3行まとめ
- 何をやったか: 実勢価格7〜8万円台のエントリーゲーミングノート（HP Victus 15: Ryzen 5 / 16GB / RTX 2050 4GB）に、オープンソースのAIエージェント基盤「OpenBot.run」を導入し、14個の追加機能（日英ハイブリッド音声合成、Agent-Reach、Windows-MCP、Obsidian連携、ベクトルDB等）をフルセットアップした。
- 何がすごいか: VRAM 4GBという制約を「思考はクラウド（Codex / Google AI Pro）、手足はローカル（Windows-MCP / Everything / Crawl4AI / Agent-Reach）」と完全分業。「ビクタス」と呼ぶだけで、画面操作・ファイル検索・SNS/Web情報収集・Obsidianメモ記録・ずんだもん＆Kokoro英語音声での返答まで一気通貫でこなすバイリンガルAI同僚へと生まれ変わった。
- 読者が得られるもの: 格安・型落ちPCを最強のAIワークステーションに変える設計思想、セットアップした14大機能の連携構成、および実機で動かす具体的な設定ノウハウ。
開発の背景：手元にある「格安ゲーミングノート」の処遇問題
「余っているPCがある。そうだ。AIエージェントを24時間動かしたいけどできるかな・・・が始まりでした」
これが以前購入した格安ゲーミングノートPCのスペックです。
- 機種: HP Victus 15-fb1004ax
- CPU: AMD Ryzen™ 5 7535HS (6コア / 12スレッド)
- メモリ: 16GB DDR5
- GPU: NVIDIA GeForce RTX 2050 Laptop (4GB VRAM)
- OS: Windows 11 Home
セール時に7〜8万円台で購入できた。まさに「入門用ゲーミングノート」の代表格です。
しかし、昨今のローカルAIブームで言われるのは「ローカルLLMを快適に動かすならVRAM 16GB以上、最低でも12GBは必須」という過酷な現実。RTX 2050の VRAM 4GB では、7Bや14Bのモデルを動かすだけでアップアップです。
「このスペックで、実用的なAIエージェントマシンを作るのは無理なのか……？」
いいえ、そんなことはありませんでした。
思考の前提を**「重い頭脳はクラウドに任せ、このPCは最高に器用な『手足（ボディ）』として特化させる」**と切り替えた瞬間、この格安ノートPCは化け物じみた万能AIマシンへと覚醒しました。
まず、最初にやったことは、ACアダプタで24時間稼働させるため、バッテリーの接続を断つことから始めました。
基本思想：完全分業アーキテクチャ
今回採用したアーキテクチャの根幹は、オープンソースのAI Coworkerプラットフォーム OpenBot.run を軸にした「クラウド頭脳 × ローカル手足」のハイブリッド設計です。
- 頭脳（推論）: サブスクリプション契約している Codex と Google AI Pro をOpenBotに接続。VRAMを一切消費せず、最上位の推論能力を利用。
- 手足（実行）: OpenBotがWindows 11上でローカルツール群（MCP、検索、OCR、音声合成、SNS収集など）を叩き、PC内のファイル操作や日常業務を自律実行。
この分業により、RTX 2050（4GB）やRyzen 5の負荷はほぼ数%〜十数%で安定し、ファンの騒音や発熱を気にせず静音のまま常時待機させることが可能になりました。
実際にセットアップした「14の追加機能」の全容
OpenBotのマーケットプレイスだけに頼らず、ローカル環境に直接統合した14個の追加機能がこちらです。
1. 音声入力：hayamimi（音声認識）
- 役割: マイクからの日本語・英語のリアルタイム音声認識、動画/音声ファイルの文字起こし。
- 実用例: 「Downloadsのeng.mp4を文字起こしして、原文と日本語訳をeng.mdに保存して」と頼むと、バックグラウンドで自動解析して作業を完了させてくれます。
2. ウェイクワード検知：openWakeWord（呼び出しワード「ビクタス」）
- 役割: PCに触れることなく、声だけでエージェントを待機・起動させる機能。
- 工夫: 機種名にちなんで「ビクタス（ヴィクタス / Victus）」をトリガーワードに設定。デスクに向かって「ビクタス」と呟くだけでマイク待機がONになり、指示を聞き取ってくれます。
