1017 | エージェント時代の新道具たち

葵: どうも、AIラジオへようこそ。葵です。

悠真: 悠真です。今日は最近発表された新しいツールやモデルをいくつか、それぞれ「誰のためのものか」「何が変わるのか」「どこまで信用できるか」という視点で、番組内で選んだテーマごとにじっくり見ていきます。

葵: そう。全部をリスト的にさらっと流すんじゃなくて、今日は似た方向を狙う製品を比べながら話すようにします。で、最初に選んだのは、いちばん切身なテーマ、「エージェントに権限を渡す」という話。ここ、みんなが一番怖いところだと思うんですよ。

悠真: うん、AIエージェントに「この買い物して」とか「このメール送って」とか頼むとき、カード番号やパスワードを渡すのは絶対嫌ですよね。ここに二つのアプローチが出てきました。

葵: ひとつはAgent Vault。仕組みとしては、エージェントにはモックトークン、つまり本物じゃないダミーのトークンだけを渡す。実際のカード番号やパスワードは、隔離されたenclaveの中で代替する。だからエージェントがプロンプトインジェクション攻撃を受けても、漏らせる情報がそもそも持ってない、という設計。

悠真: これは発想が面白いですね。「漏えい対策を強くする」んじゃなくて「漏えいできるものを持たせない」。当然ながら、絶対に漏えいしないとは言えないけど、漏らす対象がエージェントの外にあるので、攻撃が成功しても取るものがない。

葵: で、もう一つがGBrain Tools。こちらはAI用のパスワードマネージャで、Gmailとかのサービスを一度接続すると、各AIにMCPかCLIで提供する。ただしAIはパスワードそのものを見られない。全部の操作が単一のログに記録される。

悠真: Agent Vaultとの違いは、GBrainは「AIに代行させたい接続アカウント」を束ねる形で、AIは鍵を見ずに操作できる。しかも全操作が一つのログに残るから、何をしたか後で監査できる。

葵: 両方に共通するのは「エージェントが秘密そのものに触れない」という構造。権限は渡すけど、秘密は渡さない。今後、エージェントに仕事を任せるにはこの隔離方式が標準になっていく可能性が高いんじゃないか。

悠真: ただ、知らないことも正直に言うと、Agent Vaultがどのサービスに対応しているのか、価格がどうなってるのか、というのがまだはっきりしない。GBrainも対応サービス範囲が広がるかどうかが鍵ですよね。

葵: ここで面白いのは、同じ「権限」の話が署名の世界にもあるんです。SignWithはサブスク不要の電子署名で、毎月3通無料で、その後は従量課金。監査証跡とOTP認証がついていて、ClaudeみたいなAIからMCP経由で送信できる。

悠真: つまりAIに署名作業を任せられるけど、OTP認証があるから本人確認は残る。後で詳しく話しますが、これはエージェントに署名を進めさせる文脈でまた出てきます。まずは「権限を渡す恐怖をどう減らすか」の答えの一つとして押さえておいてください。

葵: 権限の次は、デザインの話。エージェントにデザインの実務を渡す、という方向のツールが二つ出ました。

悠真: ひとつはSkisso。無料のChrome拡張で、実際のUIを直接編集できる。しかもデザイントークンを保持したまま、約380トークンのdiffパッチをエージェントに渡せる。

葵: 380トークンという数字がポイントで、スクリーンショットを送って「これ直して」と頼むより、ずっと小さくて正確な指示になる。デザイントークンが保持されるから、色やスペーシングのルールが壊れない。

悠真: もう一つはTidy Design。FigmaやPaperの代替になるOSSのデザインキャンバスで、MCP経由でClaude Codeみたいなエージェントが直接デザインを編集できる。ライセンスはApache 2.0。

葵: 比べると、Skissoは「既にある実UIを直す」側、Tidy Designは「キャンバスの中で作る」側。でも目指すところは同じで、エージェントがデザインの実務に直接介入する流れ。これ、今まで人間がFigmaで描いて、それを実装するという垣根があったのが、編集と生成の境界が消え始めているってことです。

