英語の原文: https://argusic.com/subject/ai-company
AI-company
Claude Code 向けのマルチエージェントチームオペレーティングシステム。108 の MCP ツール、40+ のエージェントテンプレート、10 のライフサイクルフック、7 のパイプラインワークフロー。永続的なチーム、構造化されたミーティング、タスクウォール、リアルタイムの React ダッシュボード。LangChain/AutoGen は使わず、純粋な CC ネイティブ統合です。
動作するソース: GitHubPythonMITコミット 329c525e5f56
Python、MIT ライセンス. プロジェクト自身の表記: agent framework、agent orchestration、ai agents、autonomous agents、claude、claude code、claude code plugin、dashboard.
AI-company は動作します。Argusic のエージェントが GPU のないクリーンなマシンで 23 分でインストールし、6 件のエラーに遭遇してすべてを自力で修正し、セッション全体が記録されました。
AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints and 116 MCP tools. Codex adapter installed with 7/7 hook files, MCP via stdio verified. SQLite database at ~/.claude/data/ai-team-os/aiteam.db holds 47 tables with working project/task CRUD and cross-request persistence. Unit tests pass 4109/4128 (1 pre-existing test-env isolation failure).
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。 計測方法
Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 100 点 (このプロジェクトの実行スコアの平均)。
概要
プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。
計測した内容
この判定を決めた実行から取得しています。 各行は記録された値であり、推定値ではありません。
うまくいかなかった点 (エージェント自身の言葉)
エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。
- test_restart_development.py::test_source_switch_child_keeps_existing_database fails — subprocess resolves user-site relative to tmp HOME, not finding sqlalchemy installed in /home/runner/.local5 分
- test_codex_adapter_start.py (2 tests) fail — HTTP MCP preflight fails in isolated HOME; same user-site root cause2 分
- test_codex_runtime.py (12 tests) fail — subprocesses with isolated HOME can't import psutil from /home/runner/.local2 分
- test_mcp_concurrency.py, test_mcp_http_sharing.py (4 tests) fail — child process in isolated env can't import psutil2 分
- PEP 668 externally-managed-environment error on 'pip install -e .' in Debian system Python1 分
- test_codex_release_database.py fails — reference commit dd60e97 not present in shallow clone1 分
- インストール時間
- 23 分
- クリーンなマシンから完了まで
- 44 分
- 遭遇したエラーと修正したエラー
- 6 件に遭遇、6 件を人の手を借りずに修正
- 結果の証明方法
- pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localhost:8000/api/health returned 200, status=ok, version=1.14.0 -> MCP stdio client session returned 116 tools -> task_create MCP tool called via API -> task persisted in SQLite (verified via sqlite3 CLI) -> E2E API coverage suite: 22/23 PASS -> API smoke: 13/24 PASS (hardcoded project ID not found) -> Unit tests: 4109 passed, 18 skipped (1 pre-existing env-isolation gap)
- 使用したモデルのトークン
- 1,801,192
- テストした正確なコミット
- 329c525e5f56
- コンテナイメージ
- sha256:cdd920bce783
計測していない内容
残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。
- GPU メモリのピーク
- CPU マシンで実行したため、サンプリングする GPU がありませんでした
- 長時間の実行での振る舞い
- 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません
録画の最後
この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。
\"fix\": \"unfixed — shallow clone doesn't contain the release baseline; CI does a full…
\"minutes\": 1
}
],
\"test_depth\": \"tier1_real\",
\"verified_how\": \"pip install -e . (PEP 668 bypass) -> codex_adapter.py start -> curl localho…
\"final_state\": \"AI Team OS v1.14.0 API answers 200 on /api/health, serves 187 REST endpoints…
}))
EOF" in /work/repo
succeeded in 0ms:
tokens used
1,801,192セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。
テスト方法
1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。 評価方法の全文.
強みと限界
意見ではなく、計測された事実です。コンテンツの作成方法.
うまくいった点
- クリーンなマシンで実行状態に達し、セッションが記録されました。
- 6 件のエラーすべてから、人の介入なしに回復しました。失敗が解決できる程度にはドキュメント化されていることを示しています。
- GPU なしで動作したため、起動に GPU は必要ありません。
- ホストの報告によると、ライセンスは MIT です。
うまくいかなかった点、または不明な点
- インストールに 23 分かかり、Argusic が計測した比較可能な 61 件のプロジェクトの中央値より遅い結果です。
- これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。
Argusic がインストールして時間を計測した agent-framework のプロジェクト 62 件のうち、AI-company は実行状態に達するまでの速さが 57 番目で、62 件中 48 件がそもそも実行状態に達しました。
適している用途
- ノートパソコンや小さなサーバーで試す場合: GPU なしで実行状態に達しました。
同じ分野でテストしたプロジェクト
ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。
実行履歴
トピック (出典: GitHub)
agent-frameworkagent-orchestrationai-agentsautonomous-agentsclaudeclaude-codeclaude-code-plugindashboardfastapimcpmcp-servermeeting-systemmulti-agent-systempipeline-workflowpythonreactsqlitetask-managementteam-collaborationtypescript
バッジを埋め込む
プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.
[](https://argusic.com/subject/ai-company)質問
- AI-company は動作しますか?
- はい。AI-company は動作します. Argusic はクリーンなマシンで 23 分でインストールして起動し、途中で 6 件のエラーに遭遇し、セッションを記録しました。
- Argusic は AI-company をどのようにテストしましたか?
- 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット 329c525e5f56 に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
- AI-company のテストにはいくらかかりましたか?
- この判定を出した実行のコストは 0.42 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
- AI-company のインストールにはどのくらい時間がかかりますか?
- この判定を決めた実行では、クリーンなマシンから実行状態まで 23 分でした。これは 1 回の計測された試行であり、平均ではありません。
- AI-company には GPU が必要ですか?
- 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
- AI-company のインストールでは何がうまくいきませんか?
- 記録された実行では 6 件の問題が発生しました。そのうち 6 件は人の手を借りずに修正されました。それぞれの問題と、かかった時間をこのページに掲載しています。
- AI-company は代替のプロジェクトと比べてどうですか?
- Argusic がインストールして時間を計測した agent-framework のプロジェクト 62 件のうち、AI-company は実行状態に達するまでの速さが 57 番目で、62 件中 48 件がそもそも実行状態に達しました。
- AI-company の証拠はどこにありますか?
- 記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。