エッジに常駐する
四層エージェント構成
Discord の会話、iPhone の OwnTracks、Gmail、RSS、そして自身のソースコード修正までを、 Cloudflare Workers 群と 4 つのモデルで役割分担させた常駐アシスタントの実装記録。
- 4
- 責務分離された Workers
- 4
- 段階別の Workers AI モデル
- 4
- 分離された会話スコープ
- 1m
- 常駐監視 Cron 周期
全体トポロジー
各ノードを選択すると、通信経路と権限境界の詳細を確認できる。
4 つの Workers 構成
単一の巨大 Worker に詰め込まず、権限境界・ストレージ・コンテナ実行要件で 4 つに分割している。
| Worker | 基盤・バインディング | 接続方法 | 責務 |
|---|---|---|---|
| Agent Core hiro-agent |
Durable Objects (SQLite) × 2、Flue、D1、Cron (* * * * *)、Browser Run、Artifacts、Workers AI
|
Discord Gateway WebSocket / REST、周辺 3 Worker へ Service Binding | 常駐会話・記憶・リマインダー・家族 ToDo ボード・Gmail 監視・RSS 配信・定期ジョブ・位置声かけの司令塔。 |
| Location MCP location-mcp | Workers、D1 (位置点・ジオフェンス・登録地点)、KV (OAuth)、Rate Limiting |
iPhone OwnTracks から HTTP POST (Basic Auth) / Agent Core から Service Binding (/mcp, /api/presence)
|
OwnTracks の位置・出入り受信、過去タイムライン統合、6 段階の移動モード推定、iPhone への Region リモート同期。 |
| Metasearch rustxng |
Cloudflare Containers (basic, max_instances: 1)、Durable Object
|
Agent Core から Service Binding RPC (search())
|
RustXNG を 1 インスタンス共有で稼働させ、キャッシュを効かせながら researcher サブエージェントの第 1 検索バックエンドを担う。
|
| Coding Runner hiro-dev | Cloudflare Sandbox (Containers: Node 26 + OpenCode)、独立 D1、Dedicated AI Gateway |
Agent Core から Service Binding RPC (HiroDev Entrypoint)
|
!dev 依頼を隔離コンテナで実装・検証し、外向き通信と認証情報を制御した上で GitHub Draft PR のみを作成する。
|
同じアカウント配下の Worker 間は workers.dev への直接 fetch を避け、すべて Service Binding 経由で呼び出している。また、hiro-dev 側は専用の D1 と専用 AI Gateway を持ち、hiro-agent からジョブ台帳や GitHub 認証へ直接触れない設計。
4 モデルの段階的ルーティング
すべての推論は専用 AI Gateway 経由の Workers AI で実行し、発言の性質に応じてコストと推論強度を自動配分する。
-
1.0 — Gate & Triage@cf/cloudflare/clef (27B)
宛先判定・難易度採点・メールトリアージ
家族チャンネルのメンションなし発言をエージェントへ渡す前に、Clef で「広宛てか (
for_hiro)」を確率判定する。家族同士の雑談はここで遮断され、会話履歴を汚さない。同時に回答に必要な推論負荷を0..3で採点する。軽量版のclef-flash(9B) は宛先誤判定が多かったため 27B を採用。Gmail 監視の重要度・12 カテゴリ分類・フィッシング判定も Clef が担う。gate: p >= 0.5 deep turn: score >= 1.9 mail notify: p >= 0.6 -
2.0 — Default Turn@cf/zai-org/glm-5.3-flash
日常会話・定型処理・Web 調査・会話圧縮
普段の対話、リマインダーや ToDo 操作、メール要約、
researcherサブエージェント、そして長くなった会話履歴の要約圧縮 (compaction) を担う主力モデル。1.31M トークンのコンテキスト枠を持つが、1 通ごとの入力トークン膨張を抑えるため約 96k トークン (メール専用スコープは 48k) で自動 compaction を発火させ、直近 24k (メールは 12k) を残す。thinking: low ctx: 1,310,720 compact at: 96k / 48k -
3.0 — Dynamic Escalation@cf/zai-org/glm-5.3
1 ターン自動昇格 & 自己改修コーディング
Clef の難易度スコアが
1.9以上 (計画立案、比較検討、設計相談、コードレビューなど) と判定された発言は、手動でモードを切り替えることなくそのターンだけ GLM-5.3 へ自動昇格し、翌ターンで Flash へ戻る。定期ジョブのmodel: deep指定や明示的な固定切替にも対応。さらにhiro-devSandbox 内の OpenCode 推論モデルとしても同じモデルを使用している。thinking: high ctx: 1,310,720 trigger: auto >= 1.9 / manual / hiro-dev -
