Marmo Core

いまのAIエージェントは、ツール、メモリ、再利用可能なスキル、外部サービス、さらには他のエージェントにまでアクセスできます。 難しいのは、もはやそれらを「つなぐこと」ではありません。

難しいのは、次の判断です。

• 何を使うべきか？
• どのリソースを組み合わせて選ぶべきか？
• その操作は許可されているか？
• 人間の承認が必要か？
• 実行中に何が起きたか？

Marmo Coreは、これらの判断を扱うための共通レイヤーを提供します。

1. Task自然言語の目的が渡される。
2. Searchレジストリから候補リソースを探す。
3. Select実際に使う組み合わせまで絞り込む。
4. Policy & Safety権限・副作用・承認の要否を確認する。
5. Activate選ばれたリソースをエージェントへ渡す。
6. Executeランタイムの制御下で実行する。
7. Audit何を判断し、何が動いたかを記録する。

Memory・Skill・Tool・Agentの各リソースは、共通のメタデータモデルを共有します。 どのリソースも、同じ項目で自分自身を記述できます。

• 機能（capabilities）
• 入力と出力
• 必要な権限
• 推定コスト
• 想定レイテンシ
• 副作用
• 信頼レベル
• 依存関係
• 競合関係
• 運用統計

これにより、種類の異なるリソースを同じ基盤の上で検索・比較・選択し、統制できます。

Memory ─┐
Skill  ─┤
Tool   ─┼──► Resource Registry
Agent  ─┘          │
                   ▼
               Retrieval
                   │
                   ▼
                Selection
                   │
                   ▼
                Execution

使えるすべての機能を一度にエージェントへ晒すのではなく、Marmo Coreはそのタスクに応じてリソースを検索し、選択します。

User Task
   │
   ▼
Resource Registry
   │
   ▼
Retriever
   │
   ▼
Candidate Resources
   │
   ▼
Selector
   │
   ▼
Selected Resource Set

Marmo Coreは複数の検索・選択戦略を備えており、関連度、コスト、レイテンシ、権限、信頼、依存関係、リソース同士の相性といった要素のバランスをアプリケーション側で調整できます。

"Summarize this document and send the result."

                    │
                    ▼

               Marmo Core

       ┌────────────┼────────────┐
       ▼            ▼            ▼

Document Skill    Memory      Email Tool

エージェントが受け取るのは、機能空間の全体ではなく、そのタスクに必要なリソースだけです。

AIエージェントに外部システムへのアクセスを与えると、通常のfunction callingでは解決できないリスクが生まれます。Marmo Coreは、実行を明示的なポリシーとランタイム制御の後ろに置きます。

LLM
 │
 ▼
Resource Selection
 │
 ▼
Policy Gateway
 │
 ▼
Permission Check
 │
 ▼
Human Approval
 │
 ▼
Runtime
 │
 ▼
Audit Log

権限permissions

各リソースは、実行前に必要な権限を宣言する。

副作用side effects

操作は read / write / external / irreversible といった影響の種類で分類できる。

人間による承認approval

影響の大きい操作は、実行前に人間の明示的な承認を必須にできる。

シークレットの扱いsecrets

認証情報はモデルのコンテキストの外で解決し、必要な時にだけ注入できる。

プロンプトインジェクション境界untrusted input

外部コンテンツやツールの実行結果を、信頼された命令ではなく信頼できないデータとして扱える。

隔離isolation

コネクタは、実行時に必要な隔離レベルを宣言できる。

監査audit log

実行の判断とランタイムの挙動を記録し、後から検証できる。

インストール

リソースを定義する

from marmo_core import ResourceDefinition, ResourceRegistry

registry = ResourceRegistry()

resource = ResourceDefinition.from_mapping({
    "id": "tool.math.add",
    "kind": "tool",
    "name": "Add Numbers",
    "version": "1.0.0",
    "description": "Add two numbers.",
    "capabilities": ["arithmetic", "addition"],
    "input_summary": "Two numbers.",
    "output_summary": "The calculated sum.",
    "required_permissions": ["math.add"],
    "cost_estimate": 0.0,
    "latency_class": "fast",
    "side_effect": "none",
    "trust_level": "core",
    "ref": "tool://math/add",
    "tags": ["math"],
    "input_schema": {
        "type": "object",
        "required": ["a", "b"],
        "properties": {
            "a": {"type": "number"},
            "b": {"type": "number"}
        }
    }
})

registry.add(resource)

タスクを実行する

from marmo_core import (
    Kernel,
    MockLLMProvider,
    PolicyContext,
)

def add_numbers(a: float, b: float):
    return {"sum": a + b}

kernel = Kernel(
    registry,
    MockLLMProvider(
        tool_arguments={
            "tool.math.add": {
                "a": 2,
                "b": 3
            }
        }
    ),
    policy_context=PolicyContext(
        granted_permissions=("math.add",)
    ),
    tool_implementations={
        "tool.math.add": add_numbers
    },
)

result = kernel.run_goal(
    "Add 2 and 3 using the calculator."
)

print(result.output)

レジストリの規模やアプリケーションの要件に応じて、これらの戦略を組み合わせて使えます。

Marmo Coreは、AIエージェントとそれが使うリソースの「あいだ」に置かれるように設計されています。既存のツールやサービスを置き換える必要はありません。

• OpenAI-compatible models
• Anthropic models
• MCP servers
• Python functions
• HTTP services
• File systems
• Shell commands
• SQLite databases

                   AI Agent
                      │
                      ▼
                 Marmo Core
                      │
         ┌────────────┼────────────┐
         ▼            ▼            ▼
        MCP          APIs        Python
         │            │            │
         ▼            ▼            ▼
       Tools       Services      Systems

MCPはツールをつなぐ。Marmoは、それをいつ使うか、そもそも使うかを決める。

Marmo Coreは、Model Context Protocol（MCP）の代替ではありません。 MCPはツールや機能をAIアプリケーションへ公開する標準的な方法を提供します。 Marmo Coreはその機能をリソースとして扱い、次を加えます。

• 検索
• 選択
• 権限
• 信頼レベル
• コストの考慮
• 人間による承認
• 実行ポリシー
• 監査可能性

MCP Server
    │
    ▼
MCP Tools
    │
    ▼
Marmo Resource Registry
    │
    ▼
Routing + Policy
    │
    ▼
AI Agent

復旧recovery

リトライ、フォールバック、サーキットブレーカー、復旧戦略に対応する。

状態state store

実行状態を in-memory / JSON / SQLite のいずれかのストアに永続化する。

監査event trail

実行の履歴を、監査可能なイベント列として記録する。

評価statistics

実行結果と運用統計を蓄積し、以降のルーティング判断に反映できるようにする。

多くのエージェントフレームワークは、ワークフローの定義やモデル呼び出しのオーケストレーションに焦点を当てています。Marmo Coreが扱うのは、別の問題です。

エージェントは、自分が使える機能をどう発見し、選び、統制し、実行すべきか。

中核となる原則は次のとおりです。