynamically create and reuse new skills (functional code workflows) from natural language.

Unlike static MCP servers, AutoLearn introduces a coding agent that:

• Converts reasoning traces into crystalized memory (Python functions).
• Decides automatically which workflows to crystalize.
• Updates its MCP spec dynamically so consuming agents can use new skills immediately.

Learn More: https://www.autolearn.dev/

The project includes a frontend demo app where users can:

• Chat with a consuming agent that uses AutoLearn.
• See auto-generated Python code for new skills.
• View the updated MCP spec in real time.
• Execute skills interactively.

---

Features

• Dynamic Skill Creation: Natural language → Python code workflows via OpenAI integration
• Crystalized Memory: Frequently used or complex reasoning preserved as executable code
• MCP Server: Full JSON-RPC 2.0 protocol compliance over HTTP transport
• Real-Time Updates: WebSocket events for skill_added, skill_executed, mcp_updated
• Persistence: SQLite database for skills, sessions, and operational data
• Frontend Demo: T3 stack with chat, skill viewer, MCP spec viewer, and execution panel
• Comprehensive Testing: 54/54 tests passing with full integration coverage

---

Tech Stack

• Backend: Python 3.11+, FastAPI, OpenAI API
• Frontend: T3 Stack (Next.js, TypeScript, Tailwind CSS, tRPC) with shadcn/ui components
• Testing: Pytest (backend), Vitest (frontend)

---

Repository Structure

autolearn/
├── backend/          # FastAPI MCP server + skill engine
│   ├── app.py        # FastAPI application
│   ├── schemas.py    # Pydantic models
│   ├── skill_engine.py # Skill registry and execution
│   └── openai_client.py # OpenAI integration
├── frontend/         # T3 Stack frontend (Next.js, TypeScript, Tailwind, tRPC)
│   ├── src/          # Source code
│   │   ├── components/   # UI components using shadcn/ui
│   │   ├── pages/    # Next.js pages
│   │   └── server/   # tRPC router definitions
├── tests/            # Unit and integration tests
├── docs/             # Documentation (PRD, design notes)
├── skills.db         # SQLite database for skill persistence
└── README.md

---

Getting Started

Prerequisites

• Python 3.11+
• OpenAI API key

1. Clone the Repository

git clone https://github.com/tarkaai/autolearn.git
cd autolearn

2. Setup Backend and Frontend

python -m venv .venv
source .venv/bin/activate   # or .venv\Scripts\activate on Windows
pip install -e .   # Install in development mode

# Navigate to the frontend directory
cd frontend

# Install dependencies
npm install