4.0 — Heavy Delegation@cf/deepseek-ai/deepseek-v4-pro-0813
深い推論を委譲する deep-thinker サブエージェント
多条件の戦略検討や長文の構造分析など、親エージェント単体より深い思考が必要な場面だけ
deep-thinkerサブエージェントにタスクを委譲する。サブエージェントは親の Durable Object 内で起動し、雑談や単純質問には使わないよう定義されている。thinking: high ctx: 1,048,576 scope: Owner & Household
OwnTracks と位置情報パイプライン
iPhone からの位置送信、ジオフェンスの双方向同期、移動推定、そして LLM を無駄に呼ばない 5 分監視の仕組み。
-
HTTP モード受信とタイムライン統合
iPhone の OwnTracks アプリ (HTTP モード / Significant) から届く
location・transition・waypointイベントを Basic 認証と Rate Limit で保護されたエンドポイントで受信し、D1 へ蓄積する。過去の移動タイムライン履歴と同じ DB 上で統合されているため、「今どこ」「前にこの辺りへ来た日」を 1 つの MCP インターフェースで横断検索できる。 -
HTTP レスポンスに乗せる Region 双方向同期
Discord 上で「ここを自宅・職場・スーパーとして登録して」と頼むと
save_placeがサーバー側に Region を予約する。OwnTracks HTTP モードは POST 応答の JSON 配列をコマンドとして解釈するため、次回 iPhone から位置が届いた瞬間にcmd=setWaypointsを返してジオフェンスをリモート登録 (iOS 上限 20 件、半径 100 m 以上)。続けてcmd=waypointsで一覧照合して反映を確認する。認証情報を含むdump/configurationは読まずに破棄する。 -
ルール駆動の 5 分監視と移動モード推定
OwnTracks の瞬時速度
velは実測で点全体の約 1 割しか埋まらないため、直近 12 分・精度 150 m 以下の点から「vel中央値」と「経路距離 ÷ 時間」の両方を計算し大きい方で移動モードを推定する。Agent Core は 5 分おきに/api/presenceを読み、毎回 LLM を呼ばず純粋なルールだけで「Region 出入り (15 分の揺れ除去)」「50 km 以上の遠出」「未登録地での 15 分以上の滞在」「一定時間続く移動」を判定。発火時だけ会話へ signal を送る。 -
スコープ別 MCP 権限と粒度の制御
位置 MCP は最も機微なデータとして扱い、オーナー DM には全 11 ツール、合意済みの位置専用チャンネルには履歴削除や日次経路を除いた 7 ツールのみを付与。他の家族チャンネルには接続自体を行わない。また、同じ場所での連続通知を防ぐ D1 記録は約 1 km 四方のセルに丸め、会話本文でも緯度経度や番地を避け駅名・エリア粒度で話すルールを組み込んでいる。
境界設計・記憶・自律機能・自己改修
常駐エージェントを安全に日常運用するための 4 つのサブシステム。
4 種類の独立会話レーン
Flue の会話 ID を owner (オーナー DM)、household-<channel> (家族サーバーの各チャンネル)、member-<user> (家族メンバー個別 DM)、mail-<channel> (メール専用) の 4 種に厳密分離。未知の ID は即座にエラーとし、決してオーナー権限へフォールバックさせない。家族チャンネルは最大 4 レーン並列で実行され、1 チャンネルの長い調査が他を止めない。
ツールとログの隔離
Web アクセスは researcher サブエージェントのみに限定し、記憶・ToDo・メールのツールを一切渡さない。メール専用スコープでは Web・サブエージェント・記憶を外して外部への持ち出し経路を断つ。家族個別 DM では専用のログマーカーを外した privateResearcher を使い、AI Gateway のペイロードログ制御と記憶のプライバシー境界を両立させている。
scope | memory | web / subagents | location MCP | source / dev
-----------|-------------|------------------------|--------------|-------------
owner | owner | researcher + thinker | 11 tools | read + !dev
household | household | researcher + thinker | 7 (ch only) | owner cmd
member DM | member + ro | privateResearcher only | none | none
mail place | none | none (Gmail tools only)| none | none
毎ターン注入される記憶と教訓 (lessons)
D1 に長期記憶、個人のやりたいこと、リマインダー、家族共有 ToDo (チャンネルごとのピン留めボードを RPC で直列更新)、曜日・時刻指定の定期ジョブを保持する。さらに、エージェント自身の失敗から抽出した行動ルール lessons を毎ターン先頭に注入し、同じミスを繰り返さない仕組みを持つ。
外部入力からのルール汚染防止
