AIエージェントOSSカタログ

Browser Useコンピュータ操作

スクリーンショットからクリック座標を推測させるのではなく、ページ上の操作可能な要素を抽出して構造化リストとしてモデルに渡します。この方式により、フォーム入力やスクレイピングでの安定性が明確に高くなります。一方でcanvas主体のアプリケーションや、bot対策の強いサイトでは読み取れるDOMが存在せず、精度が落ちます。

Difyワークフロー

AIへの指示文の管理、社内文書からの検索、AIに使わせる道具、運用画面までを一式で備えており、初期構築さえ済めばエンジニア以外でも回せます。ライセンスはApache 2.0に、マルチテナント提供とブランディングに関する追加条件を加えたもので、OSSではなくソース公開型にあたります。この上に製品を構築する前に必ず確認してください。

hermes-agentツール連携

Nous Research自身が開発するエージェント本体で、TUIと単一のgatewayプロセスがTelegram、Discord、Slack、WhatsApp、Signal、Emailの会話を束ね、cronスケジューラ、隔離されたサブエージェント、local/Docker/SSH/Singularity/Modal/Daytona/Vercel Sandboxという7種類のターミナルバックエンドを備えます。核になるのは閉じた学習ループで、定期的な促しに応じて記憶を整理し、複雑なタスクの後に自らスキルを作り、FTS5とLLM要約で過去セッションを検索します。裏を返せば、有用さの源である状態が`~/.hermes`配下に溜まり続け、バージョン管理の外で育つため、定期的な棚卸しが前提になります。組み込み用のライブラリではなく運用するアシスタントであり、READMEが記載するのはhermesのサブコマンドとスラッシュコマンドで、埋め込み用のAPIではありません。自作コードから呼ぶエージェントループが欲しい用途には向きません。シェルを扱えるエージェントをチャット経由で露出させる以上、コマンド承認とDMペアリングの設定は任意の飾りではなくなります。

Langfuse可観測性

エージェントが実際に何をしたか——各呼び出し、ツール実行、コスト——を記録し、そのトレースを評価用データセットへ変換できます。マネージド版とDocker Composeでセルフホストする版が同一コードベースのため、どちらの方向にも移行コストが低いのが利点です。一部のエンタープライズ機能はMITのコア部分に含まれないため、必要な機能の提供範囲を事前に確認してください。

LangGraphフレームワーク

LangGraphでは、エージェントの処理の流れを「状態・ノード・エッジ」のグラフとして自分で定義します。ノードはLLM呼び出しやツール実行といった処理単位、エッジは次にどのノードへ進むかのつなぎで、全ノードが共有の状態を読み書きします。状態に応じてエッジを分岐させてループを作れるほか、ノードごとに状態が保存されるため、人の承認待ちで止めて後から再開したり、障害後に保存地点から続けたりできます。その分コードは増え、単純なツール呼び出しだけのエージェントには他のフレームワークより重くなります。

n8nワークフロー

数百のサービスをつなぐ処理をワークフローとして画面上で組み立てる自動化ツールです。流れの中の1つ1つの処理はノードと呼ばれ、近年はAIエージェントをノードとしてワークフローに組み込む使い方が増えています。最初に確認すべきはライセンスです。OSI承認のオープンソースではなく、Sustainable Use Licenseによるソース公開型にあたります。社内利用やセルフホストは可能ですが、ホスティングサービスとして再販することは認められていません。

Ollamaモデルサービング

量子化済みのモデル、つまり少ないメモリで動くよう圧縮された形式のモデルを取得し、呼び出し用のローカルHTTP APIまで起動して、コマンド1つで使える状態にします。手元のハードウェアでモデルを動かして開発を始めるなら妥当な選択です。ただし多人数へ同時に配信する用途では、処理量を稼ぐことに特化したサーバーのほうが明確に有利です。

openclawツール連携

`openclaw onboard --install-daemon`で手元のマシンにGatewayを常駐させると、セッション、ツール、イベント、チャネル接続がそこへ集約され、Control UI、CLI、TUI、接続済みのメッセージングチャネルが同じアシスタントを共有します。モデルはホスト型でもローカルでも構成でき、機能追加は本体の改造ではなくplugin SDKで作るプラグインを前提としています。一方で想定利用者は単独のオペレーターで、メインセッションのツールはサンドボックスを明示的に設定しない限りホスト上でそのまま実行され、DM可能なチャネルでは受信メッセージを未信頼の入力として扱う前提になっています。他のユーザーを参加させたりGatewayを外部へ公開したりする構成は、README自体がsecurityとsandboxingのガイドを先に読むよう促している領域であり、チームでの共有運用を第一に考えるなら選択肢から外れます。

opencodeコーディングエージェント

特徴は、何もかもが埋め込みではなく宣言である点です。名前付きのエージェントをJSONかMarkdownで定義し、それぞれに使うモデルと、ツールごとの権限を与えます。読み取り・編集・コマンド実行のそれぞれについて、許可・確認・拒否のいずれかを選べます。切り替えはキー1つです。標準でも、全権限を持つものと、編集や実行の前に必ず確認するものの2種類が同じ仕組みで用意されています。MITでプロバイダにも依存しませんが、変化が速いうえ最近リポジトリの所有者が変わったため、古いリンクや固定したバージョンはすぐ古びます。

OpenHandsコーディングエージェント

隔離されたコンテナ内でファイル編集・テスト実行・ドキュメント参照を行うため、実行が失敗してもホスト環境を壊しません。SWE-bench系のベンチマークでは上位の成績を出していますが、実際のリポジトリに向ける前にコスト試算を勧めます。長時間の自律実行はトークン消費が大きく、生成結果はマージ前に人間のレビューが前提になります。