The fastest, cheapest, most efficient open-source agent harness. Run more than 500 agents on a $10 VPS.
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 または最新リリース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。
# macOS and Linux
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
# 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 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。
速いコーディングタスクを約20秒で終えます。テストした7つの AI エージェントツールの中で最速です。起動は0.1秒です。 |
安い一般的なエージェントツールよりトークン使用量が2.6分の1で、テストでの合計費用も最も低くなりました。 |
大規模でも効率的一般的なエージェントツールに比べ、メモリと CPU の使用量は約8分の1です。月10ドルのサーバーで500以上のエージェントを動かせます。 |
開発者のためにRust クイックスタート · 組み込みガイド · サンプル Rust ライブラリとして使えます。エージェントを普通の関数のように呼び出すことも、小さなサーバー1台でエージェント群をまるごと動かすこともできます。 |
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 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 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 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。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、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: 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: 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 |
| OAuth 連携 | Composio 経由の119個のアプリ。何かが起きたときにエージェントを起動するトリガーに対応 |
| モデル | ローカルモデル(Ollama、LM Studio、MLX)と26プロバイダーの BYOK、さらに自動モデルルーティング |
| 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: 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: 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、サンドボックス実行(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、秘密情報は OS のキーリングに保存 |
| 使用量の追跡 | 呼び出しごとのコストとトークン使用量、再生できる実行ジャーナル |
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。
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、組み込みガイド、開発者向けドキュメントをご覧ください。
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 をお読みください。または、このプロンプトを使って 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。
- Git、Node.js 24+、pnpm 10.10.0、Rust 1.99.1(
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。 - 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。 - 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、AGENTS.md、crates の概要をご覧ください。OpenHuman の多くの部分は 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 での特別なアクセスを提供します。