Skip to main content
Glama
deenesjakoruzh
no-human-ai

no_human

by no-human-ai
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

no_human

チケットからレビュー済みプルリクエストへ。無料・オープンソース、あなたのマシン上で動作。

latest release CI python 3.12+ license MIT

getnohuman.com · クイックスタート · ドキュメント · スプリントでの動作を見る

Download for macOS Download for Windows Download for Linux

▶ ループを見る — チケットが入り、レビュー済みプルリクエストが出るまで、全体のループを57秒で。

あなたが信頼できるAIコーディングファクトリー:

  • コードの前に計画 — チケットとリポジトリから見つけた情報に基づいて計画を立てます。

  • 敵対的レビュー。 別のモデル、新しいコンテキスト、読み取り専用ツールで「完了」を反論するよう指示されます。ファイルと行番号を引用した合格/不合格のチェックリストが届きます — 数値による自己採点はありません。

  • 改ざん防止。 削除されたテスト、新たなスキップ、恒真式に変えられたアサーション — レビューアのトークンが使われる前にブロックされます。

  • 修正がバグを直した証拠。 バグ修正の場合、証拠として提示されるテストはマージベースで失敗し、新しいツリーでは成功しなければなりません — 再現ゲートがそれを強制し、すべての変更でそれを必須にすることもできます。

  • あなたのテストを実行 — ローカルで、オプションでCI経由でも。

  • 正直な停止。 完了できない場合、もっともらしい差分をでっち上げるのではなく、具体的な質問を1つ残して停止します。

インストール

どの方法でインストールする場合でも、Claudeの認証情報が必要です: claude setup-token からのOAuthトークン(個人サブスクリプションまたはエンタープライズ)。そのため、まずClaude Code CLIをインストールしてください — npm install -g @anthropic-ai/claude-code、または curl -fsSL https://claude.ai/install.sh | bash。デスクトップアプリもすべてのタスクでそのCLIを呼び出します。代わりにAnthropicに直接支払うには、llm.auth_mode: "api_key" を設定し、ANTHROPIC_API_KEY を ~/.no_human/.env に置きます。

ワンライナー (CLI + ボード)

uv tool install no-human   # or: pipx install no-human — the wheel ships the board
nh init && nh doctor       # token, config, first repo; then prove the install is real

デスクトップアプリ

Download for macOS Download for Windows Download for Linux

各リリースにはアーティファクトとともにSHA-256が同梱されます。プラットフォーム別の注意事項と初回実行のウォークスルー: docs/quickstart.md。

ソースから

git clone https://github.com/no-human-ai/no_human.git && cd no_human
uv sync                 # installs the `nh` entry point into .venv
(cd web && npm install && npm run build)   # builds the board (cold first install can take minutes)
uv run nh init          # token, config, first repo (about 2 minutes)
uv run nh doctor        # verify the install is real before relying on it

ボードを使いたい場合、web ビルドは必須です: ソースチェックアウトには web/dist が含まれていないため、それがないと nh start はAPIのみを提供し、UIをレンダリングしません。Python 3.12+、uv、git、そしてボードビルド用のNodeとnpmが必要です。

Related MCP server: letmediff

単一タスクを実行

引数なしで nh を実行するとシェルが起動します: レーン、ライブイベントテール、そしてプレーンな英語でタスクを説明するインテーク。以下のすべてのコマンドも引き続き機能します。

nh                                   # the shell
nh start                             # board + worker on 127.0.0.1:8420
nh task add https://github.com/org/repo/issues/42 --repo ~/git/repo
nh status                            # needs-you / working / waiting / done
nh review <id>                       # the reviewer's evidence checklist
nh diff <id>                         # the diff it wants to ship
nh approve <id>                      # your approval squash-lands the PR (git.approve_identity)
nh reject <id> --reason "..."        # send it back with feedback

統合

no_human を既存のトラッカーに接続すると、チケットをボードに取り込みます — トラッカーのフィルターはタスク自身のテキストではなく設定に置かれ、トランスポートエラーはプールをクラッシュさせる代わりにログを記録して次のティックで再試行します。

