hypervisor 0.1.2

WronAI Hypervisor — orchestrator and control plane for AI desktop agents, NLP-to-URI resolution, koru drivers, and virtualized execution

Resource Agent Meta-Factory v0.1

AI Cost Tracking

• 🤖 LLM usage: $1.7735 (5 commits)
• 👤 Human dev: ~$288 (2.9h @ $100/h, 30min dedup)

Generated on 2026-06-14 using openrouter/qwen/qwen3-coder-next

---

Generator, validator and repairer for contract-first thin agents.

This package extends the earlier resource-agent-factory with a meta-agent that can create agent specifications from prompts, validate them, repair common mistakes and generate working FastAPI agents.

Core idea

Prompt / request
      ↓
Meta-agent
      ↓
contracts/agents/*.yaml
      ↓
Validator + safe repair
      ↓
Agent Factory
      ↓
agents/generated/<agent>/
      ↓
Tests + contract hash verification

The LLM or user creates the contract proposal. The deterministic generator creates the code.

Quick start

Install dependencies:

pip install -e '.[dev]'

Validate existing contracts:

make validate

Generate agents:

make generate

Verify generated agents:

make verify

Run tests:

make test

Meta-agent workflow

Create a new agent from a prompt:

python -m meta_agent.cli pipeline "Stwórz agenta do obsługi zamówień z odczytem zamówienia, historią i tworzeniem zamówienia"

Run the meta-agent HTTP API:

make run-meta-agent

Then call:

curl -X POST http://localhost:8200/pipeline/from-prompt \
  -H 'Content-Type: application/json' \
  -d '{"prompt":"Stwórz agenta do obsługi faktur z odczytem faktury, historią i tworzeniem faktury"}'

Important rule

Do not edit agents/generated/ manually.

Change:

contracts/agents/*.yaml

Then regenerate.

Resource Agent Hypervisor v0.5

Ta wersja dodaje osobne paczki uri3 i nl2uri.

• uri3 = parser, normalizer, resolver, scanner, graf zależności i walidator URI Tree.
• nl2uri = natural language/query/prompt -> URI Tree, korzystając z modelu URI i walidacji z uri3.

Hypervisor nie skanuje usług samodzielnie i nie generuje domeny bezpośrednio z promptu. Robi to przez uri3 i nl2uri.

prompt -> nl2uri -> URI Tree -> uri3 validation/graph -> Domain Pack -> Agent Factory -> generated thin agent

Instalacja

pip install -e .[dev]

Przykład

nl2uri generate --no-llm -p "generuj mape pogody dwa tygodnie do przodu w oparciu o miejscowosc i odpowiedni model przewidujacy pogode, generuj widok w formie html pod adresem url" --out domains/weather_map/uri_tree.yaml
uri3 validate-tree domains/weather_map/uri_tree.yaml
uri3 graph domains/weather_map/uri_tree.yaml
nl2a generate --no-llm -p "generuj mape pogody dwa tygodnie do przodu w oparciu o miejscowosc i odpowiedni model przewidujacy pogode, generuj widok w formie html pod adresem url"

Zasada odpowiedzialności

uri3 = adresowanie, discovery, routing, graf URI
nl2uri = język naturalny -> URI Tree
hypervisor = registry, policy, deployment, lifecycle
agent factory = generowanie kodu cienkiego agenta
domain pack = logika domenowa

Documentation

• docs/META_AGENT.md — meta-agent usage.
• docs/ARCHITECTURE_META_FACTORY.md — architecture.
• docs/AUTO_EVOLUTION_PIPELINE.md — controlled auto-evolution.
• docs/CONTRACTS.md — YAML contract format.
• docs/GENERATOR.md — generator details.
• docs/DEPLOYMENT.md — deployment notes.

License

Licensed under Apache-2.0.