HR
Geodi, službeni pikselni lik GEODE-a
Natrag u dvoranu

GEODE

Autonomous Agent Harness

Od opažanja do sljedeće radnje.

Lokalni okvir za autonomnog agenta kojemu se mogu prepustiti istraživanje, rad s datotekama i zakazani zadaci.

2026.02.21 — present

Dizajn, prosudba, verifikacija: Author · implementacija: Claude · recenzija: Codex

  • CLIObjavljeno · PyPI
  • MCP poslužiteljImplementirano
Recorded evaluation · MCPMark PostgreSQL · 2026-07-04

Prije nego što je išta promijenio, pronašao je ono što je već postojalo.

Zadatak: sigurnost na razini redaka za društvenu uslugu s pet tablica.

  1. IstraživanjePozivi 1–12 · list_objects, get_object_details, execute_sqlPročitao je pet tablica, četiri već postojeće pomoćne funkcije, RLS isključen na svih pet te politike, ovlasti i uloge.
  2. RadnjaPoziv 13 · execute_sqlJedna transakcija: 20 politika i uključen RLS, uz ponovnu upotrebu 3 postojeće pomoćne funkcije i dodavanje 3 nove funkcije.
  3. VerifikacijaOkvir za evaluaciju · nije poziv agenta18 prošlo, 0 palo. Svih 13 odgovora alata u 9 poteza vratilo se bez pogreške.
Izlaz verifikatora, 18 redaka (doslovno)
  1. RLS enabled on users
  2. RLS enabled on channels
  3. RLS enabled on channel_moderators
  4. RLS enabled on posts
  5. RLS enabled on comments
  6. Users can update their own profile
  7. Users blocked from updating other users' profiles
  8. Channel owners can update their channels
  9. Non-owners blocked from updating channels
  10. Post authors can update their posts
  11. Channel moderators can update posts in their channels
  12. Unauthorized users blocked from updating posts
  13. Comment authors can update their comments
  14. Post authors can moderate comments on their posts
  15. Channel owners can add moderators
  16. Non-owners blocked from adding moderators
  17. Content visibility varies correctly based on user context
  18. Anonymous users can see 3 public user profiles (correct)

Prošlo izvođenje u konfiguriranom sandboxu za evaluaciju, a ne živa baza podataka ni stvarni sigurnosni incident. Broj redaka prije politika nije u zapisu, pa nije prikazan. Javni zapis izvođenja (meta.json, commit 23e3428)

Pregled rezultata i njegov popravak (nadahnut Reflexionom, unutar istog zadatka) mogućnost je trenutačnog izvršnog okruženja GEODE. U ovom zapisu takav se popravak ne pojavljuje: svaki se odgovor alata vratio bez pogreške. Dokumentacija izvršnog okruženja (hook-system.md)

Sljedeću radnju bira model; granicu izvođenja čuva domaćin.

Izvršno okruženje od zahtjeva koji ulazi u sesiju, preko poziva modela i provjera ovlasti za svaki predloženi poziv alata, do izvođenja, rezultata i zapisa. Odaberite tijek kako biste istaknuli samo njegov put s numeriranim koracima.

Sljedeću radnju bira model; izvršno okruženje provjerava dopuštenja alata i odlučuje kada je posao završen.

Vanjski eksperimenti Scaffold Search / SIL započeli su May 15, 2026

Paket geode-agent instalira se s PyPI-ja ili iz javnog repozitorija i pokreće u vlastitom terminalu. Dostupan je i kao MCP poslužitelj.

