OpenHuman
最速、最安、最も効率的なオープンソースのエージェントハーネス。月10ドルのVPS1台で500以上のエージェントを動かせます。
一般の方にはデスクトップアプリ。開発者にはRustライブラリ。
ドキュメント ·
Rust クイックスタート ·
ベンチマーク ·
ディスカッション ·
Discord ·
Reddit ·
X ·
@senamakel（作者）
🇺🇸 English | 🇸🇦 العربية | 🇨🇳 简体中文 | 🇯🇵 日本語 | 🇰🇷 한국어 | 🇩🇪 Deutsch | 🇹🇷 Türkçe | 🇵🇰 اردو
> [!NOTE]
> 🎉 公開から1週間以内に、OpenHuman は9日連続で **GitHub のトレンド1位のリポジトリ** になりました。
> **早期ベータ版。** OpenHuman は活発に開発中のため、荒削りな部分があります。
---
## インストール
一番簡単なのは、[tinyhumans.ai/openhuman](https://tinyhumans.ai/openhuman?utm_source=github&utm_medium=readme) または[最新リリース](https://github.com/tinyhumansai/openhuman/releases/latest)からデスクトップアプリをダウンロードする方法です。macOS 用は `.dmg`、Windows 用は `.msi` または `.exe`、Linux 用は `.deb` または `.AppImage` です。
ターミナルを使いたい方へ。インストールスクリプトが環境に合ったパッケージを選び、チェックサムを確認してからインストールします。
```bash
# macOS and Linux
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
```
```powershell
# Windows (PowerShell)
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex
```
macOS と Linux のスクリプトが何を行うかを事前に確認するには、コマンドの末尾に `bash -s -- --dry-run` を付けます。その他のオプションとトラブルシューティングは [INSTALL.md](../INSTALL.md) にあります。
---
## なぜ OpenHuman なのか
多くのエージェントハーネスは、エージェントごとに重いプロセスを1つ動かし、呼び出しのたびに大きなプロンプトを送り直します。OpenHuman は同じ仕事をはるかに少ない資源でこなします。機能が豊富で、大規模なエージェント群のために作られた唯一のオープンソースハーネスです。月10ドルのサーバー1台に500のエージェントが収まります。
同じプロンプトを並べて比較: 「エージェントハーネスについての物語をアニメ風に書いて、HTML ページにして開いてください。」
OpenHuman は20秒で完了し、15kトークン、$0.0054でした。Hermes は9分40秒かかり、37kトークン、$0.0082でした。
---
## 主なイノベーション
多くのエージェントハーネスは単純なループです。すべてをモデルに送り、待ち、これを繰り返します。エージェントが1つならこれで動きますが、すぐに遅く高くなり、数百を動かすと破綻します。
OpenHuman は、最もコストのかかる部分を見直しました。AI が読むテキストの量、適切なツールの見つけ方、機能の読み込み方、全体に必要なマシンの大きさです。以下の6つの工夫が、上で紹介した速さと節約の源です。詳しく知りたい場合は、各カードからドキュメントに進めます。
RLM によるトークン圧縮
RLM の論文 · しくみ
Recursive Language Models に基づいています。大きなツールの結果は、AI が読む前に圧縮されます。非常に大きいものは、AI が全部を読む代わりに検索できるハンドルを受け取ります。捨てられる情報はありません。
|
Jev: 即座で正確なツール検索
Jev · 計測結果
Jev は、1,215個の中から適切なツールを見つける小さなモデルです。正解が上位候補に入る割合は86.8%で、キーワード検索の70.5%を上回ります。
|
統一された Rust バス
プラグインのしくみ
検索、ドキュメント、音声などの機能はすべて、1本の Rust バスにつながります。これは Linux のシステムバスから借りた考え方です。機能は必要なときだけ読み込まれ、1つが止まっても他は動き続けます。
|
深く統合されたメモリ
メモリのしくみ · メモリエンジン
メモリは最初から組み込まれています。毎ターンの前に、OpenHuman はトークンの予算内で重要なものだけを選び、出典付きで AI に渡します。そのまま使え、設定を変えるだけで別のメモリエンジンに切り替えられます。
|
ブラウザとデスクトップの即時操作
ブラウザとコンピューターの操作 · Jev
エージェントは実際のブラウザとデスクトップアプリを使います。Jev は画面上のボタンから次のクリックを選ぶので、スクリーンショットは不要です。支払いの前には必ず止まります。
|
プログラムできる Rust コア
Rust クイックスタート · パフォーマンス
