MIT ライセンスのローカルファーストな Python ツール。プロファイリング・ベンチマーク・トレースを、エージェントが行動に移せる境界付きエビデンスへ変換します。`uv` で実行するか、DeepSeek Harness 用の MCP サーバーとして動作します。
DSH 統合
ネイティブ実行
作者による申告
安全性監査
未監査
最終検証日
2026-09-01
ライセンス
MIT
01どんなタスクに使えるのか？
Trace and profile hotspots in application and native code, GPU kernels, and inference stacks from a coding agent
bounded, inline runtime evidence — profiler / benchmark / trace output — without a durable control plane
Developers and coding agents (including DeepSeek Harness) that need local-first performance evidence
Capture runtime evidence from a live command or an existing native artifact inside an agent loop
process-lifespan evidence with optional preservation to `<project>/.flameox`
Performance engineers who want agents to burn down hotspots with explicit, auditable evidence
02DeepSeek Harness への導入方法
前提条件
- Python project managed with `uv` (the README installs extras via `uv sync` / `uv run`)
- A local target: an existing native artifact (with its exact path and format) or a live command to benchmark
インストール手順
- 01
Sync the optional extras you need: `uv sync --extra dev --extra memory --extra trace --extra cpu`
- 02
Discover capabilities for an intent: `uv run flameox capabilities discover --intent "CPU hotspots"`
- 03
Analyze an existing artifact: `uv run flameox analyze artifact.preview /absolute/path/to/artifact.json`
- 04
Or capture live evidence: `uv run flameox capture --provider direct -- python benchmark.py`
- 05
Run the MCP server for an agent: `uv run flameox mcp serve --project-root "$PWD"` (the MCP server fixes its project root at startup)
導入成功の確認
- Print the stdio client configuration with `flameox setup` to confirm the MCP wiring
- Confirm capabilities are discovered for your intent before analyzing or capturing
ロールバック
- Stop the `flameox mcp serve` process and drop the `--project-root` MCP config printed by `flameox setup`
- Version 0.2 has no SQLite control plane, so removing `<project>/.flameox` leaves no stale state
03DSH 統合と能力の範囲
MCP server (`flameox mcp serve`) exposing profiler / benchmark / trace capabilities to DeepSeek Harness agents; also runnable as direct `uv` CLI commands
Capabilities discovery
an intent such as "CPU hotspots"→the matching profiler / benchmark / trace capabilities for an agent to use
Artifact analysis
an explicit native artifact path (e.g. artifact.preview with exact path and format)→bounded inline evidence for the supplied artifact
Live capture
a direct target command (e.g. `python benchmark.py`) via `--provider direct`→bounded runtime evidence from the live command
writes optional session scratch/cache and, on explicit preservation, to `<project>/.flameox`
04誰に向いているのか？使うべきでない場面は？
向いている用途
- Developers and coding agents (including DeepSeek Harness) that need local-first performance evidence
- Performance engineers who want agents to burn down hotspots with explicit, auditable evidence
不向きな用途
- Version 0.2 is a clean break: old `.diagnostics` state is not migrated, and there is no workspace to initialize, no `flameox.toml`, and no SQLite control plane.
05互換性・メンテナンス・セキュリティ上の注意
- Version 0.2 is a clean break: old `.diagnostics` state is not migrated, and there is no workspace to initialize, no `flameox.toml`, and no SQLite control plane.
- Flameox is local-first: evidence stays in a bounded process-lifespan runtime, and preservation to `<project>/.flameox` is optional and only happens on explicit request.
MIT · actively maintained (latest release v0.1.15, 2026-08-30)
06よくある質問
flameox を DeepSeek Harness に接続するには？
`uv run flameox mcp serve --project-root "$PWD"` で MCP サーバーを起動します（サーバーは起動時にプロジェクトルートを固定します）。`flameox setup` はエージェント向けの同等の stdio クライアント設定を出力します。
flameox は具体的に何をするのですか？
プロファイラー・ベンチマークツール・トレースプロセッサー・直接のローカルターゲットを統合し、エージェントが明示的なネイティブ成果物やライブコマンドから短い経路で境界付きエビデンスを得られるようにします。保存は任意です。
ワークスペースや設定ファイルの初期化は必要ですか？
不要です。バージョン 0.2 は抜本的な変更です。ワークスペースの初期化も `flameox.toml` も SQLite コントロールプレーンもなく、正確な成果物のパスと形式をそのまま `analyze` に渡します。
データは外部に送信されますか？
されません。flameox はローカルファーストです。エビデンスはライフサイクルが制限された実行時に留まり、明示的に要求した場合にのみ、オプションのセッションキャッシュを `<project>/.flameox` に保存します。
07関連する DSH ワークフロー
rea
by morluto
アプリの挙動からネイティブバイナリまで、エージェントであらゆるものをリバースエンジニアリング
ruflo
by ruvnet
元祖エージェントメタハーネス。知能マルチプレイヤー・スウォームの展開、自律ワークフロー連携、対話型AIシステムの構築に対応。適応メモリ、自己学習、RAG統合、Claude Code／Codex／Hermesネイティブ連携を備える。
reactive-resume
by reactive-resume
プライバシーを重視した、カスタマイズ可能で持ち運びやすいオープンソースの履歴書作成プラグイン。無料で利用できる。
everos
by evermind-ai
すべての AI エージェント向けポータブルメモリ層。ローカルファースト、Markdown ネイティブ、ユーザー所有、アプリ横断で自己進化
08データと出典
Bounded local runtime evidence for coding agents.
Flameox coordinates profilers, benchmark tools, trace processors, and direct
このページは、プロジェクトの公開ドキュメント、リポジトリのメタデータ、および DSH Plugins の構造化解析に基づいて生成されています。最終検証日：2026-09-01。誤りを見つけた場合は、修正を送信してください。
dsh プラグイン おすすめ
最初に入れたい 12 のプラグイン。全カタログ・全カテゴリから厳選しました。