README.ja.md

機能

• 組み込みのセマンティックコード検索 - ローカル CPU のコード埋め込みモデルを実行し、 dense retrieval と BM25 キーワードマッチングを組み合わせることで、grep/find のみに頼るエージェントより コード検索のコンテキストを削減します。
• 任意のモデルプロバイダーを利用可能 - provider/model binding により、OpenAI 互換、 Anthropic 互換、DeepSeek、Qwen、Kimi、GLM、MiniMax、Xiaomi MiMo、 OpenRouter、またはローカルエンドポイントを利用できます。
• MCP サポート - Model Context Protocol サーバーを通じて外部ツールとコンテキストを接続できます。
• Skill サポート - 再利用可能なワークフロー、手順、スクリプト、参照資料を Agent Skills としてパッケージ化できます。
• 長時間タスクのサポート - 複数ターンにまたがる作業でも Devo が自動的にコンテキストを管理し、 タスクが大きくなっても流れを失いにくくします。
• マルチエージェントサポート - 専門エージェントに作業を分割しつつ、セッション内で調整状況を可視化します。
• Plan Mode - 実装を始める前に、大きなタスクを明確な複数ステップの計画へ分解します。
• 並列ツール呼び出し - 独立した複数のツールを並列に実行し、モデルの待ち時間を減らして作業を進めます。
• 権限付きツール実行 - センシティブなツール呼び出しがワークスペースに触れる前にレビューできます。
• 監査可能なセッション - モデル出力、ツール呼び出し、承認、token 使用量、セッション履歴を 確認および再開できる形で保持します。
• コストとコンテキストの可視化 - プロバイダーが提供する場合、入力/出力 token、cached token、 コンテキストウィンドウ使用量を表示します。
• 軽量な Rust ランタイム - Rust で構築され、メモリ使用量が小さく、コンパクトなローカルランタイムを備えます。

検証済みモデル

Devo の組み込みモデルカタログには、Qwen、Kimi、MiniMax、GLM、DeepSeek の検証済みモデル定義が含まれています。 プロバイダーのエンドポイントは provider/model binding で引き続き設定できます。

検証済みプラットフォーム

Devo は macOS、Linux、Windows、Kylin OS で検証済みです。

中国のエンタープライズユーザー向け

中国のエンタープライズ環境では国産 OS が実際のデプロイ要件になることが多いため、Kylin OS の対応状況を明記しています。 HarmonyOS サポートはロードマップ上にあります。HarmonyOS デバイスを持つコントリビューターによる、そのプラットフォーム向けのビルド、テスト、リリースを歓迎します。

スクリーンショット

インストール

Linux / macOS

curl -fsSL https://raw.githubusercontent.com/7df-lab/devo/main/install.sh | sh

Windows

irm 'https://raw.githubusercontent.com/7df-lab/devo/main/install.ps1' | iex

オンラインインストーラーは devo を Devo home ディレクトリに配置し、高速なリポジトリ検索に使う rg sidecar をインストールします。また、code_search が使うローカル Hugging Face モデルを事前インストールできます。

ローカルの code_search モデルを事前インストールするには:

Linux / macOS:

curl -fsSL https://raw.githubusercontent.com/7df-lab/devo/main/install.sh | sh -s -- --install-code-search-model

Windows:

$env:DEVO_INSTALL_CODE_SEARCH_MODEL = "1"; irm 'https://raw.githubusercontent.com/7df-lab/devo/main/install.ps1' | iex

既存のインストールを最新 release にアップグレードするには:

devo upgrade

アップグレードコマンドは同じプラットフォーム用インストーラーを実行し、 インストーラーは Version: v0.1.12 -> v0.1.15 のようにバージョン遷移を表示します。

sh ./install.sh --offline

.\install.ps1 -Offline

クイックスタート

プロバイダーを設定し、リポジトリを開いて TUI を起動します:

cd /path/to/your/repo
devo onboard

便利なコマンド:

devo                         # 現在のリポジトリで対話型 TUI を起動
devo resume <session-id>

設定

devo onboard が推奨されるセットアップ方法です。手動で設定する場合、Devo は次の順序で設定をマージします:

