Show HN: LoopGain – 制御理論でエージェントループを停止、max_iterationsは不要

AIエージェントのループ処理では、いつ停止すべきか分からずに時間とコストを無駄にすることがよくあります。従来のmax_iterations方式では、早すぎる停止で品質を損なうか、遅すぎる停止でリソースを浪費するジレンマがありました。LoopGainは、制御理論を活用してこの問題を解決するオープンソースのコストコントローラーです。

LoopGainは、Barkhausen基準（1921年に電気工学のフィードバック発振器解析から得られた基礎的成果）に基づき、ループゲインをリアルタイムで測定します。ユーザーは測定可能な誤差信号（例えば、テスト失敗数、スキーマ違反数、不足している事実の数など）を提供するだけで、LoopGainがその軌跡を追跡し、4つの特徴量（累積減少比、対数勾配、勾配の統計的有意性、トレンド除去後の標準偏差）を用いて状態を「高速収束」「収束中」「停滞」「振動」「発散」の5つに分類します。そして、これらの状態に応じて続行、停止、または最良出力へのロールバックを決定します。

2000回のペア試験によるベンチマークでは、LoopGainはmax_iter=20のベースラインと比較して、APIコストを92.8%削減（27.05ドル→1.94ドル）、実行時間の中央値を30.9秒から2.1秒に短縮（約15倍高速化）しました。品質も維持され、ジャッジ比較での勝率は自然分布ワークロードで0.50～0.63、エンジニアリング障害ワークロードで0.92～0.95、加重嗜好度は0.678でした。

LoopGainの設計は使いやすさを重視しています。たった3行のコードで任意の反復型AIワークフローに統合でき、LangGraph、CrewAI、AutoGen、LangChain、OpenAI Agents SDK、Claude Agent SDKなどの主要フレームワーク向けのプリビルドアダプターも用意されています。カスタムスタックにはRaw APIで簡単に組み込めます。Pure Pythonで実装され、ランタイム依存関係はなく、pip install loopgainでインストールできます。

LoopGainは自らの限界も正直に認めています。収束性を検出するものであって、正解性を検出するものではありません。つまり、反復を続けても改善が見込めない時点を判断できるだけで、出力が正しいかどうかは判断できません。その効果はユーザーが提供する誤差信号の質に完全に依存します。また、オプションの匿名テレメトリー機能（デフォルトではオフ）を提供しており、メンテナーがライブラリの使用状況を把握できるようにしています。テレメトリーデータは状態遷移や誤差の大きさなどの集約情報のみを含み、プロンプト、出力内容、ユーザーIDは決して送信されません。

LoopGainは、AIエージェントのループコスト最適化に新たな道を開くツールであり、今後の標準的なコンポーネントとなる可能性を秘めています。