1018 | ローカルAIとエージェントの新時代：週刊ツールダイジェスト

葵: こんにちは、ポッドキャストへようこそ。葵です。

悠真: 悠真です。今日は最近話題になったツールやサービスの中から、いくつかピックアップして紹介していきます。全部バラバラに見えますが、実は共通する流れがあって、AIをローカルで動かす動き、エージェントを支えるインフラ、データの上手な使い方、そして小さな快適さ、という4つの流れにまとめられそうです。

葵: それぞれ詳しく掘り下げるので、通勤中や作業中にぜひ聞いてください。それでは最初のテーマから。ずばり「端末内で完結するAI」です。最近、クラウドに何も送らずに済むAIツールが相次いで出てきていて、その代表格がEarnoteというアプリ。

悠真: Earnoteは、ローカルのWhisperを使って文字起こしをするんですよね。それだけなら文字起こしツールだって話で終わるんですが、面白いのはその先で、文字起こしした内容から構造化されたノートを作ってくれる。具体的には、タスクを抽出したり、学習カード、つまりフラッシュカード的なものを作ったりして、最終的にPDFとして出力できると。

葵: そこまで全部を一台の中でやるというのがポイントですよね。しかもアカウント登録も不要、クラウドも使わない、ライセンスはMITでオープンソースと。つまり開発者なら自分でコードを触ることもできるわけです。

悠真: ここで大事なのは、なぜそれが今意味を持つのかという話ですよね。AIツールって、便利なのは分かるけど、録音した会議の内容とか、個人的なメモの内容をどこかのサーバーに送るのはちょっと…という人は確実にいる。そういう人にとって、「アカウントすら要らない、全部端末の中で終わる」という設計は、単なる機能ではなくて選ぶ理由そのものになる。

葵: その流れの中で、Earnoteと対になるように紹介したいのがTrain with Pasta。これもローカル完結系なんですが、ジャンルが全然違ってて、AIパーソナルトレーナーなんですよ。

悠真: 仕組みとしてはApple Intelligenceを使っていて、音声で話しかけると筋トレのメニューを作ってくれる。週間プランも作れると。しかもこれもローカル処理で、アカウント不要という、Earnoteと同じ思想で作られているんですよね。

葵: パーソナルトレーナー系のAIって、普通はアプリを開いてフォームで入力、みたいな使い方が多いと思うんですけど、音声で「今日は上半身やりたい」とか話しかけるだけでメニューが出てくるというのは、ジムで道具をいじっている最中には実際かなり合理的なんですよね。手が塞がっていても使えるし。

悠真: そしてこの二つ、ジャンルは違うのに、大事な条件がそっくりなんですよね。ローカル処理、アカウント不要。つまり「プライバシーを守りたい、オフラインでも使いたい」という需要が、文字起こしとフィットネスという全く別の分野で、ほぼ同時に商品化され始めた。この同時性自体が一つのシグナルだと思うんです。

葵: そして三つ目、これもローカル系で、ParrotというMacの会議録音ツールです。ここが今回のテーマの中では、特に個人的に面白いところです。

悠真: Parrotの一番の特徴は、Botなしということですよね。会議録音系のツールって、よく「会議にBotを参加させて録音します」という方式があって、Zoomとかに「Parrot Noteter」みたいな名前の参加者が入ってくる、あれです。Parrotはそれをやらない。Mac上で録音して、文字起こしもローカルで行うと。

葵: Botなしというのは、ただ気持ちの問題だけじゃなくて、会議の参加者リストに変な名前が並ばないし、外部のツールが会議に入ってくること自体が許されない場面でも使える。企業の秘匿性の高い会議だと、Botの参加自体ができないというルールもあるので、そこは大きな違いですよね。

悠真: さらに、このアプリの二つ目のポイントが、ライブ回答機能です。会議の最中に、手持ちの文書から答えを引っ張ってきて、しかもソース付きで回答を出してくれると。つまり会議を録って終わりじゃなくて、会議中に自分の資料を検索する補助としても使えると。

葵: これはParrotの他のツールと違うところですよね。会議中に「あれ、うちの前例どうだったっけ」となったとき、資料を開いて検索していたら会議に集中できないわけですけど、それを録音アプリが担ってくれる。ソース付きという点も、ただ答えを出すだけじゃなくて根拠を確認できるという点で、信頼性の面で重要です。

