0902 | AIエージェントと新ツール週報：キャンバスからスマホまで

葵: どうも、葵です。

悠真: 悠真です。今日も一日分のプロダクト発表面から、気になったものをピックアップしてお届けします。

葵: 今回はね、目立つテーマがあって、AIエージェントが単発のツールから、ちゃんと基盤とかプラットフォームみたいな存在になってきている、という流れ。それを軸に、開発者のワークフロー、創作や学習、そして端末や生活ツールまで見ていきます。

悠真: ね。単体で「すごいでしょ」で終わらせず、ユーザー問題がはっきりしていて、解決策が差別化されていて、料金や提供状況まで分かるものを中心に選んでいます。あと、メーカーの説明はあくまで主張として扱う、というのが今日のルールです。

葵: では最初から。まずはエージェントの基盤化から。悠真さん、Keikiっていうのを説明してもらえますか。

悠真: うん。Keikiは、顧客向けのAIエージェントが、SMS、iMessage、WhatsApp、Slack、Telegram、メール、このあたりを横断して一つで動く、というもの。しかも記憶を持っていて、ツールを使えて、人間の承認の仕組みまで備えている。

葵: これ、聞いたことある形の課題なんですよ。企業が顧客と連絡を取るチャンネルって分散していて、エージェントを導入しようとすると、チャンネルごとに別々のbotを立てて、記憶もバラバラになる。Keikiは「一つのエージェントが全部のチャンネルで同じ記憶を持って動く」方向に整理している。

悠真: そうそう。で、個人的に注目なのは人間の承認の仕組みがある点。顧客対応って間違えるとすぐ信頼を失うので、エージェントが全部自動で返信するのは怖い、という反応は絶対出る。承認フローが最初から入っているのは、その不安への直接的な答えになっている。

葵: ただね、ここで正直に言うと、長期運用時の信頼性はまだ未確認なんです。記憶がどれだけ正確に維持されるのか、承認を通す運用が現場で回るのか、そこは使ってみないと分からない。

悠真: うん、そこは率直に「まだ分からない」と言っておくのが誠実だと思う。

葵: で、Keikiが「顧客と話すエージェント」だとしたら、Cosmic Agent Pluginsは「エージェントに手を持たせる」話。これはプラグインが、ベンダー公式のMCPサーバーと、技能、そしてトークン、これらを一つのエージェントに装着する形になっている。

悠真: MCPサーバーというのは、エージェントが外部ツールにつながる標準的な窓口だと思ってもらえれば。GitHubとかStripeとか、実際のツールを公式の接続で操作できる。しかも既に利用可能になっている、と。

葵: ここが面白いところで、公式MCPサーバーを使うということは、非公式のラッパーやスクレイピングで無理やりつなぐのと違って、提供元が用意した正規の経路で操作する。エージェントに実務を任せようとすると、この「接続の正しさ」が効いてくる。

悠真: しかも技能とトークンがセットで入るから、「GitHubを操作できる」だけでなく「どう操作するのが良いのか」というノウハウも一緒に装着される形。エージェントの能力をパーツとして積む発想ですね。

葵: 承認の話に戻すと、Keikiが人間の承認を前面に出しているのに対し、Cosmicは「正規のツール接続で安全に操作」の方向。同じ基盤化の流れでも、安全性への答え方が違うのが対比的で面白い。

悠真: で、電話に限定したエージェント基盤もあって、ThunderPhone。これは自助タイプのAI電話エージェントのプラットフォームで、料金が2セント per 分で、それにモデル代も含まれている。

葵: 47言語に対応していて、Stormという上のプランではBig Bench Audioで99.4%という数字を出している。それと、複数のモデルを組み合わせて正確性を上げているらしい。

悠真: 99.4%という数字は、あくまでメーカー側が自社プランの評価として出している主張だから、そのまま鵜呑みにはしないほうがいい。ただ、「複数モデルを融合して正確性を上げる」というアプローチ自体は、音声認識の世界で理にかなった方法だと思う。

葵: 電話は文字と違ってリトライが効きにくい分野なんだよね。リアルタイムで聞いて、話す。だから正確性をどう担保するかが製品の肝になる。ThunderPhoneはそこに複数モデルで挑んでいる、と。

悠真: ここで、少し話を広げると、エージェントに「自身のモデルを持つ」タイプも出てきている。Naseemというのは、macOS向けのSwiftネイティブのAIエージェントで、ファイル、ターミナル、iOSシミュレータを扱える。Electronを使わず、独自のモデルを使っている、と。

