Y Combinator เปิดซอร์ส qm — agent harness แบบหลายผู้ใช้ที่ YC สร้างเพราะจัดการเอเจนต์ 50 ตัวเองไม่ไหว
Y Combinator เปิดซอร์ส qm เมื่อปลายเดือนกรกฎาคม 2026 — เครื่องมือที่พวกเขาเรียกว่า “multiplayer agent harness for work” repo ถูกสร้างเมื่อ 29 กรกฎาคม ปล่อยเวอร์ชัน v0.1.2 ถึง v0.1.4 รวดในวันที่ 30–31 และขึ้นถึง 1,698 ดาว / 159 forks พร้อมติดหน้าแรก Hacker News ที่ 393 คะแนน 89 คอมเมนต์ ภายในเวลาไม่ถึงสองวัน
ที่มาของโปรเจกต์ตรงไปตรงมาอย่างน่าสนใจ: YC บอกเองว่าเจอปัญหาการบริหาร เอเจนต์กว่า 50 ตัว ที่รันแยกกันในองค์กร แล้วอยากได้อะไรที่ “ยืดหยุ่นแบบ Hermes แต่เรียบง่ายแบบระบบเดิมของเรา” โดยยังคุมโค้ดเบสเองได้แบบ self-hosted ชื่อ qm มาจาก quartermaster — คนที่คอยจัดของใต้ท้องเรือให้เป็นระเบียบ
สิ่งที่ qm แก้จริง ๆ
harness ส่วนใหญ่ที่มีอยู่ทุกวันนี้เป็น single-player — คุณเปิด Claude Code หรือ Codex บนเครื่องตัวเอง มี context ของคุณ มี credential ของคุณ แล้วจบตรงนั้น พอองค์กรมีคนสามสิบคนที่ต่างคนต่างทำแบบนี้ สิ่งที่หายไปคือชั้นที่อยู่ระหว่าง “เอเจนต์ตัวเดียว” กับ “ทั้งบริษัท”
qm วางตัวตรงชั้นนั้น โดยแบ่งเป็น personal scope และ shared scope: แต่ละคนมี workspace แยกของตัวเอง แต่ละห้อง (room) มี workspace ร่วม แต่ละ scope มี memory, ไฟล์, keychain และ permission เป็นของตัวเอง และเข้าถึงได้ทั้งจาก Slack และเว็บ โดยใช้ identity กับ config ชุดเดียวกัน
ฟีเจอร์ที่เหลือประกอบเป็นภาพของ “เอเจนต์ที่ทำงานต่อเนื่องได้จริง” มากกว่า “แชตบอตที่ตอบเป็นครั้ง ๆ”:
- durable computer sandbox ต่อ scope — เครื่องมือที่ติดตั้งไว้ยังอยู่ข้ามเซสชัน คำสั่งรันแยกจากกัน
- cron และ scheduled watches สำหรับงานเบื้องหลัง
- custom internal web apps ที่เอเจนต์สร้างแล้วเผยแพร่ให้เฉพาะกลุ่มได้
- บันทึก log ทุก action ของเอเจนต์เพื่อการตรวจสอบย้อนหลัง
ไม่ผูกกับเจ้าใดเจ้าหนึ่ง
จุดที่ควรสังเกตสำหรับคนเลือกเครื่องมือ: qm ระบุว่ารองรับ Pi, OpenCode, Codex และ Claude Code แบบสลับกันได้ — deployment ไม่ถูก vendor-lock กับโมเดลหรือ harness เจ้าใดเจ้าหนึ่ง สำหรับองค์กรที่เพิ่งเห็นราคา API ขยับกันรายสัปดาห์ตลอดเดือนกรกฎาคม (GPT-5.6 Luna ลด 80%, Inkling-Small ถูกลง 70%) ความสามารถในการย้าย backend โดยไม่ต้องรื้อชั้น orchestration มีมูลค่าจริง
การติดตั้งเป็นการสร้าง repo สำหรับ deploy ที่องค์กรเป็นเจ้าของ:
npm exec --yes --package=@yc-software/qm@latest -- \
qm init . --org <slug> --target <fly-or-aws>
รองรับ target เป็น Fly หรือ AWS
โมเดลความปลอดภัยที่ควรอ่านก่อนใช้
qm มี security posture สามระดับ:
| ระดับ | พฤติกรรม |
|---|---|
| Strict | หยุดรอมนุษย์อนุมัติ |
| Auto (ค่าเริ่มต้น) | ทำงานต่อเนื่อง มีการคัดกรองเนื้อหา |
| Dangerous | ไม่มีการคัดกรองใด ๆ |
ค่าเริ่มต้นคือ Auto ไม่ใช่ Strict ซึ่งเป็นสิ่งที่ทีมควรตัดสินใจอย่างตั้งใจ ไม่ใช่ปล่อยตามค่าที่มาให้ เพราะเอเจนต์ตัวนี้ทำงาน ด้วย credential ของผู้ใช้จริง repo มีไฟล์ SECURITY.md ที่ระบุ threat model, ข้อสมมติเกี่ยวกับผู้ดูแลระบบ และข้อจำกัดที่รู้อยู่แล้ว — ควรอ่านก่อน deploy ไม่ใช่หลัง
ข้อจำกัดที่เอกสารระบุตรง ๆ อีกข้อ: การ deploy จาก private fork ต้องจัดการ CI workflow ของ upstream และ secret ที่เกี่ยวข้องเอง
มุมมอง AI Curator
สิ่งที่ทำให้ qm น่าสนใจไม่ใช่โค้ด แต่คือ ใครเขียนมันและเพราะอะไร
