VOLY — open-core платформа для управления AI-агентами, которые участвуют в разработке программного обеспечения. Она объединяет запуск и координацию агентов, работу с моделями и провайдерами, управление задачами, память проекта, контроль выполнения, проверку результатов и учёт затрат в единой среде.
VOLY помогает перейти от разрозненного использования AI-инструментов к управляемому процессу разработки, в котором человек задаёт цель и критерии результата, а агенты выполняют отдельные этапы работы под контролем общей системы.
1. Назначение проекта
Современные AI coding agents умеют анализировать код, создавать и изменять файлы, запускать команды, исправлять ошибки и выполнять отдельные задачи разработки. Однако при использовании нескольких инструментов и агентов возникает необходимость управлять не только генерацией кода, но и всем процессом:
- распределять задачи между агентами и моделями;
- сохранять контекст проекта и историю выполнения;
- учитывать зависимости между этапами;
- контролировать доступы, ограничения и расходы;
- проверять изменения и фиксировать доказательства выполнения;
- восстанавливать работу после ошибок и прерываний;
- оценивать качество и повторяемость результатов.
VOLY предоставляет инфраструктурный слой для решения этих задач.
2. Основная концепция
VOLY выступает в роли control plane для AI-разработки. Платформа не привязана к одному поставщику моделей или конкретному coding agent. Она организует взаимодействие между задачами, исполнителями, инструментами и проверками.
Типовой процесс выглядит следующим образом:
- Постановка задачи. Пользователь описывает желаемый результат, ограничения и критерии приёмки.
- Планирование. Задача анализируется и при необходимости разбивается на последовательные или зависимые этапы.
- Оркестрация. VOLY выбирает подходящих исполнителей и модели, учитывая доступность провайдеров и заданные ограничения.
- Выполнение. Агенты анализируют проект, вносят изменения, запускают команды и передают результаты между этапами.
- Проверка. Система собирает результаты выполнения и запускает предусмотренные проверки.
- Фиксация результата. Сохраняются изменения, события, затраты, результаты проверок и обратная связь.
- Использование контекста. Полученная информация может использоваться в последующих задачах для сохранения непрерывности работы над проектом.
Человек сохраняет контроль над целями, архитектурными решениями, доступами и критериями качества.
flowchart TD
S(["Новая задача"]) --> C["Сбор контекста проекта"]
C --> P["Декомпозиция и план"]
P --> G["План требует нескольких ролей?"]:::decision
G -- Да --> D["Назначение ролей и исполнителей"]
G -- Нет --> D1["Назначение исполнителя"]
D --> X["Выполнение этапов"]
D1 --> X
X --> R["Сбор изменений и результатов"]
R --> Q["Проверки и оценка"]
Q --> OK["Критерии выполнены?"]:::decision
OK -- Да --> EV["Формирование Evidence"]
OK -- Нет --> L["Допустима ещё одна итерация?"]:::decision
L -- Да --> FIX["Корректировка плана / исправления"]
FIX --> X
L -- Нет --> REVIEW["Передача на ручную проверку"]
REVIEW --> EV
EV --> MEM["Сохранение истории и контекста"]
MEM --> END(["Завершение задачи"])
classDef decision fill:#0a0f1a,stroke:#3f63b4,stroke-width:1.5px,stroke-dasharray:6 4,color:#c9d6fb
3. Основные возможности
3.1. Оркестрация AI-агентов
VOLY позволяет организовывать работу нескольких агентов и распределять между ними задачи в соответствии с их ролью и назначением.
Возможные роли в процессе разработки:
- Architect — анализ требований, проектирование решения и архитектурные рекомендации;
- Developer — реализация изменений в коде;
- Tester — подготовка и запуск проверок;
- Reviewer — анализ изменений и проверка соответствия требованиям;
- DevOps — инфраструктурные задачи и работа с окружением.