悠真: で、Parrotは無料で、しかもオープンソースです。会議録音という商用化しやすいジャンルで、無料・オープンソース・ローカル・Botなしという組み合わせは、かなり攻めていると言っていい。

葵: ここまで、Earnote、Train with Pasta、Parrotの三つを見てきました。共通するのは、ローカルで完結するAIの需要が明確に商品化され始めた、ということですよね。プライバシーとオフライン利用へのニーズが、文字起こし、フィットネス、会議録音という別々の場面で、それぞれ形になった。

悠真: で、今後に注目する点としては、機能追加とモデル対応の広がりが鍵になるだろうと。ローカルで完結するツールって、対応モデルが増えたり機能が増えたりしないと、すぐに追い抜かれる。特に文字起こし系は、モデルの進化スピードが激しいので。

葵: その一方で、正直なところ、精度や対応言語の詳細については、まだ情報が限られているんですよね。どの言語でどれくらい正確に動くのか、長時間の録音でどうなるのか、そういう実用上大事な情報は追試が必要です。ここは使い始める人が実際に確認するしかない部分ですね。

悠真: そして、このローカル完結の話は、次のテーマに自然につながります。ローカルでAIを動かすなら、次に欲しくなるのは「エージェントをどう走らせるか」の道具立てですから。ここからは開発者インフラの話です。

葵: このテーマは盛りだくさんなので、一つずつ行きましょう。まず土台となるのがCraft Agents。オープンソースのデスクトップアプリで、AIエージェントを動かすものなんですが、特徴は三つあります。

悠真: 一つ目はローカル動作だということ。二つ目は接続先の広さで、API、MCP、ブラウザにつながると。MCPっていうのは、AIモデルが外部の道具を使うための標準的なプロトコルですね。そして三つ目が、ローカルモデルを含め、任意のモデルが使えると。

葵: この「任意のモデル」が、さっきのローカル完結の話とつながるんですよね。クラウドの強力なモデルを使ってもいいし、自分のMacの中のモデルを使ってもいい。エージェントの動かし方をユーザーが選べるという設計です。

悠真: しかもオープンソースなので、コードを確認できるし、自分で拡張することもできる。エージェントを動かす基盤が、クローズドなSaaSではなくて、オープンなデスクトップアプリとして提供されているというのは、この流れの中で重要な位置づけです。

葵: 土台ができたら、次に欲しくなるのは、エージェントに渡す「文脈」ですよね。ここでNotion 3.8の出番です。このバージョンでは、Notionのワークスペースを、AIエージェント向けの共有コンテキスト層に変えると。

悠真: 「共有コンテキスト層」というのがちょっと抽象的なんですが、要するに、エージェントが参照すべき情報、プロジェクトの状況、チームのドキュメント、そういうものを、エージェントが読み書きできる形で置いておく場所、と考えると分かりやすい。Notionのワークスペースそのものを、エージェントのメモリと作業場所として使えるようにしたわけです。

葵: 具体的に導入されたのは三つです。一つ目はSkills-API。二つ目は150以上のMCP接続。さっきCraft Agentsの話でMCPが出ましたけど、Notion側からも150以上のMCP接続が提供されるというのは、Notionを中心にして外部の道具がたくさんつながるという意味です。

悠真: 三つ目が、列単位の権限、つまりカラムレベルのパーミッションです。これは地味ですが重要ですよね。エージェントに渡す文脈の中には、見せてもいいものと、見せたくないものが混在する。行単位じゃなくて列単位で権限を設定できると、機密情報だけをエージェントから隠しつつ、必要な情報は渡せる。

葵: つまり、Notionは「エージェントの作業場」を提供する役割に進んだと。Craft Agentsが基盤で、Notionが文脈と権限の管理、という組み合わせが見えてきます。

悠真: そして次が、モデル側の進化です。Step 5 Previewというオープンモデルが出ました。仕様を見ると、600B MoE、つまり全体では6000億パラメータの混合エキスパートモデルで、アクティブは27Bと。

葵: 600B MoEで27Bアクティブというのは、全体としては巨大な知識を持っているけど、一度に動くのは27B分だけなので、計算量を抑えられる、という設計です。MoEの利点はまさにそこで、巨大なモデルを現実的なコストで動かせます。