トラッカー

チケットの到着方法

設定するフィルター

Jira Cloud

REST search/jql でポーリング (HTTP Basic email:token)

integrations.jira.jql

Linear

GraphQL API でポーリング

integrations.linear.team_key + state_types + label

monday.com

GraphQL v2 でポーリング

integrations.monday.board_id + status_column + todo_labels

書き戻しが有効な場合(write_back、デフォルトではオフ)、チケットはタスクとともに移動します — ステータスカテゴリ、タイプ、または指定したラベルで照合され、ハードコードされた遷移IDは使用されません — そしてPRリンクが取得されます。人間の対応が必要なタスクはコメントされ、遷移されることはありません。GitHubとGitLabのイシューはURLでタスクとしてインポートされ、PRまたはMRは自分のホストで開きます。SlackとTeamsはタスクがあなたを必要とするときにメッセージを受信し、JenkinsとCircleCIはテストレイヤーを実行してループをゲートできます。それぞれのセットアップ: docs/adapters.md。

Jiraフローを最初から最後まで見る — Jiraボードから同期されたチケットが、スコープ設定、実装、レビュー合格のプルリクエストとして配信されるまで(クリックで全ステップの完全なビデオ):

Jira flow demo

MCPサーバー — 既に使っているエージェントから作業を渡す

no_human にはMCP (Model Context Protocol) サーバーが同梱されています: 公式Python MCP SDK上に構築されたstdioブリッジで、Claude Code、Cursor、または任意のMCPクライアントがローカルのno_humanに作業をファイルし、その状態を確認できます。

nh mcp-serve        # the MCP server, over stdio

ツールは2つだけ、それ以上はありません:

ツール

機能

task_add(title, description, repo_path)

タスクをファイル化します。no_human はそれを計画し、変更を書き、テストを実行し、別のモデルにレビューさせ、プルリクエストを開きます。

task_status(task_id_or_external_id)

そのタスクの現在の状態を返します — ステータス、試行回数、PRリンク(あれば)。

これはあなた自身のno_humanと http://127.0.0.1:8420 でのみ通信し、それ以外とは通信しません: 認証はありません。そのアドレスはlocalhostだからです。また、私たちのサービスは間に介在しません。Claude Codeの場合、同じサーバーがプラグインとして同梱されています — plugins/no-human/ を指定すると、セッションに2つのツールが表示されます。

// .mcp.json
{ "mcpServers": { "no_human": { "command": "nh", "args": ["mcp-serve"] } } }

ドキュメント

quickstart.md

プラットフォーム別の最初のタスクまで

configuration.md

すべての設定とデフォルト

verification.md

ゲート、制限付きループ、制限

security.md

認証境界、マージ禁止ルール、ガード

blockers.md

エスカレーション、ウェイクウォッチャー、nh reply

adapters.md

インテーク、コンテキスト、VCSとCIバックエンド

eval.md

ゴールデンセット、リプレイスコアリング、シャドウモード

CHANGELOG.md

リリースごとの変更点

開発

uv sync
uv run pytest -q
uv run nh --help

イシューとプルリクエスト歓迎。提出前に uv run pytest -q を実行してください。

no_human がレビューサイクルを節約してくれたなら、スターが他の人が見つける助けになります: GitHub stars

ライセンス

MIT — LICENSE を参照。ライセンスはコードを対象とし、名前は対象外です: TRADEMARK.md は「no_human」とロゴの使用に関するポリシーです。バイナリのパッケージングにはソースツリーにはない義務が伴います。詳細は THIRD-PARTY-NOTICES.md に記載されています。

Available Tools

2 tools
task_addA

Create a no_human task via POST /api/tasks (source="mcp"). Returns compact JSON {"task_id": str, "source": str} — source is whatever the server actually stored (the "mcp" source is first-class, see module docstring).

