OpenClawを調べた

OpenClaw

Last updated at 2026-02-23Posted at 2026-02-23

はじめに（注意）

手元でOpenClawの設計や、Nanobot・PicoClawとの違いについてまとめていたものをダンプします。水物ではあるのであくまで現時点での参考みたいな感じでお願いしたい

ほとんどClaude Code が書いたAI生成です
- 一通り自分でチェックはしていますが、品質担保が自分で書いたのほどではありません
- まぁ特に文章が味気ないよね……
- 余計な情報（メモとか）は削りました
2026年2月時点の情報です
- 新しいバージョンに基づいたアップデート予定はありません。自分で書こうね！
- 未来の人においては「過去のスナップショット」と考えるのが良いでしょう

なげーので、まず章立てを共有

基礎情報・背景
アーキテクチャ
機能・ユースケース
エコシステム・コミュニティについて
セキュリティ・リスク
LLMへの指示方法・ツール呼び出し・MCP/ACP詳細
競合・代替ツール比較
NanoBot 詳細
PicoClaw 詳細
OpenClaw まとめ

「OpenClawって何なのよ」「どうやって動いているのよ」「話題の代替NanoBotとかPicoClawはどう違うのよ」みたいなところに興味があったので、そのあたりが多少充実しているはずです。

「LLMは単なる次のトークンを予測するだけ」とかいうレベルの理解だと、この手のエージェントが具体的にどういうプロンプトで動作しているのかわかりませんので、そのあたりについてはちょっと踏み込みたかったという事情があります。

調査に使った時点のhashも置いときます

OpenClaw: bd4f670
NanoBot: fff6207
PicoClaw: cec6fd4

1: 基礎情報・背景

プロジェクトの歴史

時期	出来事
2011年	Peter Steinberger が PSPDFKit をブートストラップで立ち上げ
～2025年	個人プロジェクト "Warelay" として内部開発（VISION.md より確認）
2025年11月	"Warelay" を元に Clawdbot としてオープンソース化（Claudeから命名）
2026年1月27日	Anthropicからの商標指摘を受け Moltbot に改名
2026年1月30日	"Moltbot" の語呂が悪いとして OpenClaw に改名
2026年1月下旬〜2月初旬	GitHubスター数が急増。2週間以内に15〜17.5万スターを突破。GitHub史上最速級の成長
2026年2月14日	創設者 Steinberger が OpenAI への参加を発表
2026年2月以降	プロジェクトをオープンソース財団へ移管予定。OpenAI・Anthropicがスポンサーに

注: VISION.md には "Warelay -> Clawdbot -> Moltbot -> OpenClaw" という変遷が明記されており、以前に知られていなかった "Warelay" ステップが確認された。

開発者: Peter Steinberger

オーストリア出身のソフトウェア開発者・起業家
PSPDFKit（PDFレンダリングSDK）を2011年に立ち上げ（米国ビザ待ちの期間に開発）
Clawdbot は個人的な自動化ツール（"Warelay"）として開発を開始し、オープンソース化後に急成長

急成長の要因

フル機能のオープンソース・ローカルファースト・モデル非依存という希少な組み合わせ
既存のメッセージングアプリからそのまま操作できるUXの斬新さ
"Moltbook" プロジェクト（MBP代替の独自PCプロジェクト）とのバイラル注目

バージョン管理・リリース

バージョン形式: YYYY.M.D（例: 2026.2.22）
リリースチャネル: stable / beta / dev の3チャネル
GitHub Actions + Sparkle: macOSアップデート配信
npm: openclaw パッケージとして公開。プラグインは @openclaw/<name> スコープ

ライセンス

MIT License: 商用利用・改変・再配布が自由。著作権表示のみ必要

GitHub統計（2026年2月時点）

指標	値
スター数	~217,000
フォーク数	~41,000
パッケージバージョン	2026.2.22
主要言語	TypeScript

2: アーキテクチャ

全体構成（ハブアンドスポーク型）

[メッセージングアプリ群]
  WhatsApp / Telegram / Slack / Discord / Signal / iMessage / LINE / MS Teams / Matrix / ...
        ↓
[Channel Adapters] ← メッセージを統一フォーマットに変換（各チャネル専用モジュール）
        ↓
[Gateway Server] ← WebSocket + Express HTTP サーバー。セッション・ルーティング・イベント管理
        ↓
[Lane Queue] ← Main/Cron/Subagent/Nested の4レーン。各レーン同時実行数を設定可能
        ↓
[Agent Runtime (Pi)] ← LLM推論コア。@mariozechner/pi-agent-core を使用
        ↓
[各種ツール/Skill]
  シェルコマンド(exec) / ブラウザ自動化 / メール / カレンダー / ファイル操作 / ...