3. 日本語音声合成：VOICEVOX（ずんだもん・四国めたん）
- 役割: 処理結果や返答を日本語音声で読み上げ。
- 工夫: VOICEVOXアプリとローカルHTTPエンジンを連携。普段はメモリを節約し、音声生成の要求があったタイミングでバックグラウンド起動する省エネ設計にしています。
4. 英語ローカル音声合成：Kokoro-82M (v0.9.4)
- 役割: わずか82Mパラメータの軽量モデルで動く、完全オフライン・APIキー不要のネイティブ英語TTS。
-
特徴: 米国英語（
af_heart等）と英国英語（bf_alice等）を切り替え可能。英語圏のニュースや論文要約を自然なネイティブ発音で読み上げてくれます。
5. 多国籍英語オンライン音声合成：edge-tts
- 役割: Microsoft Edge Neural TTSをAPIキーなしで利用する高品質音声合成。
-
特徴: 米国英語だけでなく、英国英語（
en-GB-SoniaNeural）、オーストラリア英語（en-AU-NatashaNeural）、ニュージーランド英語（en-NZ-MollyNeural）などのアクセントに対応。
6. SNS・動画・Web情報収集：Agent-Reach 1.6.0
- 役割: X（Twitter）、Reddit、YouTube（字幕・文字起こし）、GitHub、Bilibiliなどの公開情報をAPIキー不要・課金ゼロで構造化取得。
-
導入: 公式GitHubリリースから
uv toolで導入し、OpenBotスキルagent-reachとして連携済み。「YouTubeの字幕を取得して」「GitHubで○○を検索して」と頼むだけで、クリーンなMarkdownとして吸い上げてくれます。
7. Web一括クロール：Crawl4AI
- 役割: JavaScriptを多用した最新Webサイトやドキュメントの一括スクレイピング・Markdown化。
- 強み: 専用venvとChromiumバックエンドを構成し、複数ページを一気にクリーンなテキストとして収集。
8. マシン遠隔操作：Windows-MCP
- 役割: stdio方式で接続されたWindowsネイティブ操作基盤。
- できること: メモ帳やアプリの自動起動、PowerShellコマンド実行、マウスのクリック・キー入力、クリップボードの読み書き、プロセスの監視・強制終了。
9. 外部通知：Apprise
- 役割: マルチプラットフォーム通知ハブ。
- 活用: 長時間のクロールや動画編集、バッチ処理が終わった際、Discord、Telegram、Slack、LINE、あるいはスマホのWebhookへ「処理完了！」のプッシュ通知を自動送信。
10. 知識データベース：Obsidian Local REST API with MCP
- 役割: ローカルMarkdownナレッジベース「Obsidian」との双方向連携。
- 感動ポイント: エージェントがWebで調べた情報や日々の会話の要約を、自動的にObsidianの指定フォルダ（Vault）へ新規ノート作成・タグ付けしてストックしてくれます。「あの件どうなったっけ？」と聞けば、過去のObsidianノートを検索して答えてくれます。
11. 画像解析：PaddleOCR (CPU版)
- 役割: 日本語に強い高精度OCRエンジン。
- 実用例: 画面のスクリーンショットや、ダウンロードした領収書・チラシのPDFからテキストを抽出し、一瞬でMarkdownテーブルに変換してくれます。
12. ファイル検索：Everything + ES CLI
- 役割: Windows最速のファイルインデックス検索ツール「Everything」のCLI版連携。
- 実力: 数万個のファイルの中から「先週更新されたPDF」「1GB以上の動画ファイル」を一瞬（0.1秒未満）でリストアップし、エージェントに渡します。Windows標準の遅い検索とは次元が違います。
13. ベクトル長期記憶：Qdrant Local
-
役割:
127.0.0.1:6333で常駐するローカルベクトルデータベース。 - 活用: 文字起こしデータ、OCRした書類、Obsidianの過去ノートをベクトル化して格納。キーワードが完全一致しなくても、「あのAIの推論速度に関するメモ」といった曖昧なニュアンス（セマンティック検索）で目的の情報を取り出せます。
