FollowAgents AI AGENTS 目录
首页 / 全部 Agents / Tares
自动化与运维 mcpai-sreincident-responseobservabilitymulti-agentduckdbsoftware-factory

Tares

为常驻型 AI Agent 提供工作台：把系统事件汇成时间线，按事件唤醒 Agent，并留存在结论与决策。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
glassflow/tares
Star 数
★ 44
最近更新
今天
License
MIT
主语言
Python
FA 评分
43/100 · 缺口较多

30 秒速览

可在哪里用
通用 · 跨平台Codex · Claude Code · OpenAI API · Claude API
开始前需要
uvClaude Code（已登录，且套餐支持后台会话）GitHub CLI（gh）及仓库写权限DuckDBShell / 命令行网络访问本地文件系统MCP Server
典型场景
SRE 团队：告警触发时，让 Agent 读取该服务的完整历史并在任何人打开仪表盘之前写下诊断。
主要局限
软件工厂依赖 Claude Code（需登录且套餐支持后台会话）和具备写权限的 gh，存在运行时依赖。
源码审查
43/100 · 缺口较多

这个 Agent 能做什么，适合哪些场景？

Tares 是 Glassflow 开源的常驻型 AI Agent 平台，核心是一个守护进程加一个 DuckDB 文件，本地或服务器上即可运行，不依赖外部数据库、消息代理，也不收集遥测。它把日志、指标、告警、部署、提交、数据库行、Webhook 等来源的事件，按服务、仓库、客户或任务合并成一条按时间排序的时间线；触发器在关键时刻唤醒 Agent，Agent 通过 MCP 或 Webhook 读取这条时间线，并把诊断、计划、工单、评审和你的回答写回。另一条路径是“软件工厂”：一组 Claude Code 会话在本机并行工作，编排器分发工单，构建者开 PR，评审者按固定标准把关，CI 通过后合并。它支持 Claude Code、Cursor、Codex 以及自建 Agent 通过 MCP 接入，也可为 Tares 自家 Agent 配置任意模型提供商。托管版 Tares Cloud 提供已就绪的 MCP 端点。

运行 tares up 会启动守护进程和控制台（默认 http://127.0.0.1:8787）；再以 tares mcp --transport streamable-http 暴露 :8788/mcp 的 MCP 端点。在控制台的 Sources → Add source 接入 Prometheus、OTLP、GitHub、Vercel、Postgres、Webhook、Claude Code 会话等连接器，事件按“对象”写入时间线。触发器在事件到达时唤醒 Agent（通过 MCP、Webhook，或在进程内运行 Tares Agent），Agent 一次读取即可获得跨来源的关联历史，并把结论写回时间线。软件工厂侧，tares factory crew up 启动一组 Claude Code 会话，tares factory spec "..." 在仓库内生成规格、带验收标准的里程碑和逐工单工作文档，编排器分发工单，构建者为每个里程碑和仓库开 PR，评审者按固定标准审核，通过且 CI 为绿后由构建者合并；tares factory crew attach orchestrator 用于回答团队的决策问题。

  1. SRE 团队：告警触发时，让 Agent 读取该服务的完整历史并在任何人打开仪表盘之前写下诊断。
  2. 平台团队：当代码或配置变更影响团队上下文时，Agent 自动向共享上下文仓库提交 PR。
  3. 需要监控失败作业、沙箱运行或语音通话等任意失败模式的团队：为每个对象配置时间线、触发器和结论。
  4. 多项目并行的研发组织：用一组 Claude Code 会话把规格推进到已合并的 PR，并保留每张工单的评审与决策记录。
  5. 已在用 Claude Code / Cursor / Codex 的开发者：通过 MCP 让现有 Agent 一次性读取跨来源的关联历史，而不是多次工具调用。

如何安装或部署这个 Agent？

使用 uv 或 Homebrew 安装：

uv tool install tares

或：

brew install glassflow/tap/tares

软件工厂需要已登录且套餐支持后台会话的 Claude Code，以及具备仓库写权限的 gh。

如何使用这个 Agent？

启动守护进程和控制台：

tares up

另开终端启动 MCP 端点：

tares mcp --transport streamable-http

将 Claude Code 接入 MCP：

claude mcp add --transport http tares http://localhost:8788/mcp

随后可询问：*"Use tares: what happened to api-server in the last 15 minutes?"*。软件工厂流程：

tares factory crew up
tares factory spec "what you want to build"
tares factory crew attach orchestrator

