OpenSpace: управление навыками AI-агентов

OpenSpace — это платформа управления жизненным циклом навыков AI-агентов. Проект решает проблему, с которой сталкиваются агенты при масштабировании библиотеки навыков: как найти нужный навык, оценить его работоспособность и адаптировать к реальным задачам.

Проблема управления навыками

Когда агент выполняет задачу poorly, дело не всегда в модели. Часто он просто не может найти подходящий навык, выбрать рабочую версию или извлечь урок из неудачи. С ростом библиотеки до сотен и тысяч навыков эта проблема усугубляется — больше вариантов затрудняет выбор.

OpenSpace предлагает четыре ключевых возможности для решения этой проблемы:

• Retrieve — поиск нужного навыка для каждой задачи
• Evaluate — оценка через реальные результаты выполнения
• Share — превращение успешных рабочих процессов в командное знание
• Evolve — улучшение навыков с каждым запуском

Архитектура платформы

OpenSpace v2 построен на четырёх связанных слоях.

Skill Quality Layer

Слой качества отвечает на вопрос: каким навыкам можно доверять? Платформа записывает исход каждого запуска — был ли навык выбран, применён, завершил задачу или заменён fallback. Отслеживаются сбои инструментов, которые могут сделать навык ненадёжным. Вместо описаний навыков используется реальное поведение при выполнении задач.

Controlled Skill Evolution

Слой эволюции определяет, когда навык должен измениться. Поддерживаются три типа эволюции: FIX (исправление сломанного или устаревшего навыка), DERIVED (создание улучшенной или специализированной версии), CAPTURED (сохранение переиспользуемого подпроцесса). Эволюция управляется — изменения проходят валидацию, имеют историю версий и независимый контроль доступа.

Local-First Skill Hub

Локальный хаб позволяет агентам работать с навыками на своей машине, не покидая её. Облачные навыки группируются по пакетам для удобного просмотра, импортируются локально перед повторным использованием и имеют контекст: пакет, видимость, история и сигналы качества.

Agent Harness with Quality Records

Среда выполнения агентов обеспечивает восстанавливаемые сессии, инструменты с проверкой прав и записи качества. CLI, Python API, MCP, gateway и dashboard используют одну модель выполнения.

Интеграция с агентами

OpenSpace подключается к агентам через MCP (Model Context Protocol). Поддерживаются три режима запуска: stdio, SSE и streamable HTTP. Платформа совместима с Claude Code, Codex, OpenClaw, Hermès, nanobot и другими MCP-способными агентами.

Для интеграции нужно добавить OpenSpace в MCP-конфиг агента и скопировать два хост-скилла (delegate-task и skill-discovery) в директорию навыков агента. Эти навыки учат агента, когда и как использовать OpenSpace — дополнительная промптинг не требуется.

Быстрый старт

git clone https://github.com/HKUDS/OpenSpace.git && cd OpenSpace
pip install -e .
openspace-mcp --help

Для использования из командной строки:

openspace --model "anthropic/claude-sonnet-4-5" --query "Создай дашборд мониторинга для Docker-контейнеров"

Python API для встраивания в собственный runtime:

import asyncio
from openspace import OpenSpace
from openspace.runtime import ExecutionRequest

async def main():
    async with OpenSpace() as cs:
        result = await cs.execute(
            ExecutionRequest(
                prompt="Analyze GitHub trending repos and create a report",
            )
        )
        print(result.text)

asyncio.run(main())

Облачное сообщество

OpenSpace подключается к облачному сообществу на open-space.cloud, где можно просматривать, загружать и скачивать навыки. Облачные навыки организованы по пакетам с контекстом видимости, истории и качества. Для доступа к облаку требуется аутентификация агент-ключа.

Дашборд

Локальный дашборд (React + Tailwind) позволяет отслеживать эволюцию навыков, сравнивать версии и анализировать результаты выполнения. Запускается двумя командами — backend API и frontend dev server.

Terminal-Bench 2.1

На бенчмарке Terminal-Bench 2.1 OpenSpace демонстрирует рост качества при эволюции навыков: с 65.2% (Cold run) до 78.7% (Warm run) при использовании одного и того же ядра Hy3. Это подтверждает, что управление навыками влияет на реальную производительность агентов.

Заключение

OpenSpace — это не просто ещё одна библиотека навыков. Это платформа управления, которая оценивает навыки через реальные результаты, контролирует их эволюцию и предоставляет локально-ориентированный хаб для совместной работы. Проект доступен под лицензией MIT и активно развивается.