[CronService] → Agent Runtimeを定期起動
[HeartbeatRunner] → 定期的なプロアクティブポーリング
[BOOT.md] ← Gatewayスタート時に一度だけ実行されるブートスクリプト

主要コンポーネント詳細

Gateway Server (`src/gateway/`)

役割: 「単一の真実の源」（コントロールプレーン）
Express v5 + ws ライブラリによる WebSocket サーバー
主要サブモジュール:
- server-channels.ts: チャネル管理
- server-chat.ts: エージェントイベントハンドラ
- server-cron.ts: Cronサービス組み込み
- server-lanes.ts: レーン同時実行数の設定
- server-plugins.ts: プラグインロード
- server-model-catalog.ts: モデルカタログロード
- config-reload.ts: ホットリロード
- channel-health-monitor.ts: チャネル死活監視
- server-discovery-runtime.ts: mDNSによるノード発見（@homebridge/ciao）
バックグラウンドデーモンとして常駐（macOS: アプリのメニューバープロセス、Linux: systemd等）

Channel Adapters (コア + エクステンション)

コア（src/ 直下）:

src/telegram/: grammy ライブラリ使用
src/discord/: @discordjs/voice, @buape/carbon 使用
src/slack/: @slack/bolt 使用
src/signal/: Signal 対応
src/imessage/: iMessage 対応（BlueBubbles経由）
src/web/: WhatsApp Web (@whiskeysockets/baileys 使用)
src/line/: LINE 対応（@line/bot-sdk 使用）

エクステンション（extensions/ 配下、npm パッケージ）:

extensions/msteams/: Microsoft Teams
extensions/matrix/: Matrix
extensions/voice-call/: 音声通話
extensions/zalo/, extensions/zalouser/: Zalo
extensions/googlechat/: Google Chat
extensions/feishu/: Feishu（飞书）
extensions/nextcloud-talk/, extensions/mattermost/: その他チャット
その他多数（IRC, Nostr, Tlon, Twitch, Synology Chat 等）

Lane Queue (`src/process/`)

4レーン: CommandLane enum で定義
- Main: 通常のユーザーリクエスト
- Cron: Cronジョブ
- Subagent: サブエージェントセッション
- Nested: ネストされた実行
各レーンの同時実行数は setCommandLaneConcurrency() で設定
Gateway起動時に applyGatewayLaneConcurrency() が設定を適用
- Cron: cfg.cron?.maxConcurrentRuns ?? 1（デフォルト直列）
- Main: resolveAgentMaxConcurrent(cfg) で解決
- Subagent: resolveSubagentMaxConcurrent(cfg) で解決

Agent Runtime (Pi Engine)

コアライブラリ: @mariozechner/pi-agent-core, @mariozechner/pi-coding-agent（外部パッケージ）
Pi = 独自のエージェントランナー名（PSPDFKit作者由来）
src/agents/pi-embedded-runner.ts: メインの実行エンジン
会話履歴を管理し、LLMに送信するペイロードを組み立てる
コンパクション: 長い会話履歴を自動要約してトークン節約
サブエージェント: sessions_spawn ツールで新しいセッションを起動し、完了をプッシュ通知

System Prompt 構造 (`src/agents/system-prompt.ts`)

buildAgentSystemPrompt() 関数が生成するプロンプトの構成:

Identity: "You are a personal assistant running inside OpenClaw."
Tooling: 有効なツール一覧（フィルタリング済み）
Tool Call Style: ツール呼び出しのナレーション方針
Safety: 独立目標の禁止、Anthropic Constitutionに基づく安全方針
OpenClaw CLI Quick Reference: openclaw gateway start/stop/restart 等
Skills (mandatory): スキル一覧と読み込み指示（1ターンに1つのSKILL.mdを読む）
Memory Recall: メモリ検索の指示
OpenClaw Self-Update: 自己更新の許可条件
Model Aliases: モデルエイリアス
Workspace: 作業ディレクトリ情報
Sandbox: Docker サンドボックス情報（有効時のみ）
Authorized Senders: 許可された送信者一覧
Workspace Files: コンテキストファイル（MEMORY.md等）の注入
Reply Tags: [[reply_to_current]] 等のタグ構文
Messaging: チャネル横断メッセージ送信の指示
Voice (TTS): 音声モード時のヒント
Silent Replies: 返信不要時のトークン（SILENT_REPLY_TOKEN）
Heartbeats: HEARTBEAT_OK トークンの扱い
Runtime: エージェントID・ホスト・モデル等の実行時情報