控制台的 Sources → Add source 用于添加事件来源。

这个 Agent 有哪些优点和局限？

优点
  • 一次读取即可拿到跨来源的关联历史，减少 Agent 的多次工具调用。
  • 以事件而非提示驱动：触发器通过 MCP、Webhook 或进程内运行唤醒 Agent。
  • 结论、计划、工单、评审和决策持久保存在 Tares，会话结束后仍可供下一个读者使用。
  • 部署边界简单：MIT 许可，一个守护进程加一个 DuckDB 文件，无外部数据库、消息代理和遥测。
  • Agent 侧不锁定：Claude Code、Cursor、Codex 或自建循环均可通过 MCP 接入。
局限
  • 软件工厂依赖 Claude Code（需登录且套餐支持后台会话）和具备写权限的 gh，存在运行时依赖。
  • 需要自行运行守护进程与 MCP 端点，托管版 Tares Cloud 为付费替代。
  • 主要文档与界面为英文，中文使用者需自行适应。
  • 项目较新，生态与连接器覆盖面仍在演进，缺乏长期稳定性证据。

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Tares 当前 43 · 缺口较多 — ★ 44 今天 Python Codex · Claude Code · OpenAI API · Claude API
HolmesGPT SRE Agent 57 · 缺口较多 命令行工具免费 + 模型费 ★ 3.8k 1 天前 Python OpenAI API
Preloop 84 · 表现良好 — ★ 88 1 天前 Python Codex · Claude Code
KAOS — K8s Agent 编排系统 69 · 存在缺口 命令行工具免费 ★ 282 6 天前 Python OpenAI API

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
缺口较多
43/ 100 五分制 2.2 / 5
本评测基于 2026年10月30日 的源码；此后该项目发布了 2 个正式版本，尚未复审。分数与结论只代表评测时的版本。 最近版本 ↓
信任安全 11/29
可靠稳定 9/14
适用触发 8/18
规范维护 8/18
有效结果 4/13
证据核验 3/8
查看各维度的扣分理由
信任安全11 / 29 · 1.9/5

SECURITY.md 明确默认绑定 127.0.0.1 且无认证，暴露网络需 --auth/TLS，并建议按生产者/代理发放 scoped key，这是加分项；但仓库本身授予代理对仓库的写权限、自动合并 PR、可重启 staging 数据库等广泛能力，最小权限仅靠 autoMode 规则与软拒绝约束，证据偏薄，故 least_privilege 记 1。用户确认方面，crew up 首次运行逐项询问设置、L3 需 relayed yes、生产需人工，故记 2；但自动合并与后台常驻代理的确认边界在 README 中未完整说明。数据流透明：README 称无遥测、单 DuckDB 文件，但 pyproject 引入 opentelemetry 导出与 Rius/Langfuse 追踪，流向细节未在仓库内说明，记 1。敏感数据处理：SECURITY.md 有密钥/认证建议，但仓库内未见数据保留、脱敏或日志中敏感信息的处理说明，记 1。依赖安全：依赖均为常见库且 CI 有 gitleaks 扫描，但无依赖锁定/审计（无 lockfile、无 dependabot/audit 步骤），记 1。外部效应：代理会开 PR、合并、重启服务，属高外部效应，仅靠软拒绝与 CI 门槛，记 1。回滚：有 crew halt/resume、retire/revive、restart，但无对已合并变更或已执行外部动作的回滚机制说明，记 1。来源归属：MIT 与作者 GlassFlow 明确，但发布者身份未经 FollowAgents 验证，且 SECURITY.md 中联系邮箱域名（glassflow.dev）与项目域名不一致，归属证据偏弱，记 1。

可靠稳定9 / 14 · 3.2/5

CI 列出大量后端与 factory bash 测试，覆盖 crew、watch、锁竞争、不可读会话列表等失败路径，自洽性证据较好，记 2。依赖可用性：依赖均为 PyPI 常见包并注明版本下限，可选依赖分离合理，记 2；但无锁文件，复现性略弱。失败信息：测试断言大量明确错误文案（如 no Tares answers、could not read、another factory command），README 与 SECURITY.md 也给出清晰指引，记 2。

适用触发8 / 18 · 2.2/5

受众与场景：README 清晰区分 AI SRE 与软件工厂两类场景并给出 quickstart，记 2。能力边界：文档强调需 Claude Code 计划与 gh 写权限，但对代理自主范围（自动合并、生产操作）的硬边界描述不足，记 1。触发精度：触发器/事件时间线概念有描述，但仓库内无触发匹配规则或去重/抑制的细节证据，记 1。环境适配：支持本地、Docker、服务器与 Cloud，但依赖 Claude Code 与 gh 的特定环境，跨环境适配证据有限，记 1。

