LinkedRun

LinkedRun は、MCP サーバーとして公開される永続的なローカル Task–Artifact DAG の実行基盤です。

タスクは不変のアーティファクトを消費し、不変のアーティファクトを生成します。新しいタスクは、同一のバッチで送信されたタスク、またはそれ以前に送信されたタスクターの出力に依存てとができます。したがって、グラフは 1つのワークフロー実行に制限されず、増分的に伸いきます。

LinkedRun は、意図的にメカニズム専用のカーネルです。トレーニング、評価、細ボクラスタリング、ARI、モデル、実験プロトコルが何を意味するかには興味がありません。また、リソース要求を予測することもありません。開発エージェントがリソースを宣言し、LinkedRun は、マーシン容駆の制限とラインタイムの予約にの付てのみ、その宣言を信頼します。

セчей

意図した分担は以下の通りです。:

• task Agent: 何を実行するかを決定し、リソースニズを宣言します;

• プロジェクト・ツーるグ: リソース予測、モデルの検証、ワワークフローの構築、メートリクの計算を行います;

• LinkedRun: 依存関係の永続化、ビジーポーリングなしの待機、宣言されたリソースの予約、プロセスの実行、実行中止、アーティファクトのコミット、永続イベントの記録を行します。

コア・モデル

Artifact -> Task -> Artifact
                \\-> Task -> Artifact

データ依存は、たんに実行依存関係でもあります。アーティファクトが消費されない場合は、after による純粋リな順序約が利用できます。

CPU ツール

• submit_task

• submit_graph

• get_task

• list_tasks

• cancel_task

• retry_task

• list_artifacts

• get_artifact

• get_graph

• get_events

• watch_events

• resource_status

watch_events は、永続的な long-poll インターンェースです。クラアントは、最後の event_id から再開するため、る続的で高頻度のポーリング・ループは不要です。将来のリリースでは、ホストのサポートが十十分に普いとき、実行ハンドルを MCP の io.modelcontextprotocol/tasks 拡張へ入映できるようになるでしょう。

インストール

pip install -e .

Python 3.11+ が必須です。LinkedRun は、MCP Python SDK v2 / MCP 2026-07-28 をターゲットとします。

起動

複数のエージェント/クラ write ンが同じグラフを必要とする場合は、永続ローカル HTTP サビスが推奨されます。:

export LINKEDRUN_HOME="$HOME/.linkedrun"
linkedrun --transport streamable-http --host 127.0.0.1 --port 8765

MCP ンエンドポイint は http:``127.0.0.1:8765/mcp です。

MCP プロセス自体を管理するホストの場合:

linkedrun --transport stdio

SQLite の状態と コンテンツンツンコア レスの実アーティファクトは、LINKEDRUN_HOME の下に格納されます。

タスクを 1つ登録する

概念的に、submit_task への MCP 呼び出しは次のようになります:

{
  "name": "train",
  "command": ["python", "train.py"],
  "outputs": {
    "model": "outputs/model.pt",
    "embedding": "outputs/embedding.zarr"
  },
  "resources": {
    "cpu_cores": 8,
    "memory_bytes": 34359738368,
    "gpu_count": 1,
    "gpu_mode": "exclusive"
  }
}

コマンドは argv 配列であり、シェル文字列ではありません。シェルのセマンティクスが必要な場合は、明示的に ["bash", "-lc", "..."] を使用してください。

同一サブミッション内の依存

submit_graph は、ダイン・ロカルの参照をサポートしています:

{
  "tasks": [
    {
      "name": "train",
      "command": ["python", "train.py"],
      "outputs": {"embedding": "outputs/embedding.zarr"}
    },
    {
      "name": "cluster",
      "command": ["python", "cluster.py"],
      "inputs": {"embedding": "@train/embedding"},
      "outputs": {"clusters": "outputs/clusters.parquet"}
    },
    {
      "name": "ari",
      "command": ["python", "ari.py"],
      "inputs": {"clusters": "@cluster/clusters"}
    }
  ]
}

バッチ全体は、サイクル検出後に、アトミックに登録されます。

別サブミッション間の依存

以前のトレーニング・タスクの ID が task_abcd で、embedding を生成している場合、後で送信されたタスクは 、次を使えます:

{
  "inputs": {
    "embedding": "task:task_abcd/artifact:embedding"
  }
}

コミット済みのアーティファクトを直接参照することもできます:

artifact:art_abcd

したがって、グラフは永続的かつ増量的です。ワークフロー実 行というトッぷ・レベルの境界は必要ありません。

ラインタイム契約

タスクの開始前に、LinkedRun はプライベートな試ー行ディレイクトリを作成し、以下を設します:

LINKEDRUN_TASK_ID
LINKEDRUN_ATTEMPT_ID
LINKEDRUN_WORKDIR
LINKEDRUN_OUTPUT_DIR
LINKEDRUN_INPUT_<NAME>

各インプット・ファイトは、不変のコテンテンツーアドレス済 ストレージへの読み取リー専用（慣例）シンボリック・リンクです。宣言された出力パスは、試行ディレクトリ内に留まる必要があります。プロセスが成功終了した場合、出力はハッシュ化されてから、タスクが SUCCEEDED になる前にアーティファクト・ストアにコミットされます。

タスクの状態

PENDING -> READY -> RUNNING -> SUCCEEDED
                       \\----> FAILED
PENDING --------------------> BLOCKED      (upstream failed/missing artifact)
PENDING --------------------> UNSCHEDULABLE (declared request exceeds machine capacity)
PENDING/RUNNING ------------> CANCELED

リトライは、タスクごとのジェネレーションを増加させます。ジェネレーションが古くなった後、以前の試行はコミットできません。これが、LinkedRun のフフェンシング・ルールの初の実装です。

リソースに関するポリシ

LinkedRun は、リソース使用量を推測しません。次を受け付りません:

cpu_cores
memory_bytes
gpu_count
gpu_mode=exclusive
gpu_memory_bytes_hint
walltime_seconds
scratch_bytes

gpu_memory_bytes_hint は、v0.1 では根拠となるメタデデータ過ぎません。GPU のスケジューリングは、専用デバースの割り当てです。CPU とメモリは予約費を計算の対象であり、walltime_seconds は確強制されます。OS レベルのハードな CPU/メモリ/スクラッチ分離は、カーネルに実験専用アドミッションの論理理を加える 것ではななく、今後のサンドボックス・モージュールに委ねられます。

現時点为 v0.1 スの境界

実装済み:

• SQLite/WAL による永続的なタスク、実試行試行、依存関係、アーティファクト、イベント状態;

• 同一バッチのグラフのアトミック登録とサイクル検出;

• 送信みを跨ぐるタスク/アーティファクト参照;

• バックグラウンドでの依存関係ディスパッチ;

• 呼び出し主が宣した CPU/メモリ/GPU 予約;

• CUDA_VISIBLE_DEVICES による専用 GPU の割り当て;

• サブにプロセスの実行、キングセル、ウォールタイム制限;

• コンテンツアドレス型の不変ファイル/ディレクトリアーティファクト;

• 永続的なイベントと再接続可能なロングポール;

• リから トライ世代/フェンスー規則;

• stdig および Streamエ MCP トランスポート。

まだ堅硬化されていないもの:

• CPU、メモリ、スクラッチに対する OS レベルの cグループ/ジェクト・オブジェクトというハード制限;

• 実行中の子プロセスに手直し続けて接し直しながら、マシン/カーネルのクラッシュをいたこと (v0.1 では、途中で断れた試行を安全に失敗扱いし、明示的なリトライを必要とします) ;

• 非ローカル HTTP の露出しに対する認証;

• MCP のタスク拡スの張マッピング;

• アーティファクト・ガベージ・コレクションおよび保管ポリシー;

• リモート・ワーカソや分散指向のタスケジューリング (現時点は目標外部) :リステ。

これらの省略は意図的です。v0.2 は、オプシオナルなメニズムを加える前に、最小限のカーネルの境界を確立します。

開発

python -m venv .venv
. .venv/bin/activate
pip install -e '.[dev]'
pytest -q
ruff check .

アーキテクチャのルール

ある特機が、LinkedRun の外部へ出しても 、一般のタスクの永続化、依存関係のスケジューリング、プロセス・ライフサイクル、アーティファクトのコミット、イベントの持続性を壊さず|オれた場合は、LinkedRun の外側に残す。特に、モデルのバリデーション、リソースの予測、実験のセマンティクス、メートリクのセマンティクス、正式な結果の公表は、外部の関心ごとしません。