葵: SwiftネイティブでElectronなしというのは、つまり軽いということ。macOSの開発者向けに、ファイルを触って、ターミナルを叩いて、iOSシミュレータまで動かせるのは、開発作業の範囲をかなりカバーしている。

悠真: そして、もう一つ基盤寄りなのがTrustedRouter。これはOpenAI互換のAPIで、600以上のモデルと90以上のプロバイダーをつなぐゲートウェイ。しかも、プロンプトのログを残さないことを証明する、attestedなゲートウェイで、オープンソース。

葵: 「証明付きでログを残さない」というのがポイントだよね。エージェントを業務で使うとき、プロンプトに機密情報が入る。ゲートウェイがそれをログに残していたら怖い。それを第三者検証可能な形で「残しません」と言っている。

悠真: あと、電話と連携する話で一つ足すと、Tovel AI。これはAIレコーダーで、通話をCRMの記録、タスク、フォローアップメールの草稿に変換する。深く統合されているのでZapierみたいな中継が不要。そして重要なのが、すべて承認されてから送信される、という点。ハードウェアもあって、予約販売価格が99ドル。

葵: Tovelも「承認してから送る」なんだよね。Keikiと同じ発想。エージェントにやらせると言っても、外に出るものは人が確認する、この二段構えが基盤化の流れでの共通の作法になりつつある感じがする。

悠真: まとめると、Keikiはチャンネル横断と承認、Cosmicは公式ツール装着、ThunderPhoneは電話特化とモデル融合、Murmellが複数エージェントの協調、そしてTovelやTrustedRouterが周辺を固める。今後は承認フローや共有メモリの標準化が焦点になってくると思う。

葵: 未知数なのは、やっぱり長期運用の信頼性。デモと実運用の間には溝があるので、そこが埋まるかが今後の見どころ。

悠真: で、そうやって基盤になったエージェントを、開発者はどう使うのか、という話に自然につながっていくんですよね。

葵: そう。最初はNodeterm。これは、ターミナルとコーディングエージェントを、無限キャンバスのノードとして置くもの。tmuxのセッションが永続化されていて、再起動しても全部のセッションが復元できる。SSHもサポートしていて、スマホからの続き作業もできる。

悠真: これの何がいいかというと、エージェントに長いタスクを任せるとき、ターミナルを閉じたりPCを再起動したら全部消える、というのが昔からの痛点だった。tmux自体は昔からある解決策なんだけど、Nodetermはそれを「無限キャンバスに置いて、視覚的に整理し、再起動後も全部戻る」まで持っていっている。

葵: しかもSSHとスマホで継続できるから、「会社のPCで走らせたエージェントの進捗を、帰りの電車でスマホから確認する」という使い方ができる。

悠真: で、スマホ側の話がもう一つあって、Superset Mobile。これはスマホ上で並列にコーディングエージェントを動かすアプリで、タスクを開始して、進捗を見て、diffをレビューして、必要ならリマインドする。デスクトップやリモートのワークスペースと同期している。

葵: Nodetermとの共通テーマは「再開可能性」と「マルチデバイス」なんだよね。エージェントは時間がかかるから、それを人間が張り付いて見ていられない。だから、離れても動いていて、戻ってきたときに続けられる、という設計が重要になる。

悠真: そしてIDE側の話がKilo Code for JetBrains。JetBrainsのネイティブなオープンソースのコーディングエージェントのプラグインで、並列のエージェントが隔離されたworktreeを使う。IDEの中でGitHubのPRとdiffを審査できて、500以上のモデルに対応。

葵: worktreeの隔離は技術的に大事な話でね。並列でエージェントを走らせると、同じリポジトリを同時に書き換えて衝突する危険がある。Gitのworktreeでそれぞれ別の作業ディレクトリを与えることで、互いに邪魔をしない。

悠真: しかもPRのレビューをIDE内でできる、というのも、開発者の流れを断ち切らない設計。エージェントが作ったものを、自分がいつも見ている場所で確認できる。

葵: Kilo Codeがオープンソースなのも付け加えておくと、エージェントの動きを自分で検証できる、という意味で信頼性の話題と地続きなんだよね。

悠真: で、この並列エージェント運用の周辺を固めるツールも出てきている。EAS Observeは、ExpoとReact Nativeのパフォーマンス監視で、実機で起動時間と画面ごとの利用可能時間を測る。しかも、ビルドごと、OTAアップデートごとに別々にマークしてくれる。無料プランで月10万イベント。