Оркестрация включает декомпозицию задач, управление этапами, передачу результатов и учёт зависимостей. Конкретный состав ролей и сценарий выполнения определяются задачей и конфигурацией проекта.
flowchart LR
U["Пользователь"] --> LEAD["Lead Orchestrator"]
LEAD --> ARCH["Architect"]
ARCH --> PLAN["План и критерии приёмки"]
PLAN --> DEV["Developer"]
DEV --> TEST["Tester"]
TEST --> REV["Reviewer"]
REV --> DEC["Результат принят?"]:::decision
DEC -- Нет --> DEV
DEC -- Да --> OUT["Результат и Evidence"]
LEAD -. "Контекст и состояние" .-> MEM["Project Memory"]
MEM -. "Контекст" .-> ARCH
MEM -. "Контекст" .-> DEV
MEM -. "Контекст" .-> TEST
MEM -. "Контекст" .-> REV
OUT --> U
classDef decision fill:#0a0f1a,stroke:#3f63b4,stroke-width:1.5px,stroke-dasharray:6 4,color:#c9d6fb
Схема показывает логическую модель ролей. Фактический состав агентов, последовательность и возможность параллельного выполнения зависят от конкретного workflow.
3.2. Работа с моделями и провайдерами
VOLY поддерживает работу с различными моделями и AI-провайдерами через единый управляющий слой.
Ключевые задачи этого слоя:
- маршрутизация запросов к доступным моделям;
- выбор исполнителя с учётом типа задачи;
- контроль состояния и доступности провайдеров;
- использование резервных вариантов при сбоях;
- учёт стоимости и потребления ресурсов.
Такой подход снижает зависимость рабочего процесса от одного поставщика AI-моделей и позволяет менять исполнителей без необходимости перестраивать весь процесс разработки.
flowchart TD
TASK["Запрос на выполнение"] --> CLASS["Определение типа и требований задачи"]
CLASS --> POLICY["Политики маршрутизации<br/>Качество · Стоимость · Доступность"]
POLICY --> SELECT["Выбор модели / провайдера"]
SELECT --> CALL["Вызов исполнителя"]
CALL --> RESULT["Выполнение успешно?"]:::decision
RESULT -- Да --> SAVE["Сохранение результата и затрат"]
RESULT -- Нет --> HEALTH["Проверка состояния провайдера"]
HEALTH --> FALLBACK["Есть допустимый резерв?"]:::decision
FALLBACK -- Да --> ALT["Выбор резервного исполнителя"]
ALT --> CALL
FALLBACK -- Нет --> ERROR["Ошибка / ожидание / ручное решение"]
SAVE --> DONE(["Возврат результата"])
classDef decision fill:#0a0f1a,stroke:#3f63b4,stroke-width:1.5px,stroke-dasharray:6 4,color:#c9d6fb
3.3. Управление задачами и выполнением
VOLY предоставляет механизмы управления жизненным циклом задач и их этапов.
В рамках выполнения могут использоваться:
- планы с последовательными шагами и зависимостями;
- передача выходных данных между этапами;
- фиксация статусов и событий;
- обработка ошибок и повторные попытки;
- продолжение или отмена выполнения в поддерживаемых сценариях;
- ограниченные циклы исправления по результатам проверки.
Это позволяет описывать процесс разработки как управляемую последовательность действий, а не как набор несвязанных запросов к AI.
3.4. Память и контекст проекта
Для работы над программным продуктом недостаточно передавать агенту только текст текущей задачи. Ему также необходим контекст проекта и история предыдущих решений.
VOLY развивает слой памяти, предназначенный для сохранения и повторного использования информации о работе:
- история задач и запусков;
- контекст проекта;
- архитектурные сведения и принятые решения;
- результаты предыдущих попыток;
- выявленные проблемы и обратная связь.
Память помогает уменьшить повторение уже выполненной аналитической работы и поддерживать преемственность между задачами и запусками.
3.5. Проверка качества и evidence
VOLY предусматривает фиксацию свидетельств выполнения задачи — от изменений в проекте до результатов проверок.
