sandbaseai/managed-agents
Developer toolsЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
sandbaseai/managed-agents — это кандидат на навык агента, импортированный из https://github.com/sandbaseai/managed-agents.
Обзор
sandbaseai/managed-agents — это кандидат на навык агента, импортированный из https://github.com/sandbaseai/managed-agents.
Обзор (машинный перевод)
Английский | 中文
Метаданные проекта, читаемые ИИ: llms.txt · Руководство по установке
Локальное сначала выполнение для агентов ИИ. Сессии, песочницы в инструментах, память, удостоверения данных, аудиторские следы и встроенная консоль — всё это работает на вашей Машина или в собственной инфраструктуре.
Почему
SDK агентов обрабатывают цикл модели. Производственным агентам нужно больше: постоянной работы.
сессии, управление инструментами, границы песочницы, обработка учетных данных, память,
аудитируемость и интерфейс для людей, чтобы они могли проверить, что произошло. managed-agents
является ли этим слоем выполнения — а не визуальным конструктором рабочих процессов и не очередным SDK модели.
| Нужна | Что предоставляет Harness |
|---|---|
| Безопасное запуск сгенерированного кода | Локальные, Docker, Kubernetes и самостоятельные рабочие песочницы |
| Проверка долгосрочных агентов | Постоянные сессии, возобновляемые потоки событий, аудит и повтор |
| Доступ к инструментам контроля | Наборы инструментов MCP, хранилища учетных данных, политики разрешений и утверждения |
| Работайте с любой моделью | OpenAI, Anthropic, MiniMax и OpenAI совместимые провайдеры, включая DeepSeek V4 |
| Держите инфраструктуру своей | Локальный SQLite и файловое хранилище без необходимости хост-управляющей плоскости |
Особенности
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
SandBase Harness
AI-readable project metadata: llms.txt · installation guide
A local-first runtime for AI agents. Sessions, sandboxed tools, memory, credentials, audit trails, and a built-in Console — all running on your machine or in your own infrastructure.
Why
Agent SDKs handle the model loop. Production agents need more: persistent
sessions, tool governance, sandbox boundaries, credential handling, memory,
auditability, and a UI for humans to inspect what happened. managed-agents
is that runtime layer — not a visual workflow builder and not another model SDK.
| Need | What Harness provides |
|---|---|
| Run generated code safely | Local, Docker, Kubernetes, and self-hosted worker sandboxes |
| Inspect long-running agents | Persistent sessions, resumable event streams, audit, and replay |
| Control tool access | MCP toolsets, credential vaults, permission policies, and approvals |
| Operate any model | OpenAI, Anthropic, MiniMax, and OpenAI-compatible providers, including DeepSeek V4 |
| Keep infrastructure yours | Local-first SQLite and file storage with no required hosted control plane |
Features
- Claude Managed Agents-style
/v1API and local Console - SQLite metadata by default for agents, sessions, environments, credential vaults, memory stores, files, skills, and API keys — local file/skill bytes in the workspace state directory
- Resumable Server-Sent Events for session replay and debugging
- One active model provider boundary configured through Settings V2
- Sandbox backends: local process, Docker (per-session containers), Kubernetes (kubectl exec/cp), self-hosted worker queue
- MCP toolsets, permission policies, built-in tools, and skill packages
Рекомендуемые инструменты
Попробуйте другой запрос или уберите фильтр.
Установка
npx skillfish add sandbaseai/managed-agents