概要
Hiveの新アーキテクチャは、BeeKeeper-Queen-Worker協調による分散エージェントシステムです。プロトコル定義システムを基盤として、自然言語指示による自律的なタスク実行を実現します。
🎯 設計思想
役割分担の明確化
Human (BeeKeeper) ←→ AI Queen ←→ AI Worker群
↓ ↓ ↓
自然言語指示 戦略策定 専門実行
成果物受取 結果統合 並列処理
従来システムとの違い
| 従来システム | 新アーキテクチャ | |-------------|-----------------| | Human → AI Tool | Human → AI Team | | 人間が管理者 | 人間が依頼者 | | 逐次処理 | 並列分散処理 | | 技術的指示 | 自然言語指示 |
🏛️ システム構成
1. プロトコル定義システム
protocols/
├── message_protocol.py # 統一メッセージ形式
├── protocol_validator.py # メッセージ検証
└── message_router_integration.py # 既存システム統合
機能:
- 統一メッセージ形式（MessageProtocol）
- 厳密なバリデーション（ProtocolValidator）
- バージョン管理・互換性チェック
- レガシーシステム統合
2. 分散エージェント基盤
hive/agents_distributed/
├── distributed.py # 分散エージェント管理
├── tmux_manager.py # tmux統合
└── claude_daemon.py # 永続デーモン
機能:
- tmux統合による分散実行環境
- Claude永続デーモンによる長時間実行
- セッション管理・自動復旧
- Worker-paneマッピング
3. Issue解決エージェント
examples/poc/
├── issue_solver_agent.py # メインエージェント
├── demo_issue_solver.py # デモ実行
└── README_issue_solver.md # ドキュメント
機能:
- 自然言語プロンプト解析
- GitHub Issue自動分析
- 優先度・複雑度判定
- 解決戦略策定・実行
🔄 メッセージフロー
1. プロトコルメッセージ
# BeeKeeper → Queen
beekeeper_request = protocol.create_message(
message_type=MessageType.REQUEST,
sender_id="beekeeper",
receiver_id="queen",
content={
"instruction": "Issue 64を解決してください",
"priority": "high"
}
)
# Queen → Workers (分散)
task_assignments = [
protocol.create_task_assignment(
sender_id="queen",
receiver_id="worker-developer",
task_type="implementation",
task_data={"issue_id": 64}
),
protocol.create_task_assignment(
sender_id="queen",
receiver_id="worker-tester",
task_type="testing",
task_data={"issue_id": 64}
)
]
2. 分散処理フロー
1. BeeKeeper指示 → Queen受信
2. Queen戦略策定 → タスク分散
3. Worker並列実行 → 進捗報告
4. Queen結果統合 → 品質チェック
5. 最終成果物 → BeeKeeper受取
🐝 エージェント設計
BeeKeeper (Human)
- 役割: 自然言語による指示・成果物受け取り
- インターフェース: CLI、自然言語プロンプト
- 責任範囲: 要求明確化、最終確認
Queen (AI Coordinator)
- 役割: 戦略策定・タスク分散・結果統合
- 機能:
- 自然言語プロンプト解析
- 複雑度・優先度判定
- Worker選択・タスク分散
- 進捗監視・結果統合
- 通信: プロトコルメッセージ
Worker群 (AI Specialists)
- 役割: 専門的な並列実行
- 種類:
- Developer Worker: 実装・開発
- Tester Worker: テスト・品質保証
- Analyzer Worker: 分析・調査
- Documenter Worker: ドキュメント作成
- 通信: プロトコルメッセージ
🔧 技術基盤
tmux統合
# セッション構成例
┌─────────────────┬─────────────────┐
│ BeeKeeper │ Queen │
│ (Human) │ (Coordinator) │
├─────────────────┼─────────────────┤
│ Worker-1 │ Worker-2 │
│ (Developer) │ (Analyzer) │
├─────────────────┼─────────────────┤
│ Worker-3 │ Worker-4 │
│ (Tester) │ (Documenter) │
└─────────────────┴─────────────────┘
Claude永続デーモン
- 長時間実行: 複雑なタスクの継続処理
- 自動復旧: 障害発生時の自動回復
- 状態管理: 進捗・状態の永続化
- 監視機能: ヘルスチェック・アラート
プロトコル統合
- メッセージ標準化: 全エージェント間統一形式
- バージョン管理: 互換性保証
- バリデーション: 厳密な検証
- ルーティング: 適切な配信
🚀 実装例
自然言語Issue解決
# 自然言語プロンプト
user_input = "Issue 64を解決してください"
# BeeKeeper → Queen
beekeeper = IssueSolverBeeKeeper()
result = await beekeeper.process_user_request(user_input)
# 期待される実行フロー
# 1. 自然言語解析
# 2. Issue詳細分析
# 3. 解決戦略策定
# 4. Worker分散実行
# 5. 結果統合・品質チェック
# 6. PR作成・成果物提供
分散エージェント管理
# tmux管理システム
tmux_manager = TmuxManager()
await tmux_manager.start_agent_session("queen-coordinator", "queen")
await tmux_manager.start_agent_session("worker-developer", "developer")
# Claude永続デーモン
daemon = ClaudeDaemon("issue-solver")
await daemon.start_daemon()
health = await daemon.health_check()
📊 品質保証
テスト体制
- プロトコルテスト: 79テスト実行
- 統合テスト: エージェント間通信検証
- 品質チェック: make quality実行
- 型チェック: mypy静的解析
監視・運用
- リアルタイム監視: 進捗・状態把握
- 自動復旧: 障害時の自動回復
- ログ管理: 作業履歴・学習基盤
- メトリクス: 性能・効率測定
🔮 拡張性
水平スケーリング
- Worker数の動的増減
- 負荷分散・リソース最適化
- 専門性に応じた動的配布
垂直スケーリング
- 複雑なタスクの分解
- 深い専門性の実現
- 学習・改善の継続
この新アーキテクチャにより、人間は管理者ではなく依頼者として、本来の創造的な仕事に集中できるようになります。