В зависимости от сценария могут учитываться:
- исходное состояние проекта;
- изменённые файлы;
- результаты команд и тестов;
- использованные модели и исполнители;
- продолжительность и стоимость выполнения;
- ошибки, повторные попытки и обратная связь;
- результаты дополнительных оценочных процедур.
Так формируется история, позволяющая понять не только то, что сообщил агент, но и какие действия были выполнены и какие результаты удалось получить.
Проверки могут включать детерминированные правила и дополнительные оценочные механизмы. Для критичных решений результаты AI-оценки не должны подменять независимые тесты, проверки безопасности и подтверждение человека.
flowchart TB
RUN["Запуск задачи"] --> EVENTS["События выполнения"]
RUN --> DIFF["Изменения проекта"]
RUN --> CHECKS["Тесты и проверки"]
RUN --> COST["Стоимость и потребление"]
EVENTS --> EV["Evidence Record"]
DIFF --> EV
CHECKS --> EV
COST --> EV
EV --> HIST["История проекта"]
EV --> FEEDBACK["Обратная связь человека"]
HIST --> CONTEXT["Обновление контекста и памяти"]
FEEDBACK --> CAL["Калибровка оценочных механизмов"]
CONTEXT --> NEXT["Следующие задачи"]
CAL --> NEXT
NEXT --> RUN2["Новый запуск"]
3.6. Контроль расходов
Использование нескольких моделей и агентов требует прозрачного учёта затрат.
VOLY развивает инструменты FinOps для AI-разработки:
- учёт потребления и стоимости запусков;
- контроль расходов;
- маршрутизация с учётом стоимости моделей;
- использование резервных провайдеров;
- анализ затрат по задачам и процессам.
Цель — сделать стоимость агентной разработки наблюдаемой и управляемой.
3.7. Интеграции и расширяемость
VOLY проектируется как расширяемая платформа, которую можно интегрировать в существующие процессы разработки.
В проекте предусмотрены API и SDK-подходы, интеграционные механизмы и поддержка взаимодействия с внешними инструментами, в том числе через MCP. Это позволяет подключать новые инструменты и сценарии без привязки всей системы к одному набору исполнителей.
4. Архитектурная модель
На концептуальном уровне VOLY состоит из нескольких взаимосвязанных слоёв:
| Слой | Назначение |
|---|---|
| Intent Layer | Приём задачи, целей, ограничений и критериев результата |
| Orchestration Engine | Декомпозиция, планирование, маршрутизация и координация агентов |
| Agent Execution | Выполнение задач агентами, моделями и инструментами |
| Workflow & State | Управление этапами, зависимостями, состояниями и жизненным циклом |
| Governance & Verification | Политики, ограничения, проверки и фиксация результатов |
| Memory & Project Context | Сохранение контекста, истории и проектных знаний |
| Telemetry & FinOps | Наблюдаемость, события, производительность и затраты |
| Integration Layer | API, SDK и подключение внешних инструментов |
Эти слои формируют общий контур управления агентной разработкой: от постановки задачи до проверяемого результата.
VOLY Control Plane
Слои системы — от намерения до проверяемого результата
5. Локальный и облачный сценарии
VOLY развивается в open-core-модели и ориентируется на два сценария использования.
VOLY Local
Локальный сценарий предназначен для разработчиков и команд, которым важно запускать и контролировать агентные процессы в собственном окружении.
Он позволяет приблизить управление AI-агентами к существующему репозиторию, инструментам и инфраструктуре разработки.
VOLY Cloud
Облачный сценарий предназначен для централизованной работы с агентными процессами и совместного использования данных между участниками команды.