悠真: Tidy DesignがOSSなのも影響大きいですね。デザインツールのAPIをエージェントが自由に叩ける世界になるかどうか。

葵: で、デザインの次はもっと広く、Webサイトそのものをどう「使う」か。Pomeradoというのが、あらゆるWebサイトを数分でAPIやMCP化してくれる。ビルド、ホスト、保守も自動化されていて、オープンソース。

悠真: これ、結構重要な転換点なんですよ。エージェントがサイトを操作する方法って、今はブラウザ操作が主流で、クリックして読んで、みたいな。でもPomeradoはサイトをAPI化するから、ブラウザより高速で確実に操作できる、という主張。

葵: ここで注意したいのは、これはメーカーの主張で、まだ検証された結果ではないということ。「あらゆるWebサイト」が本当に数分で化けるのか、対応できないサイトの限界はどこなのか、という未知の部分が残る。SaaSのようにAPIがすでにあったり、JSが重かったりするサイトでどうなるか、はっきりしない。

悠真: とはいえ方向性としては、エージェントがWebを「見る」から「呼び出す」へ移る、という転換点として捉えるのが妥当かな。

葵: エージェントが何かをやるようになると、次は「エージェントが増えたらどう管理するの」という話が来ます。ここは三つ並んで出ました。

悠真: ひとつはParallax。複数のコーディングエージェントを一つのアプリで管理する。上限に達したときに自動でフェイルオーバーする、つまり別のエージェントに引き継ぐ仕組みがあって、Captainという機能が逸脱したセッションを軌道修正する。

葵: Captainが「逸脱セッションを軌道修正」というのが、複数エージェント運用の一番怖いポイントを突いてますよね。勝手に別の方向に行き始めたエージェントをどう戻すか。

悠真: 次にHarness。全部のエージェントを一つのコマンドセンターに集約する、MacとLinux向けのOSSデスクトップアプリ。E2E暗号化されていて、モバイルアプリから音声で応答もできる。

葵: そしてBOSS Console。こちらは常時稼働エージェント用の小型OSという位置づけで、ブラウザ、ターミナル、エディタを共有ワークスペース化する。OSSでmacOS、Windows、Linuxに対応。

悠真: この三つ、少し役割が違ってて、Parallaxはコーディング特化の複数エージェント統制、Harnessは横断的なコマンドセンター、BOSS Consoleは実行基盤そのもの。統制と実行環境が揃ってきた、というのが今日のポイント。

葵: 関連として、FinderGitというのもあります。これはネイティブSwiftUIのMac向けGit対応ファイラーで、全リポジトリの状態一覧、AIコミットメッセージの生成、Repo Trustという機能で危険なスクリプトを検知する。

悠真: FinderGitのRepo Trustは、まさにエージェントが書いたコードやスクリプトを人間がどう信用するか、という文脈で重要。エージェント管理の話と繋がる点で、ここに置いておきます。

葵: エージェントに何をさせるかの道具が揃ってきたら、次は「エージェントの脳みそ」、つまりモデルの話。ここは二つの大型オープンモデルが出ました。

悠真: 一つはNVIDIAのNemotron 3.5 Super VL。120BのMoEで活性は12B、マルチモーダル。特徴は単一GPUで同級比最大5倍のエージェントスループット、という主張。

葵: もう一つはMetaのMuse Spark Open。オープンウェイトの816B、活性は42B、1Mトークンの文脈、マルチモーダル、MCP Atlasは89.2。面白いのは2台のMac Studioで動かせる、とされていること。

悠真: この二つ、規模が全然違うのに共通するのは「巨大なオープンモデルが実用的な規模と性能で使えるようになってきた」という点。MoEで活性パラメータを小さくして、巨大モデルを現実的なハードで動かす方向が明確になってきた。

葵: ただ、未知の点は正直に言うと、ライセンスの細かい条件と実運用コスト。「2台のMac Studioで動く」が実用速度なのか、クォンタマイズが必須なのか、そこは確かめる必要がある。スループット5倍という主張も、どういうベンチマークかで意味が変わる。