ハーネス全体が1つのプロセスで動くコンパイル済みの Rust なので、0.1秒で起動し、軽いままです。コーディングタスクでのピークは68 MBでした。同じコアがライブラリにもなります。自分の Rust コードからエージェントを呼び出すことも、小さなサーバー1台で数百のエージェントを並べて動かすこともできます。
|
---
## ベンチマーク
7つのハーネスを、同じモデル、同じ API キー、同じコンテナで同じ SWE-bench のタスクに対して実行し、すべての呼び出しを計測しました。セットアップと結果は [openhuman-benchmarks](https://github.com/tinyhumansai/openhuman-benchmarks) で公開しているので、誰でも再実行できます。最新の実行は [`swe-x86-1`](https://github.com/tinyhumansai/openhuman-benchmarks/blob/main/results/swe-x86-1/summary.md) で、タスク数は10です。
OpenHuman は、中央値の半分未満の時間でタスクを終え、トークンは2.6分の1、メモリと CPU は8分の1でした。モデル呼び出しは114回で、他は134回から212回でした。実行全体の費用は$0.05で、他は$0.08から$0.35でした。
勝因は、1ステップあたりの仕事が少ないことです。コアは Node や Python ではなく、1つのプロセスで動くコンパイル済みの Rust なので、メモリ使用量が小さく、モデル呼び出しの合間の CPU 使用もほぼありません。20個のツールを含めても4.6kトークンと、7つの中で最小のプロンプトを送るので、1回の呼び出しが安く、応答も速くなります（中央値1.65秒で、これも最速です）。答えにたどり着くまでの呼び出し回数も少なく、節約の大部分はここから生まれます。
| 解決したタスクあたり | OpenHuman（中央値との比較） | 他の6つの中央値 | 他の6つの最良値 |
| --- | --- | --- | --- |
| 所要時間（p50） | **19.8 s**（2.3倍速い） | 46.5 s | 28.4 s (OpenCode) |
| トークン | **167k**（2.6分の1） | 435k | 370k (Codex) |
| コスト | **$0.0077**（-36%） | $0.012 | $0.0077（OpenCode、同値） |
| ピークメモリ | **68 MB**（7.7分の1） | 523 MB | 123 MB (Codex) |
| CPU 時間 | **1.3 s**（8分の1） | 10.4 s | 2.9 s (DeepSeek Harness) |
| システムプロンプト | **4.6k トークン**（-40%） | 7.7k | 6.2k (DeepSeek Harness) |
---
## 利用者向け
Claude Code、Codex、OpenClaw、Hermes を使ったことがあれば、基本の考え方はご存じのはずです。ツールを使うエージェントループ、MCP、スキル、BYOK モデル、メモリです。OpenHuman はそのすべてを、デスクトップアプリ、ターミナルアプリ、ヘッドレスサーバーで提供します。
| 機能 | OpenHuman が提供するもの |
| --- | --- |
| 設定できるメモリ | [ファイル、リポジトリ、フィード、アプリにわたる組み込みメモリ](https://tinyhumans.gitbook.io/openhuman/features/memory)。選んだメモリエンジン上で、毎ターンの前に出典付きで呼び出されます |
| 音声エージェント | 話の途中で割り込める[ライブ音声エージェント](https://tinyhumans.gitbook.io/openhuman/features/native-tools/voice)、音声入力、音声での返答 |
| コンピューターとブラウザの操作 | [実際の Chrome ブラウザとデスクトップアプリを操作](https://tinyhumans.gitbook.io/openhuman/features/native-tools/browser-and-computer)します。元に戻せない操作の前には確認します |
| 検索 | [検索エンジンと検索エージェント](https://tinyhumans.gitbook.io/openhuman/features/native-tools/web-search): Exa と Gemini は標準搭載、Brave、Tavily、Parallel などは自分のキーで利用できます。出典付きの根拠ある回答と Deep Research にも対応 |
| ツール | [ネイティブツール](https://tinyhumans.gitbook.io/openhuman/features/native-tools): シェルとコーダー、スクレイパー、ドキュメント、画像・動画の生成、cron |
| MCP とスキル | [MCP サーバーとスキルバンドル](https://tinyhumans.gitbook.io/openhuman/features/integrations/mcp-and-skills) |