悠真: もう一つの大きな特徴が、100万トークンというコンテキスト長です。これがこのモデルの位置づけを決めています。このモデルは「長命なエージェント」向けに訓練されていると。長命なエージェントというのは、一度起動したら長時間動き続ける、いろんな仕事をこなすエージェントのことですね。

葵: 長時間動くなら、会話の履歴や仕事の記録がどんどん溜まっていくわけで、それを全部覚えていられる100万トークンのコンテキストが意味を持つ、と。さらに、vLLMとSGLangのサポートが含まれている、というのは、実運用の観点から大事です。vLLMとSGLangは、オープンモデルを実際にホストするための標準的なライブラリですから、サポートされているということは、自分の環境で動かす道が用意されているという意味です。

悠真: そして、モデルがコードを書くなら、次に必要になるのは、そのコードの品質を機械的に検査する仕組みです。ここでUltracite v8です。これはエージェント生成コード向けのゼロ設定Linter・Formatterと。

葵: 対応しているのがOxlint、Biome、ESLintという、モダンなLinter・Formatterの実装で、約330ミリ秒でエディットを検査すると。この「約330ミリ秒」は、エージェント生成コードの文脈では非常に重要な数字です。

悠真: なぜかというと、エージェントがコードを書くとき、人間がレビューするのとは違って、エディットのたびに検査が走るんですよね。検査が3秒かかると、エージェントの作業が全部そこで止まってしまう。330ミリ秒なら、検査がエージェントの作業スピードに追いつく。だから「エージェント生成コード向け」という位置づけに「約330ミリ秒」という数字がついているわけです。

葵: ゼロ設定という点も大事ですよね。普通はLinterを導入すると、設定ファイルを書いて、ルールを調整して、と運用コストが発生する。エージェントがコードを書く場面では、その設定作業自体がボトルネックになる。ゼロ設定で使えるというのは、まさにエージェント生成コードの状況に合わせた設計です。

悠真: ここまでの流れを整理すると、Craft Agentsが実行基盤、Notion 3.8が文脈と権限、Step 5 Previewがモデル、Ultracite v8が品質検査。この四つが、それぞれ独立したオープンな道具として提供されつつある。つまり、エージェントを走らせて育てるための道具が、一つだけの大きなSaaSではなくて、独立したオープンな部品として揃い始めた、というのがこのテーマの核心です。

葵: で、このテーマには、周辺の道具もいくつか出ています。同じ流れの中の別の位置づけとして見てほしいんですが、まずGPU Terminal。これはGPUのレンタル価格を比較するサイトで、61のプロバイダーの価格を一括で見られると。

悠真: H100が時間あたり0.12ドルから、という具体的な価格も出ています。ポイントは、ただの価格比較ではなくて、Preishistorie、つまり価格の履歴がついていること。そして、Quellenangabe、各価格の出所が明示されていること。さらに、それがオープンソースであると。

葵: つまり、エージェントやモデルを動かすには結局GPUが必要で、GPUのレンタル価格はプロバイダーごとにバラバラで履歴もないと判断に困る、という実用上の困りごとに対する、オープンで検証可能な比較ツール、という位置づけです。出所が明示されている点は、価格比較サイトとして信頼性の面で重要ですよね。

悠真: 次に、CrewTowerです。これはノッチの話なので、後でちゃんと紹介しますが、エージェント操作の文脈としても出てきます。Claude CodeのセッションをMacBookのノッチから操作できるという、Claude Codeモードのツールです。

葵: そしてSalience。これはサーバーやCDNのログを、ライブのビューにするものなんですが、ポイントは「検索エンジン、AIクローラー、ユーザーのRequestsが全部見える」ことです。AIエージェントがWebを巡回する時代になって、自分のサイトにはどんなAIクローラーが来ているのか、それがエラーになっていないか、そして「Bot Impersonation」、つまり本物ではないBotが偽装して来ていないかを検知できると。

悠真: これは、エージェントが外部のWebに接続する時代の裏側の問題、と考えられます。Craft Agentsは「エージェントがブラウザやAPIに接続する」側の話でしたが、Salienceは「エージェントやクローラーが来て自分のサイトに負荷やリスクを持ち込む」側の話です。つまり、同じ「エージェントがWebにつながる」現象の、送信側と受信側の両面の道具が揃っているわけです。

葵: 最後にもう一つ、Korinotchです。これもノッチの話なので後でちゃんとやりますが、開発者インフラの流れの中で出てきた、とだけ言っておきます。

悠真: で、このテーマの今後ですが、道具立てが揃ったので、次は相互接続が進む見込みだと。実行基盤と文脈とモデルと品質検査が独立してあるなら、次に聞きたくなるのは「それらが連携して動くのか」ということですよね。

葵: 一方で、正直に言うと、運用コストや実用性能の実証はまだこれからです。仕様としては魅力的なんですが、実際に長命なエージェントを動かすとどれくらいコストがかかるのか、Notion 3.8の文脈層は実際のチームでどう使えるのか、そういう実証はまだ情報がありません。ここは今後の追試が待たれるところです。

悠真: そして、エージェントが世の中のデータを使うという流れの中で、次は「データを上手に使って暮らしを良くする」話に移ります。こちらも、データという意味では同じ根っこから出てくる話です。

葵: まず最初のUnfenced。これは、アメリカの不動産広告を公的な地図と照合する、というものです。毎週約70万件の米国の物件広告を、公的な地図と照合して、その結果、約13,600件の「公共用地に直接接する」土地を発見すると。

悠真: ここがこのツールの一番の妙味ですよね。不動産広告って、普通は「この土地の隣は誰の土地か」を気にして選ばない。でも、隣が公共用地だったら、例えば国有林や公園に直接面している土地だったら、風景や眺望が一生変わらない可能性がある。

葵: 70万件の広告を手作業でチェックしていたら一生終わりませんが、これを公的な地図と機械的に照合することで、13,600件という具体性のある結果が出ている。これは、公開されているデータを、人が気づかない切り口で組み合わせるという、データ活用の面白さの見本のような話です。

悠真: 次がLooGo。これはAndroidとWear OS用のトイレファインダーアプリです。OpenStreetMapの100万以上の場所からトイレを探せると。

葵: 100万以上というのは、OSMというオープンな地図データベースの強みです。普通の地図アプリだと、商業施設のトイレしか出てこなかったりしますが、OSMだと個人商店や公共のトイレまで含めて、より広くカバーされている可能性があります。

悠真: さらに、このアプリは「Codes、Preise、Barrierefreiheit」、つまり暗証番号、料金、バリアフリー情報が含まれていると。トイレ探しで実際に必要な情報は、まさにこの三つなんですよね。暗証番号がかかっているか、お金がかかるか、車椅子で入れないと意味がない、と。

葵: そして、広告なしという点も、実用アプリとしては大事な条件です。トイレを探している最中に広告が挟まるのは、一番ストレスがかかる瞬間ですから。

悠真: 三つ目がCaldera。これはObsidianバルトを、自動更新のプロフィールと、連結したデジタルガーデンに変えると。Obsidianバルトというのは、Obsidianというメモアプリの保存先フォルダ、つまりメモの集まりです。

葵: Calderaはそれを、「selbstd aktualisierendes Profil」、つまり自分で更新されるプロフィールに変えると。メモを書くだけで、それが自動的に外部に公開されるプロフィールに反映される。さらに「verknüpfte digitale Gärten」、つまり互いに連結したデジタルガーデンになる、と。

悠真: ここで大事な条件が、「privat、quelloffen、selbst-hostbar」、つまり非公開で、オープンソースで、セルフホスト可能であることです。自分のメモの内容を外部に公開するわけですから、どこかのサービスのサーバーに預けるのではなくて、自分の環境でホストできるというのは、信頼性の面で決定的に重要です。オープンソースなのでコードを確認できる点も同じ理由です。

葵: そして最後がDraper。これはビジネス志向のAIアプリで、アイデアを「Quellen-Urteil」、つまりソース付きの判定で評価するところから始まって、その後、プランからブランド、ランディングページ、最初の顧客まで、段階的に導くと。価格は月9ドルです。

悠真: このアプリの位置づけが面白いのは、単に「アイデアを評価するAI」で止まらずに、その後の実行を段階的にガイドしていくと。「あなたのアイデアはこうだ」と言った後、「ではプランをこうしましょう」「ではブランドをこう決めましょう」「ではランディングページを作りましょう」「では最初の顧客をこう探しましょう」と、一歩ずつ進める構成になっていると。