悠真: とはいえ、エージェントの脳がオープンウェイトで選べる時代になってきたことは確か。モデルが大きくても、必要な活性だけ動かせばいい、という設計思想が普及し始めた。

葵: 脳が育つと、扱うデータも広がる。次は音声と映像の話に移ります。

悠真: まずFish Audio Drama 3。これはTTS、音声合成で、感情、ささやき、休止を文単位で指示できる。83言語対応、マルチキャラクター生成、オープンウェイト公開。

葵: 「文単位で感情を変えられる」というのが大きくて、台本の一行ごとに「ここは怒って」「ここはささやいて」と指示できる。ドラマやポッドキャスト制作のハードルが下がる。

悠真: もう一つはTwelveLabsのJockeyがGA、つまり正式版に到達。映像や写真のライブラリ全体を検索、理解、整理するAIで、Claude、ChatGPT、APIから使える。

葵: これらは単体の音声・映像AIというより、エージェントの対象がテキストを超えて音声・映像に拡大した、という一つの証拠だと捉えています。エージェントが「このライブラリの中から該当するシーンを探して」とか「この台本を朗読して」という仕事をやれるようになった。

悠真: 音声・映像が扱えるようになると、次は実際の業務や生活に入っていきます。ここは契約と署名の話。

葵: まずNeophyte。URLを与えるとAIエージェントが新規サインアップからオンボーディングまでを実行する。しかも人間とエージェント両方の摩擦レポートを出す。

悠真: 「摩擦レポート」が面白いところで、人間にとってサインアップが面倒なのか、エージェントにとって面倒なのか、両方を測定できる。これはプロダクトが自社のオンボーディングを改善するのに使える。

葵: 次にDottr。メールに転送すると契約書をドラフトして、リスクを平易に指摘する。署名依頼から催促まで自動化されていて、1契約1ドルの従量課金。

悠真: そしてSignWith、さっき少し出したけど、もう一度。サブスク不要の電子署名で、毎月3通無料、その後従量課金。監査証跡、OTP認証つき、ClaudeなどからMCPで送信できる。

葵: 三つを並べると流れが見えてきて、Neophyteでサインアップし、Dottrで契約書をドラフトしてリスクを確認し、SignWithで署名。面倒な事務作業の連鎖が、全部エージェント任せにできる。

悠真: ただ、契約書のリスク指摘は「平易に指摘する」とあるけど、法的判断はどこまで信用できるか。これは法的助言ではないはずだから、最終判断は人間がやるべき。1ドルの従量課金は明確でわかりやすいけど、うっかり大量に契約を回すとコストが積み上がる点も注意です。

葵: 次は、作ったものを育てる段階と、自分の頭を整理する段階。ここは二つ。

悠真: Lovable Growth Tools。これはアプリを構築した後に、同じチャットで成長支援をしてくれる。目標からプレイブックを生成して、SEO、広告、コミュニティ投稿をやる。ただし支出の前に承認が必須。

葵: 「支出前に承認必須」というのが大事で、エージェントに広告費を使わせるときの人間のチェックが組み込まれてる。さっきの権限の話と同じで、AIにやらせつつ、お金の判断は人間が止まる設計。

悠真: もう一つはTaim。音声で思考を吐き出すと、自動でスレッド分類して、タスク、リマインダー、予定に変換する。しかもMCPで各AIエージェントに文脈を提供できる。

葵: Taimの「MCPで文脈を提供」というのが、これまでの話と繋がる点で重要。個人の思考の整理結果が、エージェントに渡せる文脈になる。自分の思考をエージェントに見せる、という新しい形。

