Většina AI agentů je postavená jako osobní asistent. Ty máš svého, kolega vedle svého, a oba si žijete ve vlastních bublinách — vlastní paměť, vlastní soubory, vlastní API klíče. Funguje to, dokud agent nezačne pracovat napříč týmem: kdy má zjistit stav projektu, napsat do společného kanálu nebo upravit dokument, na kterém pracují tři lidé najednou. V ten moment osobní asistent selže, protože neví, co dělá zbytek firmy.
Právě tenhle problém řeší QM — open-source „multiplayer agent harness" od yc-software, který se v pátek 1. srpna dostal na titulní stránku Hacker News s 543 body. Není to další chatbot. Je to infrastruktura, která umožní nasadit jednoho agenta pro celou firmu, kde každý člověk dostane svůj izolovaný prostor, ale všichni sdílejí stejný mozek, skills i integrace. Pojďme si ukázat, co přesně umí, jak ho nasadit a kdy je lepší zůstat u jednoduššího řešení.
V čem se QM liší od běžného agenta
Klasický agent — ať už Claude Code, OpenAI Codex nebo cokoliv jiného — běží v jednom kontextu. Ty s ním komunikuješ, on si pamatuje, co jste řešili, a pracuje v tvém adresáři. QM tenhle model obrací: místo jednoho kontextu má scoped architekturu.
Každý zaměstnanec má svůj vlastní scope — izolovaný workspace s vlastní pamětí, soubory, keychainem, cron úlohami a sandboxem. Zároveň existují sdílené scopy pro Slack kanály, projekty a skupinové konverzace. Agent tak ví, co řešíš ty, ale zároveň vidí, co se děje v #marketing kanálu, kde pracuje pět dalších lidí.
Druhá klíčová věc: QM je vendor-agnostic. Můžeš si vybrat, který harness agenta pohání — Pi, OpenCode, Codex i Claude Code všechny běží nad stejným jádrem. To znamená, že když ti vendor zdraží nebo přestane vyhovovat, nemusíš přepisovat celou integraci. Vyměníš jeden konfigurační soubor.
Co reálně umí v praxi
Pojďme si projít konkrétní scénáře, které QM pokrývá podle dokumentace — ne marketingové sliby, ale funkce, které mají reálný dopad na každodenní práci:
1. Triage e-mailové schránky podle tvého stylu. Agent se naučí tvůj psací styl z minulých zpráv a pak na schedule prochází doručené, štítkuje zprávy a připravuje koncepty odpovědí. Ráno přijdete a místo hodiny v Gmailu máte hotovo.
2. Práce v repozitáři napříč týmem. Agent běží testy, otevírá PR, monitoruje CI a kontroluje logy — všechno v kontextu sdíleného projektu. Když padne build na produkci, pošle update do #engineering kanálu místo aby čekal, než si toho někdo všimne.
3. Sledování projektu ve sdíleném kanálu. QM čte konverzaci, rozumí kontextu a aktivně posílá upozornění a follow-upy. Ne jako dumb bot, co reaguje na klíčová slova — ale jako účastník, co ví, na čem se pracuje.
4. Interní web aplikace. Můžeš postavit custom nástroj (např. dashboard pro sledování smluv), publikovat ho vybraným lidem a agent udržuje data aktuální.
Jak ho nasadit — prakticky
Celý deployment běží z CLI. Základní flow vypadá takto:
# Inicializace deploymentu pro tvou organizaci
npm exec --yes --package=@yc-software/qm@latest -- \
qm init . --org <tvoj-slug> --target <fly-or-aws>
npm install
Příkaz qm init vytvoří deployment directory — adresář, který obsahuje veškerou konfiguraci specifickou pro tvou firmu: org config, vlastní tools a skills, sandbox image, infrastrukturu. Zdrojový kód jádra přitom nikde nestahuješ. To je zásadní rozdíl oproti klasickému forkování.
Každý deployment běží ve tvém vlastním cloudovém účtu (Fly.io nebo AWS). Data leží v Postgresu, který ty kontroluješ — žádný vendor lock-in na SaaS. Architektura je přímočará: headless core (Fastify + Node) má agent loop, co může používat různé harnessy, a per-scope sandbox, kde běží nástroje a přihlášené služby. Nad tím sedí volitelné pluginy — web UI, admin panel, Slack.
Pro větší organizace existuje možnost private forku: naklonuješ si celý repozitář do privátního repo, core zůstává byte-identický s upstreamem a veškeré firemní specifikum žije v deploy/layers/<org>/. Aktualizace z upstreamu pak řeší skill update-qm, co otevře sync PR.
Bezpečnost: tři režimy, které rozhodují
Tady je část, kterou si přečti pozorně. QM funguje na principu, že agent jedná jako člověk, za kterého pracuje — s jeho credentials a oprávněními. Všechno je auditované, ale to znamená, že bezpečnostní postoj musíš nastavit vědomě. Existují tři úrovně:
- Strict — každý tool call se pozastaví a čeká na lidské schválení. Pomalé, ale bezpečné. Vhodné pro produkční databáze nebo finanční systémy.
- Auto (default) — klasifikátor screenuje externí data a tool výsledky dřív, než se dostanou k modelu. Můžeš ho nasměrovat na vlastní screening proxy. Tady se odehrává většina reálné práce.
- Dangerous — žádný screening, žádné pauzy. Použij jen pro izolované experimenty, ne pro produkci.
Kromě toho existuje predeclared command policy — tvrdá pravidla, co agent nikdy nesmí udělat, bez ohledu na režim. Rekurzivní mazání souborů, destruktivní SQL — tohle je zakázané i v Dangerous módu. Threat model je zdokumentovaný v SECURITY.md, včetně známých limitací. Pokud něco nasazuješ do produkce, přečti si ho.
Kdy je QM overkill
Upřímně: QM není pro každého. Pokud jsi freelance developer nebo máš tým tří lidí, kteří stejně dělají každý něco jiného, osobní agent (Claude Code, Codex) ti bude stačit a setup ti zabere pět minut místo dvou dnů.
QM dává smysl, když: máš 10+ lidí, kteří pracují na propojených projektech; potřebuješ sdílený kontext napříč kanály; chceš centrální kontrolu nad tím, jaké modely a harnessy tým používá; nebo už jsi narazil na limity osobních agentů, když se objeví kolaborativní úkol.
Verdikt
QM řeší reálný problém, který se objeví, jakmile AI agenti přestanou být hračkou jednoho vývojáře a stanou se součástí týmového workflow. Architektura je čistá — scoped isolation, vendor-agnostic harness, auditovaný přístup k credentials. Bezpečnostní režimy dávají flexibilitu bez toho, aby ses vystavil riziku.
Háček je provozní cena: nasazení a údržba vyžaduje někoho, kdo rozumí Dockeru, Postgresu a cloud infrastrukturu. Není to „zapni a funguj". Ale pokud tvůj tým už překročil fázi, kdy si každý bastlí vlastního agenta, a potřebuješ sdílenou platformu, je QM v srpnu 2026 jeden z nejpromyšlenějších open-source nástrojů, co můžeš najít — a na rozdíl od SaaS řešení zůstává pod tvou kontrolou.
