Tura：長時間タスク向けのRustエージェントランタイム

Tura-AI/turaのベンチマーク数値で始まるエージェントランタイム

Turaはオープンソースのエージェントランタイムハーネスです。READMEは、348の長時間ベンチマークセッションでのCodex CLIとの比較から始まり、リライトベンチマークで最大83.1%のターン削減、DeepSWEで最大16.7ポイントの合格率向上を報告しています。プロジェクトはRustで書かれ、mainブランチにあり、AGPL-3.0でライセンスされています。READMEは、ソースからのインストールを主な経路として説明するのではなく、公式サイト、ベンチマークページ、npmパッケージ、ドキュメントインデックスへのリンクを提供しています。

Tura-AI/turaのcommand_runマクロツール

READMEは、典型的なコーディングエージェントが検査、パッチ、ビルド、テストを個別のツール呼び出しで行うのに対し、Turaの単一のマクロツールcommand_runを使用する点を対比しています。エージェントは複数ステップの実行ツリーを構築し、関連するアクションを1回のLLMターンで実行します。READMEは、同じコマンドを5ターンのツール呼び出しシーケンスと、4ステップにわたる6つのコマンドを含む1つのJSONマクロワークフローとして示しています。また、command_run単独でターン数とトークン数の削減を引き起こすという証明は存在しないと明言しつつ、BalancedはCodex CLIより35.8%少ないターンと31.1%少ないトークン、Directは69.1%少ないターンと77.5%少ないトークンを使用したと報告しています。

Tura-AI/turaの目標状態からの後向き推論

TuraのREADMEは、現在の状態から前方に推論するのではなく、目標の直前の状態から後向きに推論する戦略を説明しています。使用される例はじゃんけんで、LLMのテキスト確率に頼るのではなく、外部の乱数生成器を呼び出すようエージェントが導かれます。コーディングタスクでは、エージェントがコードを書く前に失敗状態を再構築し根本原因を特定するとREADMEは述べています。DeepSWE比較では、Tura BalancedはCodex CLIよりも60のバイナリタスク検証器のうち10多く合格し、READMEはDeepSWEの公式mini-swe-agent結果における推論レベルの8%ギャップと対比しています。

Tura-AI/turaのランタイム状態機械としてのコンテキスト

READMEは、スキルはしばしば弱いプロンプトをコンテキストに読み込んだものに過ぎず、長期セッションは古いツール出力とタスク履歴を蓄積し、圧縮ターンで詳細が失われると主張しています。Turaはコンテキストをランタイム状態機械の一部として扱い、task_status、ランタイムプロンプト、再帰的実行マニュアルを使用して、アクティブなコンテキストを現在のタスクに限定します。セッションは名前変更、更新、自動管理が可能で、無関係なコンテキストはCLIから削除、置換、圧縮できます。チェックポイントはコード位置、パッチ、テスト、タスクステータスを保持できます。公開されたセッションでは、Turaは圧縮後平均2.6ラウンドで実行を再開し、Codexは同等の圧縮イベントを公開していないため5.4ラウンドと推定されています。

Tura-AI/turaの公開ベンチマークの対象範囲

READMEのベンチマークセクションは、DeepSWE v1.1とリライトタスクの成果物にリンクしています。20のDeepSWEタスク（各エージェント3回実行）で、Tura BalancedはCodex CLIの63.3%に対し80.0%の検証器成功率を達成し、トークンは31.1%削減、Tura Directは77.5%少ない総トークンで65.0%の成功率でした。リライトベンチマークでは、各10セッションでTura Balanced 389/472、Codex CLI 351/472と引用されています。READMEはまた、別途レビューされた2つの設計タスクを挙げています。そして、これらの結果がすべてのプロバイダーで同等の品質を確立するものではなく、Anthropic/Claude、Google/Gemini、OpenAI互換、ローカルプロバイダー、UIレイテンシ、ランタイム解析、クロスOS測定はロードマップに残っていると明示しています。

Tura-AI/turaのインストールとエントリポイント

2つのインストール経路が文書化されています。npmパッケージtura-aiは、MacとLinuxではnpm install tura-aiとturaコマンドで、Windowsではnpm install -g tura-aiでインストールします。同じパッケージはGitHub Packagesで@tura-ai/turaとして公開されており、スコープ設定とread:packagesトークンが必要です。ソースチェックアウトは、PowerShellではscripts/install.ps1、macOSまたはLinuxではscripts/install.shを使用します。一般的なエントリポイントには、対話型ターミナルUIのtura、直接Rust CLIプロンプトランナーのtura exec、ゲートウェイバックのプロンプトのtura run、シェルサーフェスのtura bash/zsh/shel、ローカルHTTP/SSEゲートウェイのtura_gateway、デスクトップワークスペースクライアントのtura_guiがあります。READMEはこれらの各エントリポイントの動作を1行の説明以上には指定していません。

Tura-AI/turaのライセンスと文書化された証拠のギャップ

TuraはAGPL-3.0でライセンスされています。ライセンスはソフトウェアのコピー、配布、変更の自由を認め、ネットワークサーバーの運用者に変更されたソースコードをユーザーに提供することを要求します。ライセンス本文はセキュリティ態勢、サポート、保証については触れておらず、READMEもそのような主張をしていません。リポジトリには505スター、27フォーク、9つのオープンイシューがあります。READMEは、オープンなアーキテクチャ、プロバイダー、ベンチマーク、パフォーマンス、クロスOS作業のための既知の問題ドキュメントと、0.1.x安定化の優先事項と計画された0.2タスクプランニングワークスペースのためのロードマップを指しています。

編集部の結論

公開されたベンチマーク成果物は限られたDeepSWEとリライトタスクに限定されており、READMEはプロバイダー、OS、UIレイテンシの測定が依然として欠けていると明記しています。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes