01中心課題とニーズ
AI Agent 缺乏可靠的文档与规则约束机制：无法强制 Agent 遵守既定指令（如指定用 jq 而非临时写 Python 脚本解析 JSON），且跨 Agent 协作时缺少统一、可编辑、可追溯的文档来源，导致行为不一致、重复犯错。
02プロダクト解決策
提供一套 Agent 规则引擎与文档中心：1）规则定义 DSL，支持自然语言与结构化规则，可强制 Agent 在特定任务中调用指定工具（如 jq）；2）规则版本控制与审计日志，确保可追溯；3）跨 Agent 共享的规则库，支持实时同步与冲突检测；4）运行时拦截与纠正，当 Agent 违反规则时自动阻断并提示；5）与主流 Agent 框架集成，提供 SDK 和 API。
03収益化と事業モデル
采用 SaaS 订阅模式，按 Agent 数量或规则执行次数收费；提供免费社区版（限制规则数和 Agent 数），企业版支持私有化部署、审计日志、SSO 等高级功能；同时提供专业服务（规则咨询与集成）。
04アクション
- 1Step 1:调研 50 个多 Agent 开发团队，验证规则约束的痛点频率和现有解决方案。
- 2Step 2:设计规则 DSL 和运行时拦截架构，构建 MVP 支持 LangChain 和 AutoGen。
- 3Step 3:开发规则中心与版本控制功能，实现跨 Agent 规则同步和审计日志。
- 4Step 4:在 GitHub 上开源核心 SDK，吸引早期开发者，收集反馈。
- 5Step 5:推出免费社区版，通过技术博客和社区运营获取种子用户。
- 6Step 6:迭代企业版功能，包括私有化部署、SSO 和高级分析。
- 7Step 7:与主流 Agent 框架官方合作，成为推荐规则引擎。
05リスク
主要风险包括：1）主流 Agent 框架可能内置类似功能，形成竞争；2）规则引擎可能增加延迟，影响 Agent 性能；3）开发者可能倾向于使用简单提示词而非额外工具；4）规则 DSL 设计复杂，学习成本高；5）市场教育成本较高，需要证明规则约束的长期价值。