Obsah

PEPAGI

PEPAGI

PEPAGI je open-source multi-agentní orchestrátor napsaný v TypeScriptu. Projekt ho popisuje jako AGI-like orchestration platformu, ale prakticky jde hlavně o řídicí vrstvu, která přijme úkol, rozloží ho na menší části, pošle je vhodným modelům nebo nástrojům a průběžně vyhodnocuje výsledek.

Co to je

Z README vychází, že jádrem systému je centrální Mediator, který funguje jako koordinátor celé úlohy. Nepoužívá se jen jeden LLM, ale kombinace více providerů podle ceny, schopností a obtížnosti problému.

Projekt míří na situace, kde nestačí jednorázový chat nad jedním modelem, ale je potřeba:

rozpad složitější úlohy na více kroků
routing mezi více modely
opakované ověřování výsledků
práce s nástroji a externími integracemi
dlouhodobější běh s pamětí a historií

Podle repozitáře může PEPAGI běžet jako CLI nástroj, daemon pro chatovací platformy nebo MCP server pro další integrace.

Jak funguje architektura

README popisuje PEPAGI jako vícevrstvý systém. Prakticky v něm jde hlavně o tyto části:

Mediator – centrální mozek, který přijme úkol, rozhodne o rozkladu práce a řídí další kroky.
DifficultyRouter – určuje obtížnost úlohy a vybírá nejlevnější model, který má šanci ji zvládnout.
HierarchicalPlanner – rozkládá větší zadání na strategickou, taktickou a operativní úroveň.
AgentPool – vrstva pro různé poskytovatele modelů a jejich kombinování.
WorkerExecutor – spouští jednotlivé pracovní kroky a nástroje.
WorldModel – dopředu simuluje možné výsledky a pomáhá vybírat vhodný postup.
MemorySystem – uchovává historii úloh, znalosti a postupy.
Metacognition – průběžně sleduje jistotu odpovědí, umí vyvolat další ověření a zpětnou reflexi.
SecurityGuard a další obranné vrstvy – filtrují rizikové vstupy, chrání práci s nástroji a hlídají náklady.

Důležité je, že PEPAGI není vlastní foundation model. Je to orchestrace nad cizími modely a nástroji.

Podporované modely a platformy

Podle README a package.json projekt podporuje tyto AI providery a režimy běhu:

Oblast	Podpora	Poznámka
AI provideri	Anthropic Claude, OpenAI GPT, Google Gemini, Ollama, LM Studio	lokální i vzdálené modely
Rozhraní	CLI, Telegram, Discord, WhatsApp, iMessage, MCP	různé vstupní kanály nad stejným orchestrem
Runtime	Node.js 22+	uvedeno v `engines`
Jazyk projektu	TypeScript	hlavní implementace
Licence	MIT	podle repozitáře

README zároveň zmiňuje, že MCP server běží na portu 3099 a lze ho použít pro integraci s externími klienty nebo nástroji.

Paměť, plánování a vyhodnocování

PEPAGI se snaží řešit víc než jen jednorázové volání modelu. README popisuje několik vrstev paměti:

Working memory – zhuštěný kontext aktuální úlohy
Episodic memory – historie dokončených úloh
Semantic memory – extrahovaná fakta
Procedural memory – naučené více-krokové postupy
Meta-memory – sledování spolehlivosti znalostí v čase

Nad tím je postavená metakognitivní vrstva s prvky jako:

sledování confidence
cross-model verification
post-task reflexe
A/B testování strategií
extrakce úspěšných postupů do znovupoužitelných skills
watchdog pro detekci smyček, driftu nebo zbytečně drahého běhu

Z praktického pohledu to znamená, že systém nemá jen „odpovědět“, ale i rozhodnout, jestli výsledku věří, zda je potřeba ověření jiným modelem a co si z daného běhu ponechat pro příště.

Nástroje a integrace

V README je uvedený i vlastní tool layer pro worker agenty. Projekt zmiňuje například:

bash pro shell příkazy
čtení a zápis souborů
stahování webu a web search
browser automation přes Playwright
kalendář
Spotify
YouTube
Home Assistant
počasí
Notion
Docker

To je důležité proto, že PEPAGI nemá být jen chat nad API, ale spíš agentický runtime, který může vykonávat více typů úloh podle povolených nástrojů.