| OAuth 連携 | [Composio 経由の119個のアプリ](https://tinyhumans.gitbook.io/openhuman/features/integrations)。何かが起きたときにエージェントを起動する[トリガー](https://tinyhumans.gitbook.io/openhuman/features/integrations/triggers)に対応 |
| モデル | [ローカルモデル（Ollama、LM Studio、MLX）と26プロバイダーの BYOK](https://tinyhumans.gitbook.io/openhuman/features/model-routing/local-and-byok-models)、さらに[自動モデルルーティング](https://tinyhumans.gitbook.io/openhuman/features/model-routing) |
| チャネル | エージェントの窓口となる[14のメッセージングチャネル](https://tinyhumans.gitbook.io/openhuman/features/channels): Telegram、Discord、iMessage、メールなど |
| ワークフロー | [永続的なワークフローグラフ](https://tinyhumans.gitbook.io/openhuman/features/workflows): cron、イベント、手動のトリガー、承認ステップ、一時停止後の再開 |
| 安全性 | [承認ゲート](https://tinyhumans.gitbook.io/openhuman/features/approval-gate)、[サンドボックス実行](https://tinyhumans.gitbook.io/openhuman/features/privacy-and-security)（OS のジェイルまたは Docker）、ローカルのみで動かす[プライバシーモード](https://tinyhumans.gitbook.io/openhuman/features/privacy-mode)、秘密情報は [OS のキーリング](https://tinyhumans.gitbook.io/openhuman/features/os-keyring-and-secret-storage)に保存 |
| 使用量の追跡 | [呼び出しごとのコストとトークン使用量](https://tinyhumans.gitbook.io/openhuman/features/billing-and-usage)、再生できる実行ジャーナル |
まずは[はじめに](https://tinyhumans.gitbook.io/openhuman/overview/getting-started)か[ガイド](https://tinyhumans.gitbook.io/openhuman/guides)をご覧ください。
---
## 開発者向け
OpenHuman はライブラリ優先のハーネスです。Rust プロジェクトに追加するだけで、エージェントを普通の関数のように呼び出せます。サイドカーやデーモンを動かす必要はありません。1つのランタイムに数百のエージェントを持たせることができ、それぞれが独自のモデル、ツール、メモリ、サンドボックスを持ちます。月10ドルの VPS に500のエージェントが収まるので、顧客ごとに1エージェントを割り当てるプロダクトも、クラスターなしで始められます。
```rust
use openhuman_embed::{Access, Harness, Provider, Workspace};
let agent = Harness::builder()
.provider(Provider::openai_compatible("https://api.openai.com/v1", "sk-...").model("gpt-5"))
.workspace(Workspace::Ephemeral)
.access(Access::readonly())
.build()
.await?;
let reply = agent.run("Summarize what you can see in this directory.").await?;
println!("{}", reply.reply);
```
次は、[Rust クイックスタート](https://tinyhumans.gitbook.io/openhuman/developing/quickstart)、[組み込みガイド](../gitbooks/developing/embed/README.md)、[開発者向けドキュメント](https://tinyhumans.gitbook.io/openhuman/developing)をご覧ください。
---
## 他との比較
多くの人がすでに使っているハーネスと OpenHuman を並べてみます。上の4行は[公開ベンチマーク](https://github.com/tinyhumansai/openhuman-benchmarks/blob/main/results/swe-x86-1/summary.md)の結果で、10個の SWE-bench コーディングタスクを、どのハーネスも同じモデルと同じコンテナで実行したものです。数値はすべて解決したタスクあたりです。残りは機能の比較です。
