Smart AIPI 上の Pi-Mono: Grill-Me、Superpowers、Caveman で動かす、最安の軽量 coding agent

lean-agent movement には旗艦があります。Pi-Mono は Mario Zechner（libGDX の作者）が作った terminal coding harness pi の monorepo で、coding agent を本質部分まで削ぎ落とし、残りを extension に押し込む設計です。Zechner は Mastra の講演 "I Hated Every Coding Agent, So I Built My Own" でこう述べています。既存の harness は、開発者の80%が触らない機能まで載せた spaceship であり、system prompts はリリースのたびに変わって、丁寧に積み上げた個人ワークフローを壊してしまう、と。

Pi の答えは radical minimalism です。4つのツール、フル YOLO mode、batteries included なし。完全性より hackability。Smart AIPI の pay-as-you-go OpenAI-compatible endpoint 上では、この minimalism が、今日出荷されている serious agentic coding setup の中で最安クラスの構成にそのままつながります。

Pi-Mono は実際には何か

Pi-mono は monorepo です（github.com/badlogic/pi-mono、ミラーは earendil-works/pi）。CLI binary は単に pi です。repo は、いくつかの集中した package に分解されています。

• pi-agent-core — runtime。tool calling、state、実際の agent loop を担当します。
• pi-ai — 単一化された provider library です。Anthropic、OpenAI-compatible、Bedrock、Vertex、Mistral、Groq、Cerebras、xAI、DeepSeek、OpenRouter、Hugging Face、Ollama、そしてさらに十数個以上と通信します。重要なのは、context を書き換えて session の途中で provider を切り替えられる ことです。state を失いません。
• pi-tui — differential-rendering の terminal UI です。
• pi-coding-agent — 各要素を結びつける user-facing の CLI です。

default の tool surface は、以下の4つだけです。

それ以上のもの、つまり subagents、plan mode、permission gates、MCP servers、sandboxing は pi-skills や third-party extension 側にあり、opt-in です。Pi は default で full YOLO mode で動きます。permission prompt はなく、filesystem と shell も無制限です。これは意図的な選択です。安全策が必要なら、自分で追加します。

なぜ Pi-Mono と Smart AIPI は相性が良いのか

Pi の pi-ai library は、すべての provider を OpenAI-shaped あるいは Anthropic-shaped の endpoint として、共通 interface の背後に扱います。Smart AIPI の gateway は、chat、responses、embeddings、images、audio、anthropic-shaped messages を含む OpenAI surface 全体を、単一の base URL と単一の API key で公開します。この2つの設計はきれいに噛み合います。

• 1つの key で、すべての model. 同じ Smart AIPI API key で GPT-5.5、GPT-5.4、GPT-5.4-mini、GPT-5.3-codex、GPT-Image-2、そして Anthropic-compatible な Claude routing が使えます。Pi は session の途中でそれらを切り替えられます。
• Pay-as-you-go pricing. subscription なし、quota なし、throttle なし。実際に計算した tokens に対してだけ支払います。Pi の小さな system prompt により、毎 turn の standing context コストは feature-heavy な harness より低くなります。
• End-to-end prompt cache. Smart AIPI は OpenAI の prompt-cache key を gateway 越しにそのまま保持するため、repo + agents.md + history は長い session をまたいでも cache に残ります。実運用の cache hit rate は 95〜98% で、cached input は $0.125 / 1M tokens になり、uncached より 10倍安くなります。
• WebSocket session preservation. 長い pi-mono session でも、毎 turn に full input price を払うのではなく、1つの warm cache に乗ったまま継続できます。

Pi-Mono を完成させる3つの skill

Pi は、task planning、engineering methodology、output compression の layer を意図的に何も積んでいません。これは欠点ではなく、核心です。community は、/skill:name という invocation pattern で Pi に差し込める composable skill によって、この3つの穴を埋めてきました。最初の日に入れる価値があるのは次の3つです。

1. Grill-Me — High-Reasoning の task creation

場所: github.com/mattpocock/skills、Matt Pocock 作。

grill-me は名前の通りに動きます。model が task についてあなたを徹底的に質問し、すべての constraint が曖昧でなくなるまで掘り下げます。対象 file はどれか。success criteria は何か。edge case は何か。「完了」とは何を意味するのか。通常は3〜5回の短いやりとりです。あなたが答え、skill が実行可能な tight spec を返します。

経済的に賢い使い方は、spec phase だけ high reasoning で grill-me を動かし、その後の execution phase（30〜100回の安価で mechanical な作業）では low reasoning に落とすことです。high reasoning は本当に必要な箇所にだけ効かせ、残りは low reasoning が担います。Pi-mono の4ツール loop はこのパターンに特に向いています。spec が固まれば、model は read/write/edit/bash を通ってそのまま ship できます。

2. Superpowers — skill としての engineering methodology

場所: github.com/obra/superpowers、Jesse Vincent 作。

Superpowers は「composable skills の集合の上に構築された、coding agents 向けの完全な software development methodology」です。TDD scaffolding、code-review playbook、debugging procedure、refactoring pattern、branch-management discipline が含まれます。これは、Pi が core にあえて組み込まない explicit な engineering process です。

しかも harness-agnostic です。同じ skill pack が Claude Code、Cursor、Copilot CLI、Gemini、Codex、Pi で動きます。1回入れれば、どの harness でも持ち運べます。Pi の plug-and-play な skill loader により、Pi の source を触らずに、minimal core の上へ methodology 全体を載せられます。