Arhitektura izvršnog okruženja · nacrtano prema putovima koda na fiksiranom commitu 9e2c041
Arhitektura izvršnog okruženja GEODEKomponente i veze procesa izvršnog okruženja GEODE. Zahtjevi stižu preko terminalskog IPC-a, glasnika ili vanjskog MCP domaćina i postaju sesija; AgenticLoop poziva model sa sistemskim promptom, razgovorom i shemama alata. Poziv alata koji model predloži izvodi se tek kad prođe provjere opsega, politike, sheme, hooka i odobrenja u ToolExecutoru, a njegov rezultat postaje sljedeći ulaz modela. Kontrolna točka, timeline i retci dokaza zasebne su pohrane.Korisnik terminalaREPL · thin CLIKanal glasnikaSlack · Discord · TelegramVanjski MCP domaćinalat run_agentPružatelji LLM-aHTTPS · API-ji modelaDatoteke · git · procesistanje izvan kontrolnih točakaMCP poslužiteljiglobalno + pouzdani projektcore/serverCLIPoller · IPC utičnicapolleri glasnikacore/mcp_server.pyrun_agent · jednokratno izvođenjesupervised/services.pySharedServices.create_sessionLaneQueue · session · globalcore/agent/loopAgenticLoop · šest fazasistemski prompt · deklarirani izvoriporuke · ConversationContextcore/llm/adaptersadapter.acomplete · klase pogrešakatool_executor/processor.pyToolCallProcessorcore/tools/plan.pyBoundToolPlan · nepromjenjivtool_executor/executor.pyopseg · politika · shemaPreToolUse · PostToolUseodobrenje · HITLeffect receiptzaključavanje resursa · prosljeđivanjecore/toolsrukovatelji alata · bash · computercore/mcp/manager.pyMCPServerManagermemory/session_checkpoint.pySQLite messages · state.jsonmemory/effect_receipts.pyEffectReceiptStoreobservability/session_timeline.pySessionTimeline · append-onlyagent/evidence_ledger.pyEvidenceLedger · JSONLcore/agent/verify.pyverify_turn_asynccore/hooksHookRegistry · odlukeHookSystem · opažanjeProces izvršnog okruženja GEODEdaemon serve · REPL · jednokratno izvođenjeUlaz · sastav sesijePetlja izvođenja · poziv modelaOvlasti alata · učinciZapisi · oporavak · završetak1 prompt · cli.sock · Korisnik terminala → CLIPoller · IPC utičnica12 create_session(IPC) · CLIPoller · IPC utičnica → SharedServices.create_session23 lane po zahtjevu · CLIPoller · IPC utičnica → LaneQueue · session · global34ToolExecutor · AgenticLoop5arun(prompt)6sistemski prompt7poruke8sheme alata9StepSnapshot · zahtjev10HTTPS11 odgovor · tool_use · adapter.acomplete · klase pogrešaka → AgenticLoop · šest faza111paket na čekanju · spremanje runde2blokovi tool_use3 aexecute · ToolCallProcessor → opseg · politika · shema34dopušteno · razina sigurnosti5PreToolUse · PostToolUse6zahtjev za odobrenje7 odbijeno prije izvođenja · tool_executor/executor.py → ToolCallProcessor78prijam učinka · potvrda9poziv rukovatelja10 MCP poziv · zaključavanje resursa · prosljeđivanje → MCPServerManager1011 tools/call · MCPServerManager → MCP poslužitelji1112 promjene datoteka · gita · procesa · rukovatelji alata · bash · computer → Datoteke · git · procesi1213 rezultat · pogreška nakon prosljeđivanja · tool_executor/executor.py → ToolCallProcessor1314tool_result15poziv · opažanje rezultata1paket na čekanju · spremanje runde2obnova pri nastavku3zapis poteza4provjera završetka5PostVerify · Stop6retci dokaza · best-effort7kognitivni događaji · događaji životnog ciklusa1poruka kanala2 create_session(DAEMON) · polleri glasnika → SharedServices.create_session23arun(message)4run_agent(prompt)5bezglava jednokratna petlja

Zahtjev → poziv modela

Zahtjev iz terminala stiže preko IPC-a, sastavlja se sesija, a petlja poziva model sa sistemskim promptom, razgovorom i shemama alata.

  1. Korisnik terminalaprompt · cli.sockCLIPoller · IPC utičnicacore/server

    Tanki CLI šalje zahtjev na IPC utičnicu daemona serve (~/.geode/cli.sock). REPL isti sastav sesije izvodi unutar procesa.

  2. CLIPoller · IPC utičnicacore/servercreate_session(IPC)SharedServices.create_sessionsupervised/services.py

    Svaka veza sastavlja sesiju. Način rada određuje razinu HITL-a, vremenski proračun i zabranjene alate te projicira BoundToolPlan na odabranog pružatelja.