要するに、他のツールは1人が1つのエージェントと作業する用途にとても向いています。OpenHuman もそれに対応し、さらにライブラリとして組み込み、エージェント群へ拡大できるオープンソースの選択肢でもあります。製品は変化が速いので、決める前に各プロジェクトを確認してください。
| | Claude Code | Codex | OpenClaw | Hermes Agent | OpenHuman |
| ----------------------- | -------------------- | -------------------- | -------------------- | -------------------- | ---------------------------------------- |
| **タスク所要時間（中央値）** | 37.8 s | 36.1 s | 62 s | 58.5 s | 🚀 19.8 s |
| **タスクあたり平均トークン** | 428k | 370k | 442k | 482k | 🚀 167k |
| **タスクあたりピークメモリ** | 231 MB | 123 MB | 1.57 GB | 816 MB | 🚀 68 MB |
| **タスクあたり平均コスト** | $0.04 | $0.02 | $0.01 | $0.0082 | 🚀 $0.0077 |
| **オープンソース** | 🚫 プロプライエタリ | ✅ Apache-2.0 | ✅ MIT | ✅ MIT | ✅ GPL-3.0 |
| **エージェント群** | ⚠️ エージェントごとにプロセス | ⚠️ エージェントごとにプロセス | ⚠️ エージェントごとにプロセス | ⚠️ エージェントごとにプロセス | 🚀 月10ドルの VPS に500エージェント |
| **組み込めるライブラリ** | ⚠️ CLI の SDK | ⚠️ CLI の SDK | 🚫 なし | ⚠️ Python パッケージ | 🚀 型付き Rust API |
| **メモリ** | ⚠️ メモリファイル | ⚠️ メモリファイル | ⚠️ プラグイン頼み | ✅ 自己学習 | 🚀 毎ターン出典付きで呼び出し |
| **連携** | ✅ MCP | ✅ MCP | ⚠️ 自前で用意 | ⚠️ 自前で用意 | 🚀 119個の OAuth アプリ、MCP、スキル |
| **メッセージングチャネル** | 🚫 なし | 🚫 なし | ✅ 多数 | ✅ いくつか | ✅ 14（メール含む） |
| **ブラウザとデスクトップ** | ⚠️ MCP 経由のブラウザ | ⚠️ MCP 経由のブラウザ | ✅ ブラウザ | ✅ ブラウザ | ✅ ブラウザとデスクトップアプリ |
| **ワークフロー** | 🚫 なし | 🚫 なし | ⚠️ スクリプト | ⚠️ スクリプト | 🚀 ビジュアル、エージェントが下書き |
| **モデルの選択** | ⚠️ Anthropic のモデル | ⚠️ OpenAI 優先 | ✅ 任意 | ✅ 任意 | ✅ 任意、ルーティング内蔵 |
---
## コントリビュート
[`CONTRIBUTING.md`](../CONTRIBUTING.md) をお読みください。または、[このプロンプト](./CONTRIBUTING-BEGINNERS.md#optional--let-an-ai-coding-agent-guide-you)を使って AI コーディングエージェントに案内してもらうこともできます。
1. Git、Node.js 24+、pnpm 10.10.0、Rust 1.96.1（`rustfmt` と `clippy` を含む）、CMake、Ninja、ripgrep、そしてお使いのプラットフォームのデスクトップビルドに必要なものをインストールします。
2. リポジトリをフォークしてクローンします。`git submodule update --init --recursive` を実行し、続けて `pnpm install` を実行します。
3. UI の作業には `pnpm dev`、デスクトップアプリには `pnpm dev:app` を実行します。PR を開く前に、`pnpm typecheck`、`pnpm format:check`、`cargo check --manifest-path Cargo.toml` を実行してください。
詳しくは[環境構築](https://tinyhumans.gitbook.io/openhuman/developing/getting-set-up)、[`AGENTS.md`](../AGENTS.md)、[crates の概要](../crates/README.md)をご覧ください。OpenHuman の多くの部分は [`vendor/`](../vendor) 配下の独立したリポジトリにあり、そちらへの貢献も歓迎します。
コントリビューターには、無料のグッズと [Discord](https://guild.tinyhumans.ai/) での特別なアクセスを提供します。
## スター履歴
## コントリビューター