lessons は毎ターン高優先で読まれるため、プロンプトインジェクションの標的になり得る。そこで、定期ジョブ・ニュース・リマインダーなど外部コンテンツを含み得る signal ターンでは lesson_add / lesson_update ツールを自動的に外し、人間からの直接発言時だけルール作成・更新を許可している。
D1 tables (hiro-agent)
wishes · memories (owner / household / member) · lessons (active / retired)
reminders · todos · todo_boards · jobs (cron signal) · usage_daily (JST cap)
mail_places · mail_accounts · mail_seen · mail_rules · mail_proposals · mail_actions
news_feeds · news_items · news_feedback · location_config · location_pings
5 段フォールバック検索と 2 段 Browser Run
web_search は RustXNG (Containers RPC) → Cloudflare Web Search API (AI Gateway) → DuckDuckGo HTML → Browser Run (DuckDuckGo / Google) の順に試行。web_read は軽量な Kitesurf (20 秒予算) で Markdown 変換を試み、不足時のみ Chromium (60 秒予算) へフォールバックする。暴走課金を防ぐため JST 日次上限 (検索 100 回 / 閲覧 60 回) を D1 で強制している。
Gmail 読み取り専用 & RSS リアクション学習
Gmail は読み取り専用 OAuth で 5 分おきに監視。D1 にはメッセージ ID と判定スコアだけを残し、件名・差出人・本文は保存しない。ルール変更や接続解除はエージェントが提案を作り、人間が !ok で承認して初めて反映される。ニュース配信は RSS 巡回に加え、Discord 投稿へのリアクション投票を D1 に記録し選好を学習する。
web_search : rustxng -> cloudflare (ceramic) -> duckduckgo -> ddg_browser -> google_browser
web_read : Browser Run Kitesurf (20s / 5s action) -> Chromium (60s / 25s action)
daily cap : web_search 100/day · web_read 60/day (JST)
Artifacts 自己参照と Sandbox 実行
オーナー会話には Cloudflare Artifacts バインディング経由で自身の main ソースを読むツールを持たせている (dev/* ブランチは読まない)。改修したい時は !dev コマンドで独立 Worker の hiro-dev を起動。Sandbox コンテナ上で OpenCode (GLM-5.3) がコードを修正したあと、変更ファイルを別の検査コンテナへ再構築し、typecheck・test・build を通った差分だけを GitHub の Draft PR として開く。
3 段階 Outbound 制御と変更ポリシー
コンテナの外向き通信はフェーズごとに Worker Entrypoint で厳格に差し替える。GitHub や AI Gateway のトークンは Sandbox 内部へ一切渡さず、Outbound Proxy が外側から注入する。さらに package.json・wrangler.jsonc・schema.sql・CI 設定・ドットファイルの変更禁止、最大 12 ファイル / 800 行上限、シークレット正規表現スキャンを強制し、main への直接プッシュは不可。
Phase 1 (AgentOutbound) : AI Gateway / Workers AI (fixed model) + GitHub read-only clone
Phase 2 (SetupOutbound) : + registry.npmjs.org (GET/HEAD only)
Phase 3 (NoOutbound) : ALL outbound blocked during typecheck / test / build
Policy limits : max 4,000 chars request · max 12 files · max 800 changed lines · Draft PR only
実運用から生まれた細かい設計判断
Discord Gateway の WebSocket 維持と IDENTIFY 予算管理
session_id・resume_gateway_url・seq をストレージに永続化し、デプロイや再起動時は可能な限り RESUME を優先。Discord の 24 時間 IDENTIFY 上限 (1,000 回) でトークンがリセットされないよう、独自に 50 回/日の安全上限を設けている。
Clef 宛先判定に直近 12 件・bot 応答の先頭と末尾だけを渡す理由
Browser Run のタイムアウトをクライアント側・サーバー側の二重で縛る理由
Promise.race 予算 (Kitesurf 20 秒 / Chromium 60 秒) に加え、Browser Run 側にも gotoOptions.timeout と actionTimeout (Kitesurf 5 秒 / Chromium 25 秒) を明示設定し、画像・メディア・フォント取得を拒否して安定化している。