В качестве направлений развития облачной среды рассматриваются общая история запусков, централизованное управление, учёт расходов, командный контекст и выполнение задач в облачной инфраструктуре.
flowchart TB
subgraph LOCAL["VOLY Local"]
LC["Локальный интерфейс / CLI"]
LO["Локальная оркестрация"]
LE["Локальные агенты и инструменты"]
LP["Локальные проекты и окружение"]
LC --> LO
LO --> LE
LE <--> LP
end
subgraph CLOUD["VOLY Cloud"]
CC["Облачный интерфейс"]
CO["Облачный control plane"]
CH["Командная история и контекст"]
CF["Управление и аналитика"]
CC --> CO
CO <--> CH
CO <--> CF
end
LOCAL <-->|"Синхронизация и подключение<br/>в поддерживаемых сценариях"| CLOUD
Схема отражает целевую продуктовую модель Local + Cloud, а не утверждение о том, что все показанные каналы синхронизации уже реализованы.
6. Для кого предназначен VOLY
Индивидуальные разработчики — для управления несколькими AI-инструментами, сохранения контекста проектов и контроля затрат на агентную разработку.
Небольшие продуктовые команды — для распределения задач между агентами, стандартизации процессов разработки и получения общей истории выполнения.
Технические лидеры и CTO — для управления качеством, ограничениями, стоимостью и воспроизводимостью AI-assisted development.
Компании, внедряющие AI-агентов — для создания контролируемой инфраструктуры, в которой агенты могут выполнять инженерные задачи в рамках заданных политик и процессов.
7. Принципы проекта
- Provider independence. Возможность работать с разными моделями и провайдерами.
- Human control. Человек определяет цели, ограничения и критерии приёмки.
- Evidence over claims. Результат должен опираться на проверяемые данные о выполнении.
- Persistent context. Контекст проекта и история работы не должны теряться между запусками.
- Cost awareness. Затраты на AI должны быть прозрачными и управляемыми.
- Extensibility. Новые агенты, модели и инструменты должны подключаться без перестройки всей системы.
- Open-core. Базовая инфраструктура и расширенные облачные возможности развиваются как взаимодополняющие части продукта.
8. Направление развития
Долгосрочная цель VOLY — стать инфраструктурной платформой для Agentic Engineering: разработки программного обеспечения, в которой AI-агенты способны выполнять значительную часть инженерной работы, а человек управляет намерениями, архитектурой, политиками и качеством результата.
Развитие платформы сосредоточено на нескольких направлениях:
- Надёжное выполнение. Устойчивое управление длительными задачами, состояниями и восстановлением после сбоев.
- Управление и безопасность. Политики доступа, ограничения ресурсов, контроль действий и независимая проверка результатов.
- Интеллект проекта. Более глубокая и структурированная модель архитектуры, компонентов, зависимостей и истории решений.
- Адаптивная оркестрация. Выбор исполнителей и стратегий на основе накопленных данных о качестве, стоимости и скорости.
- Контролируемое развитие возможностей. Улучшение рабочих процессов и инструментов на основании измеримых результатов, регрессионных проверок и подтверждения изменений.
flowchart LR
INTENT["Намерение человека"] --> PLAN["Планирование"]
PLAN --> EXEC["Работа агентов"]
EXEC --> VERIFY["Независимая проверка"]
VERIFY -->|Принято| DELIVER["Проверяемый результат"]
VERIFY -->|Не принято| REPAIR["Исправление"]
REPAIR --> EXEC
DELIVER --> LEARN["История и обратная связь"]
LEARN -.-> PLAN
HUMAN["Человеческий контроль<br/>Архитектура · Политики · Приёмка"] -.-> PLAN
HUMAN -.-> VERIFY
Эта схема выражает основной принцип VOLY: агенты выполняют инженерную работу, а платформа обеспечивает координацию, наблюдаемость и контроль; человек сохраняет ответственность за цели, архитектуру и принятие результата.
9. Краткое описание
VOLY — open-core control plane для AI coding agents и Agentic Engineering. Платформа объединяет оркестрацию агентов, маршрутизацию моделей, управление задачами, память проекта, проверку результатов, интеграции и контроль затрат. VOLY помогает разработчикам и командам выстраивать управляемые, наблюдаемые и расширяемые процессы разработки с использованием AI-агентов.
VOLY — от отдельных AI-агентов к управляемой инженерной системе.
Репозиторий и исходный код: github.com/voly-codes/voly