葵: これは、エージェントが書いたコードが「動く」かだけでなく「速いか」を測る話。OTAで配った更新が遅くなってないか、画面ごとに実機で確認できる、というのは、並列で変更を量産するときに必要になる検証の話。

悠真: あとBobVault。これはAWSと組んだCLIのゼロ知識バックアップで、ソースコード、設定、AIのコンテキストをローカルで暗号化してからアップロードする。鍵は絶対に端末から出ない、クラウドには暗号文しかない。

葵: AIのコンテキストをバックアップ対象に入れているのが面白い。エージェント運用って、あの文脈の蓄積が資産になるから、それをゼロ知識で守っておける、という需要は確かにありそう。

悠真: あとGPUの価格インデックスも。CGIという、オープンソースのGPU価格インデックスで、ドル建て時間単位の価格を、28のプロバイダーから15分ごとに取得する。検証可能な手法でやっている、と。

葵: これは間接的だけど大事でね。エージェントを並列に走らせると計算資源のコストが直接効いてくる。価格がオープンで検証可能な形で見られると、どこで走らせるかの判断がしやすくなる。

悠真: まとめると、Nodetermがキャンバスと永続化、Supersetがスマホからの監視と承認、Kilo CodeがIDE内の並列とworktree分離。そしてEAS ObserveとBobVaultとCGIが、検証とバックアップとコストという周辺を埋める。

葵: 共通するのは「エージェントは待てない時間が長いから、再開と離脱と並列をどう設計するか」で、開発ワークフロー全体がそれを軸に組み替わりつつある、という感じ。

悠真: で、開発の話から、今度は創作と学習の話に移っていきます。

葵: まずImpractical。AIの動效デザイン、つまりモーショングラフィックスなんだけど、エージェントがMCPでつながることで、After Effects級の放送品質の動画を生成できるというもの。プロンプトから完成品まで約20分で、自然言語で修正もできる。

悠真: MCP接続というのが前の話とつながるポイントでね。動画生成ツールをエージェントの世界の標準接続でつなげる、という発想。20分という速さと、言葉での修正ができるのが、従来の After Effects の手作業との大きな違い。

葵: ただ、「AE級」というのはメーカーの主張であって、実際の品質がどうかは使ってみないと分からない。品質保証の基準がまだ確立していない分野なんだよね。

悠真: 音楽もあって、Happy Shrimp。これはアリババのAI音楽生成器で、アイデアから、歌詞、旋律、編曲、ボーカル込みの完全な曲を生成する。自分の歌詞を持ち込むこともできるし、インストゥルメンタルだけにすることもできる。

葵: 「完全な曲」まで一気に作るのが特徴。歌詞だけ持ち込むか、全部お任せか、楽器なしのインストにするか、という選択肢は現場の使い方に合わせてある感じ。

悠真: 動画と音楽が来たら、次は学習で、Creatium Coach。これはマルチメディアのAIコーチで、アリストテレスの世界を選ぶこともできて、目標に合わせてシミュレーションやロールプレイを生成する。

葵: 効果の数字が出ているのが特徴で、ランダム化研究の効果量がg=0.48。対面授業の平均が0.37なので、それを上回っている。

悠真: これは比較的丁寧な主張の仕方だと思う。ランダム化研究で効果量を出しているのは、教育系では数が少ない。ただ、「自分の研究で良い結果が出た」というのと、「広く再現された」というのは違うので、そこはまだ注視という感じ。

葵: うん、効果測定は教育側は数字を出し始めているけど、動画と音楽側は品質保証の基準がまだ未知数、という対比は押さえておきたい。

悠真: で、学習のもう一つがGauth AI Course。任意の科目を数秒でインタラクティブな講座に変えて、内蔵で200以上のアメリカの高校数学コースがある。代数一からAP微積分まで。随堂クイズが付いていて、途中で質問できるAIチューターもいる。

葵: 「任意の科目を講座化する」と「200以上の数学コースが既にある」の二つを持っているのが、汎用の生成と、作り込まれた既存コンテンツの両面を見ている感じ。随堂クイズと、途中で止めて質問できるチューターは、一方向の動画講座との違いかな。

悠真: この分野の周辺にも、少し足しておくと、Sider Codeというブラウザ拡張があって、自然言語の説明で任意のウェブページを改造できる。AIがページを理解してコードを書く、機能は保存してオンオフできる。公開3日間は無料。

