1 つのサーバーで 60 のコンテナ
1 台のベアメタルで、数十から数百の Hoody コンテナを動かす。KSM と BTRFS の重複排除で、限界コストはほぼゼロ。
コンテナ·スナップショット
タイプアンロック
ステージ本番環境
難易度シンプル
ジョブサービスを監視
対象AI ビルダー
対象ソロ起業家
サービスパイプ
サービスエージェント
Hoody の利点HTTP ネイティブ
Hoody の利点AI ネイティブ
タイプアンロック
ステージ本番環境
難易度シンプル
ジョブサービスを監視
対象AI ビルダー
対象ソロ起業家
サービスパイプ
サービスエージェント
Hoody の利点HTTP ネイティブ
Hoody の利点AI ネイティブ
タイプアンロック
ステージ本番環境
難易度シンプル
ジョブサービスを監視
対象AI ビルダー
対象ソロ起業家
サービスパイプ
サービスエージェント
Hoody の利点HTTP ネイティブ
Hoody の利点AI ネイティブ
タイプアンロック
ステージ本番環境
難易度シンプル
ジョブサービスを監視
対象AI ビルダー
対象ソロ起業家
サービスパイプ
サービスエージェント
Hoody の利点HTTP ネイティブ
Hoody の利点AI ネイティブ
use-cases / watch-your-agent-think-from-the-coffee-shop / hero
PIPE · トレース · ライブ
カフェからエージェントの思考を眺める
エージェントは自宅のコンテナで動作。あなたは街の反対側にいる。エージェントループが各ステップを Hoody Pipe にパイプ; スマートフォンのタブから同じパスを curl。トレースが文字単位で届く — SSH なし、ダッシュボードなし、アップロードなし。
10:42
agent-pipe.…hoody.com/v1/pipe/trace
ストリーミング中tail · ポーリングなし
# tail of /pipe/trace[think] user wants invoice CSV; check schema first[tool_use] sql.describe("invoices")[result] 14 cols · last_paid_at present[think] group by month, sum total[tool_use] sql.exec("SELECT …")[result] 12 rows · 41 ms[think] format as CSV, write to /out[tool_use] files.write("invoices.csv")
use-cases / watch-your-agent-think-from-the-coffee-shop / mechanism
各ステップをパイプアウト、curl でパイプイン
エージェントのループはすでに構造化されたイベント — think、tool_use、result — を発行している。それらを PUT でパスにパイプ。スマートフォンから、同じパスを GET。パイプはバイトを保存しない; 読み手にそのまま流す。
agent.loop · 自宅コンテナ
PUT/api/v1/pipe/trace
# inside the agent loop$ echo "$step" | curl -T - \ https://agent-pipe.…hoody.com/api/v1/pipe/trace[INFO] Streaming to 1 receiver(s)...バッファなし · エージェント自身でバックプレッシャーtermux · カフェのテーブル
GET/api/v1/pipe/trace
# read from the same path$ curl -N \ https://agent-pipe.…hoody.com/api/v1/pipe/trace[think] check schema first…スマートフォンタブ起動中 · トレースは届くと印刷される2 つの HTTP コネクション、1 つのパス。パイプは送信側が到着するまで受信側のコネクションを保持する — エージェントが起動する前にスマートフォンを開いておくこともできるし、実行中に参加することもできる。Hoody Pipe はその間のワイヤーであり、決してデータベースではない。
use-cases / watch-your-agent-think-from-the-coffee-shop / anatomy
読めるトレースの解剖
エージェントは 4 種類の行を発行する。それぞれがダッシュボードでは得られないことを伝える: 何が起こったかだけでなく、起こったときにエージェントが何を考えていたか。
01 · 青
[think] — 推論ステップ
モデルの計画を、自分の言葉で。なぜこのツールを選んだのか、何を期待しているのか、どこで分岐する可能性があるか。これらを読むことは、エージェントの心をリアルタイムで読むこと。
[think] user wants invoice CSV…02 · ニュートラル
[tool_use] — 呼び出し
エージェントが呼び出すと決めた正確な関数と引数。1 つの呼び出しにつき 1 行、ループが発火した順序で。SDK の抽象化なし; ワイヤーレベルのリクエストそのもの。
[tool_use] sql.describe("invoices")03 · 緑
[result] — 返ってきたもの
ツールのレスポンスを、行に要約。行数、ファイルサイズ、ステータスコード、エラーメッセージ。次の [think] 行が推論する対象。
[result] 12 rows · 41 ms04 · ライブ
ポーリングではなくストリーミング
エージェントが発行するごとに各行が届く。5 秒ごとの更新なし、「2 分前に更新」なし。カーソルが点滅しているとき、エージェントは思考の合間にいる。リフレッシュではなく tail している。
[tool_use] files.write("invoices.csv")use-cases / watch-your-agent-think-from-the-coffee-shop / punchline
エージェントは 40 分間動いた。あなたは本のように読んだ。
40 分の推論、ツール呼び出し、結果 — 1 つの連続した、色分けされたテキストストリームとしてレンダリング。エンドポイントをポーリングしているのではない。ダッシュボードをリロードしているのではない。カフェからエージェントの心を tail している。
トレース · ライブ TAIL00:00 → 40:12
- 00:00[think]推論ステップ
- 00:14[tool_use]ツール呼び出し
- 00:31[result]返ってきたレスポンス
- 06:02[think]推論ステップ
- 12:48[tool_use]ツール呼び出し
- 23:11[result]返ってきたレスポンス
- 31:55[think]推論ステップ
- 40:12[result]返ってきたレスポンス
- ダッシュボードなし
- ポーリングなし
- アップロードなし
- ただの curl
use-cases / watch-your-agent-think-from-the-coffee-shop / replaces
これが置き換えるもの
エージェントを観察することは、これまで SaaS、ダッシュボード、または独自の WebSocket アプリを意味してきた。「ただ curl したらどうなる?」という質問の前にはどれも生き残れない。
- AgentOps / LangSmith ダッシュボード自分のログを読むための SaaS レイヤー
- エージェントトレース用の Datadog APMサービス向けに作られ、ループには不器用
- エージェントロギング SaaSあなたの推論ステップが他人のデータベースの中
- 自分自身との画面共有カフェから自宅へ VNC · バッテリー殺し
- 5 秒ごとに /status をポーリングあなたが発明したレイテンシ · あなたが支払うコスト
- カスタム WebSocket ダッシュボード永遠にメンテする週末プロジェクト
use-cases / watch-your-agent-think-from-the-coffee-shop / cta
ループをパイプ、パスを curl。エージェントの思考は、読める tail になる。
use-cases / watch-your-agent-think-from-the-coffee-shop / related