連携の神髄：実際に動いている様子（ユースケース）
これら14の機能が組み合わさると、日常のデスクワークが一変します。
あなた: 「ビクタス」
PC: （ピコンと待機音）
あなた: 「Agent-Reachで最新のOpenBotに関するGitHubリポジトリと
YouTube動画をリサーチして、要点をObsidianに保存して。
日本語は要約はずんだもん、英語の元ポストはKokoroで読み上げて」
- openWakeWord が「ビクタス」を検知して起動。
- hayamimi がマイクの音声指示をテキスト化。
-
OpenBot（Codex / Google AI Pro） がタスクを分解：
- Agent-Reach でGitHubとYouTubeの最新情報をAPIキー不要で一括取得。
- Google AI Pro が長大な取得テキストを論理的に要約・TODO抽出。
-
Obsidian MCP 経由で、Vaultに
2026-10-25-OpenBotリサーチ.mdを自動ストック。 - Apprise 経由で、あなたのDiscordへ「リサーチ完了」の通知を送信。
- VOICEVOX（ずんだもん） が「リサーチ結果をObsidianにまとめておいたのだ！」と日本語で報告し、続いて Kokoro-82M が「Here are the top three updates from GitHub...」と流暢なネイティブ英語で読み上げ。
キーボードやマウスには一度も触れていません。
まさにSF映画に出てくる「バイリンガルな自分専用AI執事」そのものです。
設計で一番悩んだポイントと解決策
1. 「VRAM 4GBで全部やろうとしない」という割り切り
最初は「せっかくのGPUだから、推論もすべてローカルで動かしたい」と欲張りました。しかし、Ollamaで7Bモデルを動かすとそれだけでVRAMが枯渇し、OCRやブラウザを立ち上げた瞬間にスワップが発生してPCが悲鳴を上げました。
**「月額課金している強力なクラウドモデル（Codex / Google AI Pro）があるなら、それを脳みそにして、PCのGPU/CPUはOCRや音声処理などのエッジタスクに集中させる」**と割り切ったことで、驚くほど安定した超高速環境が完成しました。
2. stdio方式によるMCPの堅牢化
Windows操作をAIに任せる際、HTTP経由のREST APIだとプロセスの二重起動やポートの競合が起きがちです。Windows-MCPをstdio（標準入出力）パイプ方式でOpenBotに直結させたことで、コマンド実行の遅延がほぼゼロになり、エラーハンドリングも極めて安定しました。
3. 日英ハイブリッドTTSの使い分け
日本語専用のVOICEVOXだけだと海外の論文やドキュメントを読み上げさせたときに不自然なカタカナ発音になってしまいます。超軽量なローカルモデル Kokoro-82M と、4地域のアクセントを使い分けられる edge-tts を組み合わせたことで、完全にストレスのないバイリンガル音声環境が整いました。
制約事項・注意点
導入にあたって注意すべき点も正直に挙げておきます。
-
完全オフラインでは動かない:
- 思考エンジンをCodex / Google AI Proに依存しているため、インターネット回線が切れると複雑な判断ができなくなります（簡単なEverything検索や文字起こしスクリプトの単体実行は可能）。
-
通知先トークンの管理:
- Appriseは非常に便利ですが、Discord WebhookやLINEトークンなどの機密情報は環境変数や設定ファイルで厳重に保護する必要があります。
-
Agent-Reachの安全利用:
- 読み取り専用で運用し、パスワード入力が必要なサイトは本人が手動でログインを済ませておく運用が基本です。
まとめ：余っているPCがあるなら、今すぐAI同僚を作ろう
「型落ちのゲーミングノート」「使わなくなったデスクトップPC」が自宅に眠っているなら、メルカリに二倍三文で売ってしまう前に、ぜひ OpenBot ＋ MCP ＋ ローカルツール群 の組み合わせを試してみてください。
ハイエンドなBTOマシンを何十万円も出して新調しなくても、適切な分業設計さえ行えば、7〜8万円の入門機が**「24時間文句も言わずに手足を動かしてくれる最高の相棒」**へと生まれ変わります。
手元のハードウェアをしゃぶり尽くす面白さを、ぜひ体感してみてください！