葵: これは創作というより「自分用ツールを作る」話なんだけど、ページを理解してコードを書く、というのがAIエージェントの能力の民生版みたいな感じ。

悠真: Sourclip 2.0というChrome拡張もあって、NotebookLM向けの拡張で、大量キャプチャ、ノートブックのマージ、エクスポートができる。Pro版が年24ドル。

葵: あと学習と遊びの境目で、ARC-24というiOSの8トラックgroovebox。スケールロックで外音にならない、シンセ、サンプラー、ドラムマシン、ループが入っている。7日試用の後、買い切り9.99ドルで、サブスクじゃない。

悠真: 買い切りを明示しているのが、音楽制作アプリの世界では差別化になっているね。

葵: それと、WaseiGo。1000以上の和製英語を教えてくれるやつ。英語に見えるのに意味が違う単語ですね。50語無料で、買い切り。

悠真: 和製英語って、日本語話者には英語学習の定番の落とし穴だから、それに特化したアプリというのは需要がはっきりしている。

葵: 創作と学習全体を振り返ると、動画と音楽は「速さと手軽さ」で勝負しているけど品質の基準がこれから、教育は「効果を数字で示し始めた」段階。どちらも生成AIが本格的に入ってきた、という共有の空気がある。

悠真: で、最後のテーマは、物理的な端末と、生活の周りのツール。

葵: 最初は目玉、HONOR Robot Phone。フラッグシップスマホに、4自由度のチタン合金ジンバルが内蔵されていて、200MPのメインカメラが物理的に動く。それで手ブレ補正、追跡、そして自律撮影を実現する。本体の厚さは9.6mm。

悠真: 「カメラが物理的に動くスマホ」というのが最大の特徴で、ソフトのスタビライズじゃなくて、ハードで動かす。しかも自律撮影までやる、というのは、撮影という行為にエージェントを入れてきた、とも読める。

葵: そう、今のテーマ全体の流れと実は地続きでね。画面の向こうの仕事をエージェントがやる時代に、撮影も「意図を伝えたら自分で撮る」方向に進んでいる。9.6mmにジンバルを収めた、という設計の達成感も大きい。

悠真: で、逆方向に「クラウドに頼らない」系が続きます。ChannelOSは、ローカル優先のWindowsアプリで、自分のメディアを、番組表つきのケーブルテレビのチャンネルみたいに編成できる。オンデマンドも、ゲームパッドの対応もある。MPL-2.0のオープンソース。

葵: 「自分の持っているメディア」を、有線テレビのフォーマットに戻す、というのが面白い発想。全部ストリーミング時代に、逆に「チャンネルを回して、番組表を見る」楽しさに戻す。ローカルで動いて、オープンソースというのも、この手のツールには合っている。

悠真: 次がFolio。タブ、RSS、ニュースレターを集めて、目次つきの出版物みたいに組版して、PDFかEPUBで、reMarkableかKindleに自動配信する。月5ドル。

葵: これは読書体験の設計でね。散らばったタブと購読を、一度「出版物」という形にまとめて、電子ペーパーの端末に落とす。月5ドルという価格設定も明確。

悠真: そして締めにふさわしいのがNotchling。MacBookのノッチに住む生き物で、ドラッグされたファイルを持っていてくれる。無料で、1MB以下で、何もMacの外に出ない。

葵: 1MB以下で全部ローカル、というの、すごく潔い。ディスプレイのノッチというデッドスペースを、一時置き場に変える、という小さな発想。

悠真: あと、ノスタルジー枠でnOS4。ブラウザの中でiOS 4の体験を完全に再現していて、アプリを開いたり、ゲームで遊んだりできる。作者自身が「懐かしさのための個人的な実験プロジェクト」と言っている。

葵: 今日のテーマ全体を通すとね、クラウド型とローカル型の使い分けが進んでいる感じがする。エージェントの基盤はクラウドと標準プロトコルでつながりつつ、TrustedRouterやBobVaultのように、機密をどう守るかが同時に進化していて、一方でChannelOSやNotchlingは、完全にローカルで、依存を減らす方向。

悠真: そして、HONOR Robot Phoneのように、エージェントの発想がハードウェアの動きにまで入ってきた。次は、この「ローカルとクラウドの境界線」を巡る議論がもっと熱くなりそうですね。

葵: というわけで、今日のブリーフィングはここまで。悠真さん、ありがとうございました。

悠真: こちらこそ。また明日。