悠真: 作るだけでなく、育てる、整理する、という段階までAIが担う流れができてきた。

葵: では生活シーンへ。会議の理解を助ける翻訳・字幕の話。ここは二つが補完関係にある。

悠真: NANI???。Macで動く会議用ライブ翻訳字幕。話者を音声で識別して、質問されたときは合図と返答案を提示する。音声は保存しない。

葵: 音声を保存しない、というのがプライバシー面で大きい。会議での発言がどこにも残らない。話者の識別も音声でやるから、誰が何を言ったか字幕に反映される。

悠真: もう一つはHintly。Google Meetの字幕を読んで、専門用語や人名をリアルタイムで解説する。誤情報を訂正してくれる。ボットは参加せず、月60分無料。

葵: 比べると、NANI???は全体の翻訳と話者追跡、Hintlyは既存のMeet字幕の内容理解を深める。どちらもボットを会議に参加させない、という設計で、会議の参加者に「AIが入ってます」という違和感を与えない。

悠真: 誤情報を訂正する、というHintlyの機能は便利そうだけど、どこまで信用できるかは使ってみないとわからない。AIが解説を生成する以上、その解説自体の正確性は別の問題。

葵: 会議から離れて、開発と趣味の話。FinderGitはさっき権限の文脈で少し出したけど、あらためて。ネイティブSwiftUIのMac向けGit対応ファイラーで、全リポジトリの状態一覧、AIコミットメッセージ生成、Repo Trustで危険スクリプト検知。

悠真: 開発者向けの道具として整理すると、リポジトリの全体像を見る、コミットメッセージをAIに書かせる、危険なスクリプトを検知する、という三つの機能が一つのファイラーにまとまってる。Gitを「コマンドで」ではなく「ファイル操作で」扱う発想。

葵: そして趣味的な側面では、Memory Chess。盤面を数秒だけ記憶してから再構築する、チェスの記憶トレーナー。日次盤があって、両方向のレーティングがついてる。アカウント登録不要で無料。

悠真: これは完全に余暇の頭のトレーニングで、日常業務とは別物だけど、エージェントに任せられない「自分の脳の訓練」をやるツールとして面白い対比ですよね。

葵: さて、個人から企業へ。MozillaがFirefox Enterpriseを欧州で開始しました。まずフランス、ドイツ、オーストリア、スイスから。Geckoブラウザに、自己ホストのコンソールでポリシー、データ、AIを制御できる。

悠真: 企業でのAI利用管理が本格化する兆しですね。さっきのNemotronの単一GPUでの高スループットと組み合わせると、企業がエージェントを統制しつつ現地実行する、という姿が見えてくる。

葵: ここで注意として、Firefox Enterpriseがまだ欧州の4か国だけ、ということは、他の地域がいつ来るのかは未知。企業向けAI統制がどう広がるか、競合がどう出てくるかは、まだ様子見の段階。

悠真: それでも「ブラウザを企業が自己ホストで制御する」という発想は、これまでのSaaS型管理とは違う方向性で、データを出さない統制として重要。

葵: 最後は、車の話で締めましょう。Teslaが新型Roadsterハイパーカーを発表しました。全グレードに吸着ファンがついていて、招待制のRocket trimにはスラスターが搭載されて「飛ぶ」ことができる、ただし公道非対応。

悠真: 技術者視点だと、推進装置を公道車に載せるという大胆な挑戦ですよね。吸着ファンはダウンフォースを増やす技術として理屈はあるけど、スラスターで飛ぶ、というのは 法規制との兼ね合いが本当に難しい。

葵: 未知の点は、量産時期と法規制。いつ実際に届くのか、Rocket trimがどこまで実現するのか、ここはまだ不明。あくまで発表の段階。

悠真: ただ、今日全体を振り返ると、一貫して「エージェントに任せる範囲が広がっている」という流れでした。権限を安全に渡す仕組み、デザインやWebを渡す方法、エージェントの管理と脳、そして事務や生活にまで。

葵: 一方で、対応範囲や価格、法規制、ライセンス、主張の検証、という「まだわからないこと」も各所に残ってる。メーカーの説明は主張として受け止めて、実際に触ってみないとわからない部分は正直に残しておくのが今日の姿勢です。

悠真: というわけで、今日はここまで。聞いてくれてありがとう。また次回。