Havuz

FailproofAI, farklı AI agent harness’lerindeki çalıştırmaları izleyen ve tehlikeli tool çağrılarını yürütülmeden önce policy ile engelleyebilen bir araçtır.

Neden yükseliyor · 175 günlük bir repo için 5.166 yıldız ve son 28 günde 84 commit ile 8 farklı yazar, hem belirgin ilgiye hem de yakın dönem geliştirme faaliyetine işaret ediyor. Çok sayıda harness için ortak observability ve enforcement sunma iddiası, agent araçlarının çeşitlendiği dönemde dikkat çekici; yıldızlar tek başına benimseme veya kalite kanıtı değil.

The operational superset of Pi Coding Agent — everything Pi, plus observability, governance, recovery, evaluation and multi-agent orchestrat

A Claude Code mod that puts a live agent dashboard in your terminal: context and cost, advisor timeline, every permission check, subagent ca

agentacct, coding agent oturumlarını yerel verilerden toplayıp yapılan işleri, kullanılan araçları, kontrolleri, token tüketimini ve tahmini maliyeti dashboard ile TUI üzerinden gösterir.

Neden yükseliyor · 65 günde 755 yıldıza ve son 28 günde 198 commite ulaşması hızlı ilgi ve aktif geliştirme sinyali veriyor; ancak aynı dönemde yalnızca 2 farklı yazar bulunması katkı tabanının dar olduğunu gösteriyor. Bu ilginin kesin nedenini ölçümlerden çıkarmak mümkün değil.

Local-first flight recorder for coding agents : replay every run as a live session map, score the context bill, and write the fix back into

Track what every AI coding agent costs and see the limit coming. Per-session, per-model cost for Claude Code, Codex, Cursor and 37 more tool

Connect and benchmark finance agent systems in one open-source platform, then trade on them. TradingAgents and AI Hedge Fund today, your own

SandBase Harness, AI agent'ları yerel veya self-hosted ortamda çalıştırmak ve oturum, araç erişimi, bellek ile denetim süreçlerini yönetmek için bir runtime sunuyor.

Neden yükseliyor · 78 günlük yaşına göre 674 yıldız ve son 28 günde 1012 commit dikkat çekiyor; ancak commit'lerin tek yazardan gelmesi bağımsız ilgi ve sürdürülebilirlik kanıtını sınırlıyor. Eldeki ölçümler yıldızların ne hızla arttığını göstermiyor.

agenttrail, AI coding agents’ın yerel etkinliklerini proje değişiklikleri ve görev katkıları olarak görselleştiren bir observability aracıdır.

Neden yükseliyor · 37 günde 710 yıldız, kısa sürede dikkat çektiğini gösteriyor. Son 28 günde 23 commit olması geliştirme etkinliğine işaret etse de farklı yazar sayısının 1 olması ve ürünün experimental preview olarak tanımlanması, bu ilginin olgun benimseme kanıtı sayılmasını engelliyor.

Penelopa.ai, Codex ve Claude Code oturumlarını analiz ederek coding agent iş akışlarını iyileştirmeye yönelik öneriler ve yeniden kullanılabilir çıktılar sunar.

Neden yükseliyor · Agent kullanımının artmasıyla oturumları analiz edip iyileştirme önerilerine dönüştürme fikri güncel bir ihtiyaca hitap ediyor. 24 günde 139 yıldız ve 71 commit ilgi ve yoğun geliştirme gösteriyor; ancak commitlerin tek yazardan gelmesi topluluk desteğine dair kanıtı sınırlıyor. Yükselişin kesin nedeni mevcut verilerden bilinmiyor.

Open-source observability dashboard for OpenClaw daemons — cost analyti cs, live monitor ing, and de bugging tools, all running on your own

Replay your coding agent sessions as a map and a timeline

Read-only observability plugin for Hermes Agent: journeys, crossings, guideposts, and reports.

Build for agents — from the AI Gateway to the entire application stack.

elastic inference for your agentic workloads, on your terms

Local-first observability your agent reads back. TMA1 records every LLM call, then routes what it sees into the agent's next turn via hooks

the agent experience layer · observability + memory for AI coding agents (Claude Code + Codex) · local-first, typed, yours

Observability for AI agents. See what your agent did, why it cost that much, and what to fix.

RL observability for LLM agents: behavior maps, native trainer metrics, rollout investigations, and Python/SQL analysis.

Local-first analysis of Claude Code and Codex sessions: token spend, context windows, files touched, and cost.

The runtime reliability layer for AI agents.

Security-oriented three-axis observability for sandboxed AI agents: model intent, app context, and runtime telemetry into verifiable evidenc

See what your coding agent actually did. A desktop pal and notch for Claude Code, Codex, Cursor, Gemini CLI and any agent: test results read

Assessment-driven, local-first learning agent built on an observable Agent Runtime and eval harness—grounded ingestion, trace replay, HITL a

Grade every agent, scraper and model in a claim's chain — provenance, trust scoring and audit evidence for LLM pipelines

What Claude Code is doing between your prompt and its answer, drawn live from the logs it already writes: every model call, every tool, each

Run reviewable, resumable coding-agent workflows across Claude Code, Codex, Gemini, GitHub Copilot CLI, or any CLI. You define the stages in

Agent observability and guardrails for OpenClaw — risk scoring, audit trails, dashboard.

A Python app that shows how an agent calls tools, saves results, and recalls them after a restart.

The black box for AI agents — record every session, referee every task claim. Live mirroring + atomic coordination in a bucket YOU own. No s

OpenTelemetry tracing for DeepSeek Harness (dsh): turns each agent turn into a GenAI span tree — steps, LLM calls with TTFT, tool executions

Security-First Agentic IDE Coding Harness

Local-first runtime for observable, debuggable AI-agent workflows with slidable autonomy and multi-agent/tool orchestration.

Open-source AI agent testing framework for browser and native desktop apps, with explicit tool effects, evidence, lifecycle, and trace contr

The whole eve stack. On your own machine. Durable Postgres sessions, a Docker sandbox, memory, approvals, schedules, 1,070 tool integrations

Observe AI agent runs and control consequential actions. Signed policies, exact-action approvals, AuthZEN API vetoes and evidence. MCP gatew

FinishUP — local-first structured work evidence, deterministic checks, and honest verification receipts.

tencentcloud-agentobs-sdk-dsh 是一个 DeepSeek Harness (DSH) 可观测插件，直接将 GenAI trace 数据上报到腾讯云日志服务 (CLS)。 它观察 DSH 原生的 session、agent loop、LLM strea

Local-first, auditable memory for AI agents, with governed retrieval, delegated context delivery, and verifiable execution evidence. Works w

A control loop that turns Codex subagents into a continuously refilled engineering team—with isolated workers, independent model review, hea

Give AI agents eyes, ears, and verifiable results. Watch Skill turns video, audio and screen activity into searchable, timestamped evidence

DeepSeek Harness 的执行迷宫——看 Agent 真实怎么干活：迷宫时间轴 · 数据轨道 · 确定性执行分析 · 多会话对比 | The execution maze for DSH agents: maze timeline, per-step data trac

Your agent’s trace says “success” but the answer is wrong. Tracedown finds the step that caused it and replays the run with a fix.