ParametersJSON Schema
NameRequiredDescriptionDefault
titleYes
repo_pathYes
descriptionYes

Output Schema

ParametersJSON Schema
NameRequiredDescription
resultYes

TDQS

A3.9/5.0
Behavior4/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

No annotations are provided, so the description must disclose behavioral traits. It does so by specifying the return format (compact JSON) and noting that the source is whatever the server actually stored, which informs the agent of potential variability. It also mentions the source is first-class, referencing module docstring, which adds context. However, it does not discuss side effects, error states, or idempotency, but given it's a creation endpoint, the info is reasonably transparent.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is concise, two sentences, and front-loaded with the core purpose. Every sentence adds value: the first states the action and endpoint, the second clarifies the response format and a behavioral nuance. No wasted words.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness4/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Given the tool is simple (3 required params, no nested objects), and there is an output schema (though not provided in the input), the description is fairly complete. It covers the endpoint, source handling, and return format. It could mention potential errors or idempotency, but for a POST creation endpoint, it covers the essentials. The absent annotation makes it carry more weight, but it handles that well.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters4/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

The schema has 0% description coverage, so the description must compensate. It explains that the 'source' parameter (implied by the endpoint) is set to 'mcp' and describes the response, but it does not provide specific details on 'title', 'description', or 'repo_path' beyond what's in the schema. However, it adds value by clarifying the 'source' semantics and response structure, which is useful for the agent. Since all parameters are required and self-explanatory from their names, the description's addition is reasonably helpful.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose4/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool's purpose: creating a no_human task via a specific endpoint and source. It clearly distinguishes from the sibling tool 'task_status' which presumably handles status queries, by focusing on task creation. It uses a specific verb ('Create') and specifies the resource ('task'), making it clear.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines3/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

The description implies when to use this tool (to create a no_human task) but does not explicitly contrast with alternatives. Since there is only one sibling and no elaboration on when not to use it, it only provides moderate guidance. It does not mention any prerequisites or conditions for use.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

task_statusA

Fetch a task's full current state via GET /api/tasks. Resolves by task id (or unique id prefix) first; if that 404s, falls back to matching external_id across the task list (GET /api/tasks does not index by external_id, so this is a client-side scan). Returns the complete task object as compact JSON.

ParametersJSON Schema
NameRequiredDescriptionDefault
task_id_or_external_idYes

Output Schema

ParametersJSON Schema
NameRequiredDescription
resultYes

TDQS

A4.8/5.0
Behavior5/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

With no annotations, the description fully carries the burden and discloses important non-obvious behavior: resolution by task id or unique prefix, fallback to a client-side external_id scan, and the reason for that fallback. This gives the agent accurate expectations.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is three sentences with no filler. Each sentence adds functional value: the endpoint, the lookup strategy, and the return format.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness5/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Given the single parameter, presence of an output schema, and absence of annotations, the description is sufficiently complete. It covers the lookup method, fallback behavior, and return representation without needing to describe output schema fields.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters5/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

The input schema provides only the parameter name and type with no description, and schema description coverage is 0%. The description compensates fully by explaining that the parameter accepts a task id, unique id prefix, or external_id and by detailing the resolution order.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose5/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool fetches a task's full current state via a specific endpoint. It uses a precise verb and resource, and the read-oriented purpose distinguishes it from the sibling task_add.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines4/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

It provides clear context for when to use the tool: whenever a task's current state is needed. It does not explicitly name alternatives or exclusions, but the intended use is evident.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

  1. 2 tool updatesv0.1.0
    • First observedtask_add
    • First observedtask_status
Deploy Server
One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

TDQS

A4.1/5.0

Scored across 2 tools

Disambiguation5/5

task_add creates a task while task_status retrieves the current state of a task; their purposes are entirely distinct with no overlap. An agent would not confuse which tool to call.

Naming Consistency4/5

Both tools share a consistent task_ prefix and use snake_case, so they form an obvious family. The minor deviation is that one second token is a verb (add) while the other is a noun (status), but at only two tools this is easy to parse.

Tool Count3/5

Two tools is on the thin side for a task-management server, though the narrow create-and-check scope keeps it acceptable. It falls in the borderline range rather than feeling egregiously over- or under-built.

Completeness3/5

The domain appears to be task management, and the server supports creation plus status lookup, which covers the core add-and-monitor workflow. Missing operations include list, update, cancel/delete, and resubmission, which are notable but work-around-able for a minimal no_human API.

Maintenance

ActivityActive
ResponsivenessResponsive

Resources

Related MCP Connectors

Related MCP Servers