AnovaX：ローカルマルチエージェント音声アシスタント – LLM計画、型付き実行、適応型リカバリ
AnovaXは、ユーザーのコンピュータ上で完全にローカルに動作するデスクトップ音声アシスタントです。単一のPythonプロセスが、ウェイクワードゲート、音声処理、GeminiベースのLLMプランナー（JSON計画を出力）、セキュリティレイヤー、マルチエージェントオーケストレーター（計画を型付き子エージェントに変換）、適応型リカバリループを統合します。各ツールは専用のエージェントクラスに対応し、タイムアウト、再試行ポリシー、リソースロックを持ちます。FlaskサーバーによりローカルWiFi経由でスマートフォンからのリモート操作が可能で、エージェントイベントのリアルタイムミラーリングと画面ストリーミングを提供します。プロジェクトの目的は、数千行の軽量アシスタントが複雑なデスクトップタスクを実行できることを示すことです。
AnovaX は、ユーザーのコンピュータ上で完全にローカルに動作する革新的なデスクトップ音声アシスタントであり、デスクトップ自体をアクションサーフェスとして扱います。従来のアシスタント（Siri や Alexa など）がクラウドパイプラインに依存し、固定されたスキルセットを提供するのに対し、AnovaX は単一の Python プロセスで、ウェイクワードゲート、音声処理パイプライン、Gemini ベースの LLM プランナー（JSON 計画を出力）、ホワイトリスト/ブラックリスト安全レイヤー、マルチエージェントオーケストレーター（計画を型付き子エージェントに変換し、制限付きスレッドプールで実行）、そして適応型リカバリループを統合しています。
各ツールは専用のエージェントクラス（AppAgent、TypingAgent、BrowserAgent など 9 種類）に対応し、独自のタイムアウト、再試行ポリシー、共有リソースロックを持ちます。再帰的 MetaAgent により、プランナーはサブゴールを自身に委任できます（最大 2 レベル）。リカバリループはコンパクトな ReAct スタイルのプロンプトを使用し、読み取り専用ツールの投機的実行により Gemini のレイテンシを隠蔽します。
さらに、AnovaX は Flask サーバーを介してローカル WiFi 上のスマートフォンからリモート操作可能です。このサーバーはすべてのエージェントライフサイクルイベントをリアルタイムでミラーリングし、MJPEG 経由でラップトップの画面をストリーミングするため、ユーザーは別の部屋からでもコマンドの実行を観察できます。AnovaX の目的は Siri や Alexa と競合することではなく、数千行の可読性の高いアシスタントが、アプリの起動、テキスト入力、検索実行、並行アクションの調整、単一ステップの障害からの回復、そして LLM がキーボードに触れることなくスマートフォンからの完全な遠隔操作を実現できることを示すことにあります。