规范维护8 / 18 · 2.2/5

信息架构：README 结构清晰，含 quickstart、场景、链接表，记 2。安装说明：uv/brew 安装、tares up、MCP 注册命令具体，记 2。命名稳定性：SECURITY.md 使用 navflow up/NAVFLOW_AUTH_TOKEN，与产品名 tares/TARES_* 不一致，存在命名漂移，记 1。示例与 FAQ：有示例命令与场景，但无 FAQ，记 1。已知限制：仅零散提及需 Claude Code 计划、无认证默认，无集中限制章节，记 1。许可证：MIT 全文与 pyproject 一致，记 2。版本与变更日志：pyproject 有版本号，但仓库内无 CHANGELOG，记 1。维护责任：有 SECURITY.md 联系人与 GitHub issues，但发布者未验证、无治理/维护者说明，记 1。

有效结果4 / 13 · 1.5/5

输出可用性：README 展示可运行命令与预期结果，但实际产出（PR、诊断）质量无法静态验证，记 1。边际价值：提供事件时间线与多代理编排，确有差异化，但同类代理编排工具众多，价值主张部分依赖外部文档，记 1。成本效益：需常驻守护进程、Claude Code 计划与 gh 权限，成本较高而收益证据多为宣称，记 1。

证据核验3 / 8 · 1.9/5

声明可追溯性：README 大量声明链接到外部文档，但仓库内无对应实现细节佐证，记 1。交叉印证：CI 测试名与 README 功能（factory、crew、SRE）大体对应，属部分印证，记 1。事实与推断分离：README 多为营销式断言，未标注哪些经测试验证，记 1。

风险与缓解建议
  • SECURITY.md 使用 navflow/NAVFLOW_AUTH_TOKEN 命名，与产品 tares/TARES_* 不一致，部署时可能误配认证。
  • 默认无认证且绑定 127.0.0.1，一旦暴露网络而未启用 --auth/TLS，API、控制台与摄取均无保护。
  • 代理具备仓库写权限、自动合并 PR 与重启服务能力，最小权限仅靠 autoMode 软拒绝约束，需人工复核授权范围。
  • README 宣称无遥测，但依赖包含 OpenTelemetry 导出与 Rius/Langfuse 追踪，数据流向需自行核实。
  • 无依赖锁文件与依赖审计步骤，供应链可复现性有限。
  • 发布者身份未经 FollowAgents 验证，SECURITY.md 联系邮箱域名与项目域名不一致，归属需谨慎。
证据充分度：低 评估于 2026年10月30日 审查版本 8914dd41e3e2 评估后仓库已有新提交，评分可能未覆盖最新改动
评估证据 README.mdLICENSESECURITY.mdpyproject.tomlworkflows/ci.ymlworkflows/demo-image.ymltests/_env.pyfactory/claude_update_test.shfactory/crew_test.sh
查看完整评分方法 →

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. v1.56.0-rc.4 预发布
    发布说明摘录
    What's Changed * TR-759 One file for the CI test list by @ashish-bagri in https://github.com/glassflow/tares/pull/312 * TR-724: the cell's edition, settled on first boot by @ashish-bagri in https://github.com/glassflow/tares/pull/316 * TR-727: builder mocks a screen first, reviewer checks the design by @ashish-bagri in https://github.com/glassflow/tares/pull/314 * TR-731: ready_to_close on project cards and the summary by @ashish-bagri in https://github.com/glassflow/tares/pull/317 …
    在 GitHub 查看 ↗
  2. v1.55.1
    发布说明摘录
    What's Changed * CI: shard the tests, cancel superseded runs by @ashish-bagri in https://github.com/glassflow/tares/pull/369 * Tares 1.55.1: ship a long session's backlog in chunks (TR-809) by @ashish-bagri in https://github.com/glassflow/tares/pull/367 Full Changelog: https://github.com/glassflow/tares/compare/v1.55.0...v1.55.1
    在 GitHub 查看 ↗
  3. v1.55.0
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审，横向比较这个 Agent 所属的短名单。

Claude Code Agent 横向对比

完整兼容 Claude Code 的 agent，按 FARS 评审排序——兼容性取自各 agent 自己的 AGENTS.md 与文档，不做推测。

MCP Agent 横向对比

提供或调用 Model Context Protocol 服务的 agent，按 FARS 评审排序，并列出许可证、维护状态与信任分。

相关 Agents

自动化与运维

HolmesGPT SRE Agent

面向生产事故调查与根因定位的云原生 SRE 智能体。
自动化与运维

Preloop

开源自托管的 AI 代理控制平面与软件工厂：治理每一次工具调用和模型调用，并用统一的策略、预算与会话时间线驱动代理工作。
自动化与运维

KAOS — K8s Agent 编排系统

在 Kubernetes 上以原生 CRD 的方式部署、管理和编排大规模分布式多 Agent 系统，每个 Agent 自动暴露 OpenAI 兼容接口。
自动化与运维

MUXI AI 应用服务器

用可部署的 Agent 编排、记忆与运维基础设施，把 AI 系统投入生产。