  3. CLIPoller · IPC utičnicacore/serverlane po zahtjevuLaneQueue · session · globalsupervised/services.py

    Prije izvođenja zahtjeva drže se i lane sesije i globalni lane, što ograničava istodobna izvođenja.

  4. SharedServices.create_sessionsupervised/services.pyToolExecutor · AgenticLoopAgenticLoop · šest fazacore/agent/loop

    Izgrađuje izvršitelja i petlju kao jedan par koji dijeli hookove, MCP, vještine i zaključavanja resursa.

  5. LaneQueue · session · globalsupervised/services.pyarun(prompt)AgenticLoop · šest fazacore/agent/loop

    Izvodi jedan korisnički potez u šest faza: priprema ulaza, priprema poziva, poziv pružatelja, obrada alata, opažanje i sažimanje, završetak.

  6. sistemski prompt · deklarirani izvoricore/agent/loopsistemski promptadapter.acomplete · klase pogrešakacore/llm/adapters

    Gradi se u svakom potezu iz deklariranih izvora kao što su odabrani odjeljci GEODE.md i pravila. Petorazinska fasada ContextAssemblera koristi se samo kad je izričito pozvana; nije ulaz zadane petlje.

  7. poruke · ConversationContextcore/agent/loopporukeadapter.acomplete · klase pogrešakacore/llm/adapters

    Razgovor i raniji rezultati alata putuju odvojeno od sistemskog prompta.

  8. BoundToolPlan · nepromjenjivcore/tools/plan.pysheme alataadapter.acomplete · klase pogrešakacore/llm/adapters

    Model vidi samo alate BoundToolPlana vezanog za ovaj korak. To je nepromjenjiva snimka s generacijom i hashom sadržaja.

  9. AgenticLoop · šest fazacore/agent/loopStepSnapshot · zahtjevadapter.acomplete · klase pogrešakacore/llm/adapters

    StepSnapshot fiksira model, alate i korelacijske ID-ove ovog poziva. LLM međuprogram ne može zamijeniti vezani adapter.

  10. adapter.acomplete · klase pogrešakacore/llm/adaptersHTTPSPružatelji LLM-a

    Poziv izvodi adapter pojedinog pružatelja. Neuspjesi se razvrstavaju i ponavljaju samo unutar zadane granice ili završavaju potez razlogom završetka.

  11. adapter.acomplete · klase pogrešakacore/llm/adaptersodgovor · tool_useAgenticLoop · šest fazacore/agent/loop

    Sam tekst vodi u završetak; tool_use vodi u obradu alata.

Ovlast alata → učinak → rezultat

Prijedlog tool_use izvodi se tek nakon što prođu sve provjere; odbijanja, rezultati i pogreške vraćaju se iz izvršitelja i postaju sljedeći ulaz modela.

  1. AgenticLoop · šest fazacore/agent/looppaket na čekanju · spremanje rundeSQLite messages · state.jsonmemory/session_checkpoint.py

    U sesiji s konfiguriranim kontrolnim točkama (postoje kontrolna točka i session id) predloženi se paket sprema prije pokretanja ijednog alata, a ako se ne može spremiti, paket se ne izvodi. Dovršeni se paket ponovno sprema. Pozivatelji bez kontrolne točke nemaju to jamstvo.

  2. AgenticLoop · šest fazacore/agent/loopblokovi tool_useToolCallProcessortool_executor/processor.py

    Prijedlog modela nije dopuštenje. Svaki poziv dobiva ToolContext s identitetom modela i adaptera petlje.

  3. ToolCallProcessortool_executor/processor.pyaexecuteopseg · politika · shematool_executor/executor.py

    Redom provjerava opseg sesije, prepisivanja međuprograma zahtjeva, politiku i shemu. Prepisivanje koje snižava razinu sigurnosti ili klasu osobnih podataka odbija se.

  4. BoundToolPlan · nepromjenjivcore/tools/plan.pydopušteno · razina sigurnostiopseg · politika · shematool_executor/executor.py

    Izvršni rukovatelji i razine sigurnosti dolaze iz BoundToolPlana projiciranog za sesiju.

  5. PreToolUse · PostToolUsetool_executor/executor.pyPreToolUse · PostToolUseHookRegistry · odlukecore/hooks

    Javni hookovi odlučuju o blokadi, prepisivanju argumenata ili zahtjevu za dopuštenje, a nakon prepisivanja ponovno slijede provjere opsega, politike i sheme. Nakon izvođenja hook može dodati kontekst ili zadržati rezultat.