Bezpečnost

Bezpečnostní vrstva je v projektu poměrně výrazná. SECURITY.md uvádí 35 kategorií hrozeb a obranných mechanismů. Mezi prakticky zajímavé body patří hlavně:

ochrana proti prompt injection
prevence úniku credentialů
omezení zneužití nástrojů
izolace session a práce s pamětí
HMAC-SHA256 autentizace mezi agenty
kill switch proti přerůstání nákladů
rate limiting
ochrana proti poisoning útokům v paměti nebo RAG vrstvách
sanitizace výstupů a metadata scrubber

Security dokument také uvádí konkrétní limity a provozní pravidla, například:

omezení hloubky dekompozice na 3 úrovně a 10 subtasků
rate limiting 20 volání za minutu
doporučení držet Ollamu jen na localhost
požadavek na MCP_TOKEN pro MCP server
hodinové adversarial self-testing v daemon režimu

Projekt navíc mapuje bezpečnost vůči OWASP ASI, MITRE ATLAS a NIST AI 600-1. To je potřeba chápat jako tvrzení autorů projektu, ne jako nezávisle ověřenou certifikaci.

Instalace a spuštění

Základní instalace pro Linux a macOS je podle README tato:

git clone https://github.com/Promptlab37/PEPAGI.git
cd pepagi
./install.sh

Ruční instalace:

git clone https://github.com/Promptlab37/PEPAGI.git
cd pepagi
npm install
npm run setup

Základní spuštění v CLI:

npm start

Jednorázový úkol:

npm start -- "summarize the latest news about AI"

Spuštění daemon režimu:

npm run daemon

TUI dashboard:

npm run tui

README uvádí i pomocné skripty pro běh na pozadí, například daemon:bg, daemon:stop a daemon:logs.

Konfigurace

Podle README a .env.example je potřeba nastavit alespoň jednoho AI providera. Konfigurace probíhá přes npm run setup nebo ručně přes .env a ~/.pepagi/config.json.

Typické proměnné prostředí:

ANTHROPIC_API_KEY=...
OPENAI_API_KEY=...
GOOGLE_API_KEY=...
TELEGRAM_BOT_TOKEN=...
TELEGRAM_ALLOWED_USERS=...
DISCORD_BOT_TOKEN=...
PEPAGI_DATA_DIR=~/.pepagi
PEPAGI_MANAGER_MODEL=claude-opus-4-5-20251101
PEPAGI_MAX_TASK_COST=1.0
PEPAGI_MAX_SESSION_COST=10.0
PEPAGI_REQUIRE_APPROVAL=file_delete,git_push,network_external

Pro Claude lze podle README použít i OAuth přes Claude Code CLI místo klasického API klíče:

npm install -g @anthropic-ai/claude-code
claude login

Data a perzistence

README uvádí, že persistentní data se ukládají do ~/.pepagi/. Patří sem hlavně:

config.json – konfigurace
tasks.json – aktivní úlohy
goals.json – plánované cíle
memory/episodes.jsonl – historie dokončených úloh
memory/knowledge.jsonl – naučená fakta
memory/procedures.jsonl – naučené postupy
memory/reflections.jsonl – reflexe po úlohách
logs/ – strukturované logy
audit.jsonl – auditní stopa

Z praktického pohledu je to důležité hlavně kvůli tomu, že jde o dlouhodobější agentní runtime, ne o stateless skript bez historie.

Co je na projektu zajímavé

PEPAGI je zajímavý hlavně tím, že spojuje několik trendů současně:

multi-agentní orchestraci
model routing podle ceny a obtížnosti
dlouhodobější paměť
plánování více kroků dopředu
provoz přes chatovací platformy i CLI
důraz na bezpečnost agentických workflow

Repozitář navíc obsahuje i vrstvu, kterou autoři označují jako consciousness system – tedy phenomenal state, inner monologue a self-model. To je potřeba brát hlavně jako interní architektonický koncept projektu, ne jako důkaz skutečného „vědomí“.

Na co dát pozor

Projekt je ambiciózní a široký – neřeší jen chat, ale routing modelů, paměť, bezpečnost, nástroje, messaging i MCP.
Řada tvrzení je potřeba chápat jako claim maintainera – například AGI-like framing nebo compliance mapování vůči bezpečnostním frameworkům.
Setup není úplně malý – pro plné využití je potřeba řešit API klíče, chat platformy, lokální modely nebo bezpečnostní limity.
České README obsahuje rozdílné clone URL – v README.cs.md jsou v některých příkladech uvedené cesty AiTaskForce/pepagi, zatímco hlavní repozitář je Promptlab37/PEPAGI. Před instalací dává smysl ověřit aktuální doporučenou cestu.