PromptMode:

full: 全セクション（メインエージェント）
minimal: 縮小版（サブエージェント向け）
none: 基本的なIDラインのみ

Heartbeat / Boot システム

HEARTBEAT.md: プロアクティブタスクのチェックリスト
Heartbeat Runner (src/infra/heartbeat-runner.ts): 定期的にエージェントを起動
BOOT.md (src/gateway/boot.ts): Gateway起動時に一度だけ実行される初期化スクリプト。完了後にセッションマッピングを復元
CronService (src/cron/service.ts): CRUD操作と手動実行をサポートするクラス。croner ライブラリ使用

Skill System (`src/agents/skills/`)

詳細は [02_architecture_skills.md に記載] 参照（以下概要）

# SKILL.md の YAML フロントマター例
---
always: false          # 常時インジェクト（true/false）
skillKey: "github"     # スキルキー識別子
primaryEnv: "GITHUB_TOKEN"
emoji: "🐙"
homepage: "https://github.com/..."
os: ["darwin", "linux"]
requires:
  bins: ["gh"]          # 必須バイナリ
  anyBins: ["git"]      # いずれか一つ
  env: ["GITHUB_TOKEN"] # 必須環境変数
  config: ["key.path"]  # 必須設定
install:
  - kind: brew
    formula: gh
  - kind: node
    package: "@openclaw/github"
---
# スキルの自然言語指示
...

システムプロンプトに <available_skills> セクションとして挿入
エージェントはターンごとに最も適したスキルを1つ選び、read ツールでSKILL.mdを読む
スキルパスをホームディレクトリ ~ で短縮しトークン節約（約400〜600トークン削減）
読み込み元:
- バンドルスキル（skills/ ディレクトリ、約50種類）
- ~/.openclaw/skills/（ユーザースキル）
- エージェント固有ディレクトリ
- プラグイン経由のスキル

Memory System (`src/memory/`)

ハイブリッド検索: BM25（キーワード）+ ベクトル検索を組み合わせ
SQLiteバックエンド: sqlite-vec 拡張でベクトルストア
- テーブル: chunks_vec（ベクトル）, chunks_fts（全文検索）, embedding_cache（キャッシュ）
エンベディングプロバイダー: OpenAI / Gemini / Voyage / Local（node-llama-cpp）/ auto
ファイル: MEMORY.md + memory/*.md
memory_search ツール: テキスト検索（キーワード展開あり）
memory_get ツール: 特定行の取得

ACP (Agent Client Protocol) サポート (`src/acp/`)

@agentclientprotocol/sdk 0.14.1 を使用
AcpGatewayAgent クラスで Gateway WebSocket ↔ ACP プロトコル変換
stdioベースのサーバーとして動作（ndJsonStream 使用）

技術スタック

項目	内容
言語	TypeScript (ESM strict)
ランタイム	Node.js >= 22.12.0 (LTS)
パッケージマネージャ	pnpm 10.23.0
HTTPサーバー	Express v5
WebSocket	ws ライブラリ
テスト	Vitest (カバレッジ閾値70%)
リント/フォーマット	Oxlint + Oxfmt
ビルド	tsdown
iOS/macOS UI	SwiftUI + Observation framework
Webフロントエンド	Lit (Web Components)
mDNS	@homebridge/ciao
ライセンス	MIT

LLM プロバイダー対応

カテゴリ	プロバイダー
クラウドAPI	Anthropic Claude
クラウドAPI	OpenAI GPT / Responses
クラウドAPI	Google Gemini
クラウドAPI	AWS Bedrock
クラウドAPI	GitHub Copilot
クラウドAPI	HuggingFace
クラウドAPI	Chutes (OAuth)
クラウドAPI	MiniMax VLM
クラウドAPI	BytePlus (Doubao)
クラウドAPI	Qwen Portal
クラウドAPI	VolcEngine
クラウドAPI	Cloudflare AI Gateway
クラウドAPI	Together AI
クラウドAPI	Venice AI
クラウドAPI	Kimi Coding
クラウドAPI	NVIDIA
クラウドAPI	OpenCode Zen
ローカル	Ollama
ローカル	LM Studio（OpenAI互換）
ローカル	node-llama-cpp（組み込み）