  6. odobrenje · HITLtool_executor/executor.pyzahtjev za odobrenjeKorisnik terminala

    U IPC sesiji zahtjev za odobrenje prosljeđuje se tankom CLI-ju. Načini rada bez čovjeka prema zadanim postavkama primjenjuju politiku odbijanja; jedina je iznimka computer use u DAEMON-u kad ga operater zasebno uključi (inače je blokiran).

  7. tool_executor/executor.pyodbijeno prije izvođenjaToolCallProcessortool_executor/processor.py

    Odbijanje zbog opsega, politike ili sheme, blokada PreToolUse ili uskraćeno odobrenje vraćaju se kao rezultat pogreške bez prosljeđivanja. U tom slučaju nijedan učinak ovog poziva nije započeo.

  8. effect receipttool_executor/executor.pyprijam učinka · potvrdaEffectReceiptStorememory/effect_receipts.py

    Učinci poput promjena datoteka, odlaznih poruka ili administrativnih radnji primaju se prije izvođenja. Neizvjestan ishod ne izvodi se ponovno; traži usklađivanje.

  9. zaključavanje resursa · prosljeđivanjetool_executor/executor.pypoziv rukovateljarukovatelji alata · bash · computercore/tools

    Prosljeđuje vezanom rukovatelju nakon zaključavanja njegovih ključeva resursa. Poziv prekinut na roku možda se i dalje izvodi izvana.

  10. zaključavanje resursa · prosljeđivanjetool_executor/executor.pyMCP pozivMCPServerManagercore/mcp/manager.py

    Pozivaju se samo MCP alati s deklariranom politikom resursa.

  11. MCPServerManagercore/mcp/manager.pytools/callMCP poslužitelji

    Katalog poslužitelja dolazi iz globalnih postavki i postavki projekta koje su prošle provjeru povjerenja; ta se provjera odnosi samo na unose projekta. Upravitelj MCP-a primjenjuje svoju politiku proširenja i resursa.

  12. rukovatelji alata · bash · computercore/toolspromjene datoteka · gita · procesaDatoteke · git · procesi

    Izvedene promjene ostaju kao vanjsko stanje. Kontrolna točka oporavlja samo razgovor i ne poništava ih.

  13. tool_executor/executor.pyrezultat · pogreška nakon prosljeđivanjaToolCallProcessortool_executor/processor.py

    Nakon prosljeđivanja uobičajeni rezultati i pogreške (uključujući istek vremena i neizvjesne ishode) vraćaju se kroz PostToolUse. Pogreška ili istek vremena ne znači da je vanjski rad stao ili da je poništen.

  14. ToolCallProcessortool_executor/processor.pytool_resultporuke · ConversationContextcore/agent/loop

    Rezultati, odbijanja i pogreške jednako se serijaliziraju kao tool_result i postaju poruke u sljedećem ulazu modela.

  15. ToolCallProcessortool_executor/processor.pypoziv · opažanje rezultataSessionTimeline · append-onlyobservability/session_timeline.py

    Upisuje poziv i njegov rezultat (ok ili pogreška) u timeline, uključujući pozive odbijene prije izvođenja. Zapis je opažanje; ne dokazuje da je vanjski učinak započeo ili uspio.

Zapisi · oporavak · završetak

Kontrolna točka, timeline i retci dokaza zapisuju se odvojeno. Zajedničke transakcije nema, a kontrolna točka oporavlja samo razgovor.

  1. AgenticLoop · šest fazacore/agent/looppaket na čekanju · spremanje rundeSQLite messages · state.jsonmemory/session_checkpoint.py

    U sesiji s konfiguriranim kontrolnim točkama (postoje kontrolna točka i session id) predloženi se paket sprema prije pokretanja ijednog alata, a ako se ne može spremiti, paket se ne izvodi. Dovršeni se paket ponovno sprema. Pozivatelji bez kontrolne točke nemaju to jamstvo.