3. Caveman — output-token killer

場所: Matt Pocock の skills repo（productivity section）。

Caveman は agent を ultra-compressed communication mode に切り替えます。記事を削る。埋め草を削る。telegraphic bullet で返す。formal English なし、謝罪なし、前置きなし。prose-heavy な turn における実測の token 削減はおよそ 75% です。

なぜこれが請求額を大きく下げるのか。GPT-5.5 では output tokens が $7.50 / 1M、cached input が $0.125 / 1M で、比率は60倍です。output を圧縮することは、coding-agent の請求書に対して最もレバレッジの高い施策です。grill-me + low reasoning で output はすでに減っています。そこに caveman を重ねると、残りも圧縮されます。これを Smart AIPI の cache と組み合わせると、追加の1 turn の marginal cost は model の compute envelope の下限に近づきます。

複利で効くコストの話

Smart AIPI の GPT-5.5 料金:

grill-me による spec 作成が済み、caveman を有効にした GPT-5.5 low reasoning の pi-mono turn は、次のような構成になります。

• Cached input prefix（repo + agents.md + history）— 1 turn あたり通常もっとも大きい token bucket ですが、cache が hit するたびに uncached rate ではなく cached rate で計算されます。
• New uncached input（tool result、最新の user message）— 通常は input のごく一部で、full rate で課金されます。
• Output — caveman によって圧縮され、low reasoning のため reasoning tokens も最小です。これは 1 token あたりの単価が最も高いため、最も削る価値がある項目です。

pay-as-you-go では、計算した分だけ支払います。そしてこの3つのレバーは複利で効きます。自分の dashboard では、repo と prompt shape に対する実際の per-turn 数値が見えます。上限もなく、throttle もなく、monthly minimum もありません。

Session の途中で provider を切り替える: Pi の隠れた強み

Pi-ai は portable な context representation を保持していて、今向いている provider に合わせて書き換えられます。実用的には、GPT-5.5 で hard ambiguity にぶつかったとき、会話を失わずに task の途中で /model claude-sonnet-4.6 に切り替えて、別の視点を得られるということです。どちらの endpoint も単一の Smart AIPI key の背後にあり、Anthropic-compatible な Claude の response は /v1/messages、OpenAI-compatible な flow は /v1/responses（または /v1/chat/completions）を通り、Pi が変換を透過的に処理します。

長くて重要な refactor では、このパターンは本当に役立ちます。spec は GPT-5.5 high の grill-me で作り、execution は GPT-5.5 low、architectural review は Claude Sonnet 4.6 で1回だけ確認し、最後に GPT-5.5 low に戻して仕上げる。1つの harness、1つの API key、1つの請求です。

60秒でセットアップする

# 1. pi をインストールする
curl -fsSL https://pi.dev/install.sh | sh
# or:  npm install -g @earendil-works/pi-coding-agent

# 2. Smart AIPI を指定する
export OPENAI_BASE_URL=https://api.smartaipi.com/v1
export OPENAI_API_KEY=sk-your-smartaipi-key

# 3. 自分の repo で pi を起動する
cd ~/code/your-project
pi

# 4. pi の中で skill を入れる
/skill:install matt-pocock/skills/grill-me
/skill:install obra/superpowers
/skill:install matt-pocock/skills/caveman

# 5. task を spec 化する
/skill grill-me

# 6. low reasoning に落として実行する
/model gpt-5.5 --reasoning-effort low
/skill caveman

skill の install 構文は、使っている skill loader によって少し違います。最新の invocation は各 skill repo の README を確認してください。形は同じです。skill folder を config に入れて、invoke するだけです。

なぜ Lean Agent + Lean API は複利で効くのか

feature-rich な harness は、毎 turn に大きな system prompt を読み込み、追加の deliberation pass を回し、ユーザーが求めていない verbose な説明まで出します。これらはすべて tax です。Pi-mono は harness 側の tax を削ります（小さな system prompt、4ツール loop、過剰設計された planning layer なし）。caveman + low reasoning は model 側の tax を削ります（圧縮された output、最小限の reasoning tokens）。Smart AIPI は provider 側の tax を削ります（cached input が 10倍安い、subscription floor なし）。どれか1つだけでは 10倍の勝ちにはなりませんが、組み合わせると、長期的な agentic project の実行コストを本当に変えます。

Pi の世界観 — 「agent を workflow に合わせろ。逆ではない」— は、Smart AIPI の世界観 — 「実際に計算した分だけ払え」— と噛み合います。subscription cap にぶつかっている、あるいは一度も触らない harness 機能に金を払っているなら、この組み合わせを試す価値は1回の午後分あります。Sign up して key を作り、OPENAI_BASE_URL を設定し、pi を入れ、3つの skill を入れて、何かを ship してください。

始める — サインアップで $5 無料

1. Sign up at smartaipi.com/signup（無料 $5、credit card 不要）
2. Create an API key を dashboard で作成する
3. Install pi: curl -fsSL https://pi.dev/install.sh | sh
4. Set OPENAI_BASE_URL=https://api.smartaipi.com/v1 と OPENAI_API_KEY を新しい key に設定する
5. Install grill-me + caveman と superpowers
6. Run pi、次の task を high reasoning で grill-me し、low + caveman に落として ship する

subscription 上で動かすのと同じミニマルな harness を、今度は実際に計算した分だけスケールする pricing model で使えます。長い agentic session をほとんど無料にする cache hit rate つきです。