1. 組み込みデフォルト
2. DEVO_HOME/config.toml - ユーザーレベル設定。デフォルトでは macOS/Linux で ~/.devo/config.toml、Windows で C:\Users\yourname\.devo\config.toml
3. <workspace>/.devo/config.toml - プロジェクトレベル設定
4. CLI flags

認証情報は DEVO_HOME/auth.json に分離して保存されます。 config.toml には API key を直接保存せず、credential id を参照させてください。

最小構成:

[defaults]
model_binding = "deepseek-v4-flash-api-deepseek-com"

[providers."api.deepseek.com"]
enabled = true
name = "api.deepseek.com"
base_url = "https://api.deepseek.com"
credential = "api_deepseek_com_api_key"
wire_apis = ["openai_chat_completions"]

[model_bindings.deepseek-v4-flash-api-deepseek-com]
enabled = true
model_slug = "deepseek-v4-flash"
provider = "api.deepseek.com"
model_name = "deepseek-v4-flash"
display_name = "DeepSeek V4 Flash"
invocation_method = "openai_chat_completions"
default_reasoning_effort = "high"

重要な分離は次のとおりです:

• model_slug は models.json から Devo のローカルモデルメタデータを選択します。
• provider は設定済みの接続レコードを選択します。
• model_name はプロバイダーへ送信される、そのプロバイダー固有のモデル文字列です。
• invocation_method はプロバイダープロトコルを選択します。例: openai_chat_completions、 openai_responses、 anthropic_messages。

カスタムモデル

使いたいモデルが組み込みリストにない場合は、models.json に追加してから config.toml でバインドします。

ユーザーレベルのモデルカタログ:

• macOS/Linux: ~/.devo/models.json
• Windows: C:\Users\yourname\.devo\models.json

プロジェクトレベルの上書きは <workspace>/.devo/models.json に配置できます。 models.json の provider は、そのモデルのデフォルト wire API メタデータです。 実際のエンドポイントは引き続き config.toml の provider フィールドで選択されます。

models.json エントリの例:

[
  {
    "slug": "my-coding-model",
    "display_name": "My Coding Model",
    "channel": "Custom",
    "provider": "openai_chat_completions",
    "description": "Custom OpenAI-compatible coding model.",
    "reasoning_capability": "unsupported",
    "context_window": 200000,
    "effective_context_window_percent": 95,
    "max_tokens": 4096,
    "input_modalities": ["text"],
    "base_instructions": "You are Devo, a coding agent. Help the user edit and understand code."
  }
]

次に、その slug を model binding から参照します:

[model_bindings.my-coding-model-example]
enabled = true
model_slug = "my-coding-model"
provider = "my.provider"
model_name = "provider-specific-model-name"
display_name = "My Coding Model"
invocation_method = "openai_chat_completions"

よくある質問

プロジェクトの状態は?

Devo は pre-1.0 で、活発に開発されています。ローカル評価、実験、コントリビューターによる利用には適していますが、 公開 API と設定は今後も変更される可能性があります。

どのモデルがサポートされていますか?

組み込みモデルメタデータは現在、Qwen、Kimi、MiniMax、GLM、DeepSeek ファミリーをカバーしています。 OpenAI 互換 Chat Completions、OpenAI 互換 Responses、または Anthropic Messages API をサポートするモデルエンドポイントであれば、 provider/model binding を通じて接続できます。

コントリビュート

プロジェクトはまだ初期段階であり、コントリビューションを歓迎します:

• client/server runtime、provider layer、safety model、TUI に関するアーキテクチャフィードバック。
• ドキュメントと翻訳。
• Provider、model、wire API の対応範囲。
• 検証コマンドと回帰テストを伴う、焦点を絞った修正。

変更について議論するには issue または pull request を開いてください。

Star 履歴

ライセンス

このプロジェクトは MIT License のもとで公開されています。

Devo が役に立った場合は、star をご検討ください。