  2. SQLite messages · state.jsonmemory/session_checkpoint.pyobnova pri nastavkuAgenticLoop · šest fazacore/agent/loop

    Jedan put obnove vraća poruke, kognitivno stanje i brojače zaštita. TaskGraph lokalan za proces ne oporavlja se.

  3. AgenticLoop · šest fazacore/agent/loopzapis potezaSessionTimeline · append-onlyobservability/session_timeline.py

    Povijest izvođenja u koju se samo dodaje, a koja se nikad ne reproducira kao stanje.

  4. AgenticLoop · šest fazacore/agent/loopprovjera završetkaverify_turn_asynccore/agent/verify.py

    Prijedlog modela da stane postaje završetak samo kroz Verify.

  5. verify_turn_asynccore/agent/verify.pyPostVerify · StopHookRegistry · odlukecore/hooks

    Odluke javnih hookova određuju hoće li se nastaviti s popravkom, a popravci se odvijaju samo unutar zadanog proračuna (zadano dva).

  6. AgenticLoop · šest fazacore/agent/loopretci dokaza · best-effortEvidenceLedger · JSONLagent/evidence_ledger.py

    Dijagnostički retci s uklonjenim osjetljivim podacima. Hashevi služe korelaciji; redak ne dokazuje da se učinak dogodio i ne zapisuje se u istoj transakciji s timelineom ili kontrolnom točkom.

  7. AgenticLoop · šest fazacore/agent/loopkognitivni događaji · događaji životnog ciklusaHookSystem · opažanjecore/hooks

    Hookovi opažanja primaju i bilježe događaje; ne odlučuju o izvođenju.

Drugi ulazni putovi

Glasnici ulaze kao DAEMON sesije daemona serve; run_agent vanjskog MCP domaćina ulazi u zasebno izgrađenu bezglavu jednokratnu petlju.

  1. Kanal glasnikaporuka kanalapolleri glasnikacore/server

    Polleri daemona serve obrađuju poruke samo iz vezanih kanala.

  2. polleri glasnikacore/servercreate_session(DAEMON)SharedServices.create_sessionsupervised/services.py

    Način rada bez čovjeka koji odobrava: vrijede zadana politika odbijanja i vremenski proračun. Samo computer use operater može zasebno uključiti; bez toga ostaje blokiran.

  3. polleri glasnikacore/serverarun(message)AgenticLoop · šest fazacore/agent/loop

    Nit zadržava jedan fiksni session id i nastavlja jedan lanac kontrolnih točaka.

  4. Vanjski MCP domaćinrun_agent(prompt)run_agent · jednokratno izvođenjecore/mcp_server.py

    Vanjski MCP domaćin poziva GEODE kao alat.

  5. run_agent · jednokratno izvođenjecore/mcp_server.pybezglava jednokratna petljaAgenticLoop · šest fazacore/agent/loop

    Zasebno izgrađeni bezglavi izvršitelj i petlja koji zaobilaze SharedServices. Zadani popis zabrana vrijedi nepromijenjen, pa su alati kao run_bash, delegate_task i computer uklonjeni; iznimka za computer use u DAEMON-u ovdje ne postoji.

Sve veze iste debljine. Odaberite tijek kako biste istaknuli samo njegov put s numeriranim koracima.

  • Puna crta · smjer kojim teku zahtjevi, poruke i rezultati alata
  • Isprekidana crta · sastav sesije, ovlast ili presuda; nije put podataka
  • Duga crta-točka · zapisi i opažanje; nikad se ne reproducira kao stanje
  • Kratka crtica · odbijanje prije izvođenja, bez učinka
  • Debela crna crta · odabrani tijek; brojevi daju redoslijed
  • Okvir · granica koja posjeduje kod, putanja izvora u zaglavlju
  • Unutarnja pločica · komponenta unutar te granice
  • Isprekidani okvir · izvan procesa izvršnog okruženja
  • Narančasti obrub · mjesto gdje model odlučuje
  • Petlja izvođenja
  • Ovlasti · presude
  • Pohrane zapisa
  • Ulaz · veza · izvođenje

Nacrtane su samo veze čiji su pozivi potvrđeni. Petorazinska fasada ContextAssemblera, TaskGraph i istraživački eksperimenti kao što su Jev, SIL i Crucible nisu na ovom putu izvođenja. Asinkrono otkazivanje ne zaustavlja već započeti sinkroni rad niti poništava učinke koji su se dogodili.