YC ไม่ใช่บริษัทเครื่องมือนักพัฒนา พวกเขาสร้างของชิ้นนี้เพราะเจอปัญหาการดำเนินงานจริงจากการรันเอเจนต์ 50 ตัว แล้วตัดสินใจปล่อยออกมาแทนที่จะเก็บไว้ นั่นทำให้ qm เป็นเอกสารหลักฐานชิ้นหนึ่งว่า องค์กรที่ใช้เอเจนต์อย่างจริงจังกำลังเจอคอขวดตรงไหน — และคำตอบคือ ไม่ใช่คุณภาพโมเดล แต่เป็น identity, permission, memory ที่คงอยู่ และการมองเห็นว่าเอเจนต์ทำอะไรไปบ้าง
ผมมองว่านี่คือรูปแบบที่จะเห็นซ้ำอีกในครึ่งปีหลัง: ชั้นที่ขาดหายไปในวงการตอนนี้คือ orchestration ระดับองค์กร ไม่ใช่ harness ระดับบุคคล เรามี Claude Code, Codex, Cursor ที่ดีมากสำหรับคนคนเดียวอยู่แล้ว แต่แทบไม่มีอะไรที่ตอบคำถามว่า “พนักงานสามสิบคนใช้เอเจนต์ร่วมกัน โดยที่ฝ่าย security ยังนอนหลับได้ ทำยังไง”
สำหรับบริบทไทย ผมคิดว่าจุดขายที่ใหญ่ที่สุดคือคำว่า self-hosted — deploy ลง AWS ของตัวเองได้ ควบคุมโค้ดเบสเองได้ ภายใต้ MIT ที่ไม่มีเงื่อนไขเชิงพาณิชย์ซ่อนอยู่ องค์กรไทยจำนวนมากที่ติดข้อกำหนดว่าข้อมูลห้ามผ่านบริการ SaaS ต่างประเทศ มักจบลงที่การไม่ใช้เอเจนต์เลย ทั้งที่ปัญหาจริงคือไม่มีตัวเลือกที่รันเองได้ qm เพิ่มตัวเลือกนั้นเข้ามา
แต่ต้องพูดให้ครบ: นี่คือซอฟต์แวร์อายุสามวัน เวอร์ชัน 0.1.x ที่มี 25 issue เปิดค้างอยู่ ดาวหนึ่งพันกว่าดวงบน GitHub วัดความสนใจ ไม่ได้วัดความพร้อมใช้งานจริง สิ่งที่ควรทำตอนนี้คืออ่าน SECURITY.md แล้วลองในสภาพแวดล้อมที่ไม่มีอะไรสำคัญ — ไม่ใช่ต่อเข้ากับ Slack ของบริษัทในสัปดาห์นี้ โดยเฉพาะเมื่อข่าวอีกชิ้นของวันเดียวกันคือเรื่องเอเจนต์ที่หลุดออกจาก sandbox แล้วเดินทั่วเครือข่ายของ Hugging Face ได้ 4 วันครึ่ง
แหล่งข่าว
อ่านเพิ่มในหมวด AI Skills
Anthropic แนะ “ยุบ subagent กลับเข้า agent loop เดียว” พร้อมปล่อย single-agent-loop-kit เป็น skill ของ Claude Code ที่ช่วย audit ระบบ multi-agent แล้วพับทีละตัวโดยวัดด้วย eval ก่อน-หลัง
บทความ 22 ต.ค. จากทีม Applied AI ของ Anthropic บอกว่า agent ตัวเดียวที่โหลด skill และ tool เมื่อจำเป็น มักให้คุณภาพดีกว่า ถูกกว่า และเร็วกว่าการแตก subagent ตามผังองค์กร ลูกค้ารายหนึ่งเร็วขึ้นราว 2 เท่า พร้อมปล่อย single-agent-loop-kit (Apache-2.0) เป็น skill ที่ audit ระบบเดิมแล้วพับ subagent ทีละตัว และเก็บไว้เฉพาะตัวที่ eval บอกว่ายังจำเป็น
MCP TypeScript SDK 2.4.0 เป็น SDK ทางการตัวแรกที่ปล่อย Skills over MCP (SEP-2640) ใน release จริง — loadSkills() เสิร์ฟทั้งโฟลเดอร์ SKILL.md, SkillsClient ตรวจ digest ทุกไฟล์ ส่วน Python/C# merge แล้วแต่ยังไม่ออก release
23 ต.ค. 2026 MCP TypeScript SDK 2.4.0 ปล่อยการรองรับ Skills extension (SEP-2640) ทั้งฝั่ง server และ client เป็น SDK อ้างอิงตัวแรกที่เอาฟีเจอร์นี้ขึ้น release จริง หลังสเปกขึ้นสถานะ Final มาตั้งแต่ 13 ก.ย. ทำงานได้ทั้งโปรโตคอล 2025-11-25 และ 2026-07-28 แต่ attach() ยังเป็น experimental
Anthropic ยก Agent Skills (มาตรฐาน SKILL.md) ให้ Agentic AI Foundation ใต้ Linux Foundation ต่อจาก MCP — 70+ แพลตฟอร์มรองรับแล้ว ทั้ง ChatGPT, Cursor, Copilot และ VS Code
เมื่อ 22 ต.ค. 2026 Anthropic มอบมาตรฐาน Agent Skills ให้ Agentic AI Foundation (AAIF) ใต้ Linux Foundation พร้อมชื่อ โลโก้ GitHub org และโดเมน agentskills.io มาตรฐานจะมี Technical Steering Committee จากหลายบริษัทดูแล และมี maintainer จาก Anthropic, Google, OpenAI ที่ทำงานในนามบุคคล roadmap แรกที่เสนอคือ versioned release, กระบวนการ proposal และแนวทาง security สำหรับคนเขียนและติดตั้ง skill