葵: もちろん、ここで大事なのは、メーカーの説明はあくまで「こう動くはず」という主張であって、検証された結果ではない、ということですよね。ソース付きの判定、という点も、何をソースとしているのか、その判定の精度がどうなのか、というのは使う人が実際に確認するしかない部分です。

悠真: このテーマを通して共通するのは、公的なデータであれ、個人のメモであれ、小さく価値ある形にすることなんですよね。Unfencedは公的な地図という巨大なデータを13,600件の具体性に落とす。LooGoはOSMの100万件のデータを「今すぐ使えるトイレ」に落とす。Calderaは個人のメモをデジタルガーデンに。Draperは個人のアイデアをプランに。どれも、巨大で抽象的なデータを、小さく具体性のある価値に変換する話です。

葵: で、次は、この流れを小さな快適さの側から締めます。ノッチ、MacBookのノッチです。

悠真: MacBookのノッチ、つまり画面上部の黒い切欠きの部分、あそこを活用する小物ツールが二つ出ました。まずCrewTowerです。これはClaude Codeモードで、Claude CodeのセッションをMacBookのノッチから操作できると。

葵: 何ができるかというと、三つです。プロンプトを送る、停止する、そしてコンテキストの確認。つまり、Claude Codeに仕事をさせている最中に、画面を下まで降りていくことなく、ノッチの部分から「この仕事、こうして」と指示を送ったり、「もう止まって」と止めたり、「今どのくらいコンテキストを使っているか」を確認できるわけです。

悠真: 価格は9.99ドルの買い切りです。買い切りという点は、月額課金が主流の中で、好みの分かれるところですが、小物ツールとしては、一度払えば手放さなくていいという安心感はあります。

葵: 二つ目がKorinotchです。こちらはClaude Code専用ではなくて、macOS向けのノッチアプリとして、より幅広い機能を持っています。Media HUD、つまり再生中のメディアのHUD、Notifications、つまり通知、Datei-Tray、つまりファイルトレー、Clipboard、つまりクリップボード、そしてキーボードロックと。

悠真: つまり、ノッチの部分が、メディアの表示、通知の表示、ファイルの一時置き場、クリップボードの履歴、そしてキーボードのロック、という複数の役割を担う「情報の受け渡し口」になると。

葵: 価格は14日無料の後、11.50ドルの買い切りと。CrewTowerの9.99ドルと比べても、買い切りの価格帯が似ていますよね。

悠真: この二つに共通する思想は、「AI開発を手元から断ち切らず離す」ということなんですよね。CrewTowerはエージェントに仕事をさせながら、自分は別の画面で別の作業をする。エージェントを監視するのを、メイン画面からノッチに移すことで、集中と監視の両立を可能にする、と。

葵: つまり、さっきのエージェント操作のテーマの延長線上にある、という位置づけです。エージェントが長時間動く時代になって、それをずっと画面の前で見ていないといけないのは非効率ですから、監視を画面の端、ノッチに移すという発想です。

悠真: で、正直に未知の点を言うと、Windows展開や機能追加の予定については、情報がありません。今のところmacOS限定で、今後どうなるのかは分からない、というのが現状です。

葵: さて、全体を振り返ると、今日は四つの流れを見ました。ローカルで完結するAI、エージェントを支えるインフラ、データで暮らしを良くする話、そしてノッチの小物ツール。

悠真: 共通するのは、いずれも「AIやデータを、自分の手の届くところに置く」という方向性なんですよね。ローカルで完結するAIは、クラウドから端末の中に。エージェントのインフラは、SaaSからオープンな部品に。データ活用は、巨大なデータから小さな具体性に。そしてノッチの小物は、画面の中心から端に。全部、何かを「手元に寄せて、使える形にする」という話でした。

葵: そして、どの話にも「まだ分からないこと」がありました。ローカル系の精度や対応言語の詳細、エージェントインフラの運用コストと実用性能、メーカーの説明の検証、Windows展開の予定。これらは使い始める人が追試するしかない部分です。

悠真: それでは今日はこの辺で。ありがとうございました。

葵: ありがとうございました。また次回。