Podržani modeli · po pružatelju

Izbori iz kataloga u kodu i isporučene zadane postavke, a ne popis u kojem je svaki model prošao živi API poziv. Konfigurirani zamjenski lanci prema zadanim su postavkama prazni, a točni ID-ovi nikad se automatski ne nadograđuju na novije verzije.

  • Anthropic

    API

    • GlavniClaude Opus 5.5claude-opus-5-5Zadano
    • PomoćniClaude Sonnet 5claude-sonnet-5Zadano
    • EkonomičniClaude Haiku 4.5claude-haiku-4-5-20251001Zadano
    Prikaži sve ID-ove kataloga (12)

    API

    • claude-fable-5-1
    • claude-opus-5-5zadano
    • claude-opus-5
    • claude-sonnet-5zadano
    • claude-haiku-4-5-20251001zadano
    • claude-fable-5
    • claude-opus-4-8
    • claude-opus-4-7
    • claude-opus-4-6
    • claude-opus-4-5
    • claude-sonnet-4-6
    • claude-sonnet-4-5-20250929

    Kod odbija put preko OAuth pretplate.

  • OpenAI

    API · pretplata na Codex

    • Zadani za API i CodexGPT-6 Solgpt-6-solZadano
    Prikaži sve ID-ove kataloga (11)

    API · pretplata na Codex

    • gpt-6-astra
    • gpt-6-solzadano
    • gpt-6-luna
    • gpt-5.6-sol
    • gpt-5.6-terra
    • gpt-5.6-luna

    Samo API

    • gpt-5.5
    • gpt-5.3-codex
    • gpt-5.4
    • gpt-5.4-mini
    • gpt-5.4-nano

    Dva pristupna puta do jednog pružatelja; katalog određuje koje putove svaki model dopušta.

  • Z.ai / GLM

    PAYG

    • ZadaniGLM-5.3glm-5.3Zadano
    Prikaži sve ID-ove kataloga (9)

    PAYG

    • glm-5.3zadano
    • glm-5.3-flash
    • glm-5.3-flashx
    • glm-5.2
    • glm-5.1
    • glm-5
    • glm-4.7
    • glm-4.7-flashx
    • glm-4.7-flash

    Kod ne dopušta put GLM Coding Plan.

  • OpenRouter

    Usluga usmjeravanja

    • BiračFree (smoke)openrouter/openrouter/freeUsmjerivač
    • BiračAuto (variable)openrouter/openrouter/autoUsmjerivač

    Izbori usmjerivača, a ne jedan fiksni model. Izričito konfigurirani ID-ovi također se mogu zadržati.

  • TypeSafe / Jev

    Samo za odluke · odvojeno od generiranja teksta

    • Izravnojev-1.13.0Samo za odluke
    • Preko OpenRouteratypesafe/jev-1.13Samo za odluke

    Neobavezni adapter koji samo donosi prosudbe; nije korijenski model za generiranje teksta. Zadani mehanizam prosudbe je llm, a Jev treba izričito odabrati. Vlastite konfiguracije istraživanja Jev slijede zapise poglavlja Jev.

IzvorGEODE main 373d420Javni commit October 7, 2026 · provjereno October 8, 2026

Eksperimenti

Modeli i putovi kako su zabilježeni u ono vrijeme, a ne trenutačne zadane postavke ni potpuni popis kompatibilnosti.

  • Izvješće o benchmarku GEODE

    July 31, 2026

    • GEODEGPT-5.6 Solgpt-5.6-solPretplata na OpenAI · high

  • Terminal-Bench 2.1 · uparena specifikacija Harbor 0.22.0

    August 27, 2026

    • GEODE · native CodexGPT-5.6 Solgpt-5.6-solpretplata · max

    Zamrznuta specifikacija; nije svaki planirani pokušaj dao valjan rezultat.

  • Arhivirano izvođenje SIL-a run-2606-broken-tool-use

    • Ciljna skelaGPT-5.5gpt-5.5openai-codex
    • Revizor · sudacClaude Opus 4.8claude-opus-4-8PAYG

    Zapis zasebnih uloga, a ne dviju međusobno zamjenjivih zadanih vrijednosti.