Turaエージェント、LLMトークン使用量80%削減、成功率80%達成

Tura は、エージェント主張に懐疑的な開発者向けに設計されたローカルのオープンソースコーディングエージェント。本発表は、20の DeepSWE v1.1 タスク全体の 60 セッションからのベンチマーク結果に焦点を当て、GPT-5.6 SOL を High reasoning effort で使用している。Tura は2つの使用モード（Balanced および Direct）を提供する。Balanced は成功率と推論品質を優先し、80.0% の成功率を達成しながら公式 Codex CLI High 設定より 49.6% 少ないトークンを使用する。Direct はコストを優先し、Codex CLI High の 60.0% に対し 65.0% の成功率で総トークン使用量を 83.5% 削減する。両者とも Codex CLI High のベースラインを上回る。

技術的アプローチは3つの主要システムに基づいている。第1に、マクロ CLI コマンドツールはマルチステップワークフローを統合する。従来のツール呼び出しエージェントは、コード検査、パッチ適用、ビルド、テスト実行、リントのための5つの独立した LLM ターンが必要な場合がある。Tura はこれらを sequential steps（shell_command、apply_patch など）を持つ単一の command_run 構造にバンドルし、モデルがマルチステップシーケンスを1ターンで設計・実行できるようにする。ベンチマークでは、Tura Balanced は Codex CLI High より 66.8% 少ないモデルラウンドと 49.6% 少ないトークンを達成。Direct は 84.0% 少ないラウンドと 83.5% 少ないトークンを達成。

第2に、後方推論はモデルを統計的に一般的だが弱いソリューションから遠ざける。現在の状態から目標への前方推論（s₁→s₂→...→sₙ）ではなく、Tura はモデルに後方推論を促し、希望する終了状態（sₙ₋₁）をまず推定させてから根本原因と最適なロジックに逆算させる。与えられた例はロックペーパーシザーズ。標準的な前方プロンプトは偏った結果を生むかもしれない（LLM はテキストトークン確率分布をエンコード）が、後方推論はモデルに真の公平性が外部ランダムネスを必要とすること、および randint(1, 3) を使用した正しい疑似コードを生成することを認識させる。コーディングタスクでは、これは失敗状態の再構築とコード記述前の根本原因の特定に変換される。Tura Balanced は Codex CLI High より 12 個多い 60 の二項検証器をパスした。これは 20 ポイントの成功率ギャップ。本記事は、これはシステムレベルの関連性であり因果証明ではないこと、および両システムが GPT-5.6 SOL を High reasoning で使用しており effort レベル不一致を排除すること、を指摘している。

第3に、ランタイムコンテキスト管理は従来のスキルベースエージェントで蓄積するトークン肥大化を防ぐ。広い Markdown スキルを長期セッションにロードして積み重ねてからコンパクションまで待つのではなく、Tura はランタイムプロンプトを明示的なタスク状態に紐付ける。セッションは CLI を通じて名前変更、更新、管理できる。タスク固有のマニュアルとコマンドは再帰的なタスクツリーを通じてロードされる。関連性のないコンテキストは削除またはコンパクトされる。チェックポイントはコードロケーション、パッチ、テスト、タスク状態を保持し、ルーズなサマリではない。アーカイブ済みベンチマークセッションでは、Tura はコンパクション後平均 2.6 ラウンドで実行を再開し、Codex の場合は推定 5.4 ラウンド（Codex がコンパクションイベントを公開しないため、トークンカウント削減から推定）。

Tura は npm（npm install -g tura-ai）を通じて Mac、Linux、Windows で利用可能であり、GitHub からのソースチェックアウトも可能。複数のエントリポイントをサポート。ターミナル UI（tura）、直接 CLI ランナー（tura exec "prompt"）、ゲートウェイバックアップランナー（tura run "prompt"）、デスクトップ GUI（tura_gui）。初回起動時に、ユーザは LLM プロバイダを設定してモデルを選択する必要がある。Tura は認証情報をバンドルしない。ドキュメンテーションは GitBook スタイルの docs/SUMMARY.md で公開され、インストール、CLI パラメータ、タスクステータス、コンテキスト管理、ランタイムプロンプト、コマンド構造、エージェント、ペルソナ、カスタムプロバイダをカバー。プロジェクトは AGPL ライセンス下のオープンソースで、小規模で証拠に基づく変更とテスト所有権を強調する貢献ガイドを含む。

公開ベンチマークは文書化された制限がある。テストは GPT-5.6 SOL を High reasoning で 20 の DeepSWE タスクと 5 つのリライトタスク全体でのみカバー（2つのデザインタスクはスコア対象外のままに）。Anthropic Claude、Google Gemini、OpenAI 互換モデル、ローカルプロバイダ、UI レイテンシ、クロス OS 測定、ランタイム/セッション解析との幅広いテストはロードマップに残り、既知の証拠ギャップとして列挙される。

Tura は AI エージェント設計の中核的な課題に対処している。それは洗練されたベンチマークと実世界の開発者体験の間のギャップである。従来のコーディングエージェントは、検査、パッチ適用、ビルド、テスト、リント等の反復的なツール呼び出しループに依存し、各ステップで会話のオーバーヘッドが累積する。Tura これらを単一のマクロコマンドに統合することで、次のアクションを選択する統計的負荷を排除し、コンテキストを維持するだけのモデルラウンドトリップによるトークン浪費を削減する。

後方推論戦略は、より深い洞察を明らかにしている。統計モデルである LLM は、訓練データの高確率パターンに自然に従う傾向があり、これはしばしば一般的だが十分に検討されていないコードを意味する。Tura はこの統計的バイアスを解除し、モデルに目標状態から後方に作業するよう促す。まず正しいソリューションがどのような見た目であるべきかを想像し、その後、失敗シナリオと根本原因を再構築する。前方チェーニング（現在状態→目標）から後方チェーニング（目標→中間状態→根本原因）へのこのシフトは古典的計画を反映し、モデルを平凡なデフォルトから遠ざけるよう導くと思われる。

ベンチマーク結果はシステムレベルの関連性（Balanced vs. Codex CLI High は成功率で 20 ポイント上昇し、トークンは半分）であり、個別機能の分離された因果証明ではない。公開レポートはこれを認識し、High reasoning レベルで GPT-5.6 SOL のみを DeepSWE とリライトタスク全体で比較している。他のモデルとプロバイダとの幅広いテストは文書化されたギャップのままである。task_status とランタイムプロンプトを通じたコンテキスト管理も役割を果たす。Tura は平均 2.6 ラウンド後のコンパクション チェックポイントから再開するのに対し、Codex の場合は推定 5.4 ラウンド（トークンカウント削減から推定、Codex はコンパクションイベントを公開しないため）である。正確なランタイム状態保存は、長期セッションに悩まされるスタレコンテキストドリフトを防ぐ。

まだコメントがありません。最初のコメントを投稿しましょう！