MCP サポートについて

方針: コアに直接MCP統合しない（VISION.mdに明記）
実装: mcporter という外部ブリッジプロジェクト経由（https://github.com/steipete/mcporter）
理由: MCPの変更がコアの安定性・セキュリティに影響しないよう切り離す

マルチエージェント設計

セッション: 各エージェント × チャネルで独立したセッション管理
サブエージェント: sessions_spawn ツールで新規セッション起動、深さ制限あり
サブエージェントレジストリ: src/agents/subagent-registry.tsで生存管理
設計指針: 「manager-of-managers / nested planner trees」をデフォルトとして採用しない（VISION.mdに明記）

デーモン化の仕組み

macOS: OpenClaw Mac アプリ（SwiftUI）のメニューバープロセスとして動作。LaunchAgent は現在使用していない
Linux: systemd サービス想定
ポート: デフォルト18789、ループバック（127.0.0.1）にバインド（セキュリティのため）

3: 機能・ユースケース

対応メッセージングプラットフォーム

コア（`src/` 配下に実装済み）

プラットフォーム	実装場所	ライブラリ
WhatsApp	`src/web/`, `src/whatsapp/`	@whiskeysockets/baileys
Telegram	`src/telegram/`	grammy
Discord	`src/discord/`	@discordjs/voice, @buape/carbon
Slack	`src/slack/`	@slack/bolt
Signal	`src/signal/`
iMessage (BlueBubbles)	`src/imessage/`
LINE	`src/line/`	@line/bot-sdk
WebChat	`src/web/`	ブラウザUI

エクステンション（`extensions/` 配下、npm パッケージ）

プラットフォーム	実装場所
Microsoft Teams	`extensions/msteams/`
Matrix	`extensions/matrix/`
Google Chat	`extensions/googlechat/`
Feishu（飛書）	`extensions/feishu/`
Zalo	`extensions/zalo/`, `extensions/zalouser/`
Mattermost	`extensions/mattermost/`
Nextcloud Talk	`extensions/nextcloud-talk/`
Synology Chat	`extensions/synology-chat/`
IRC	`extensions/irc/`
Nostr	`extensions/nostr/`
Tlon (Groups)	`extensions/tlon/`
Twitch	`extensions/twitch/`
音声通話	`extensions/voice-call/`

対応LLMモデル

カテゴリ	モデル/サービス
クラウドAPI	Anthropic Claude（Claude Pro/Maxが推奨）
クラウドAPI	OpenAI GPT（Responses API対応）
クラウドAPI	Google Gemini
クラウドAPI	AWS Bedrock
クラウドAPI	GitHub Copilot
クラウドAPI	HuggingFace
クラウドAPI	BytePlus/Doubao（バイトダンス系）
クラウドAPI	Qwen Portal（阿里云）
クラウドAPI	MiniMax VLM
クラウドAPI	Kimi Coding（月之暗面）
クラウドAPI	NVIDIA AI
クラウドAPI	Together AI
クラウドAPI	Venice AI
クラウドAPI	Chutes
クラウドAPI	Cloudflare AI Gateway
ローカル	Ollama
ローカル	LM Studio（OpenAI互換エンドポイント）
ローカル	node-llama-cpp（組み込み）

主要機能一覧

コア機能（`src/agents/` で実装）

機能	詳細
シェルコマンド実行	`exec` ツール。PTY対応（TTY必須CLIのため）。バックグラウンド実行・プロセス管理も可
ファイル操作	`read`/`write`/`edit`/`apply_patch`/`grep`/`find`/`ls` ツール
ブラウザ自動化	`browser` ツール。playwright-core 1.58.2 使用
画像処理	`image` ツール。sharp ライブラリ使用
PDF処理	pdfjs-dist 5.4.624 を依存関係に含む
Webスクレイピング	`web_fetch` ツール。@mozilla/readability で読み取り
Web検索	`web_search` ツール（Brave API）
メモリ管理	`memory_search`/`memory_get` ツール（SQLite + ハイブリッド検索）

スケジューリング・プロアクティブ実行

機能	詳細
CronService	`cron` ツール経由でジョブの追加/更新/削除/実行。croner ライブラリ使用
Heartbeat	定期的なプロアクティブポーリング。HEARTBEAT.md のチェックリストを確認
BOOT.md	Gateway起動時に一度だけ実行される初期化スクリプト
Webhook	Webhook URLによるトリガー対応

マルチエージェント

機能	詳細
サブエージェント	`sessions_spawn` ツールで新セッション起動
セッション管理	`sessions_list`/`sessions_history`/`sessions_send` ツール
サブエージェント制御	`subagents` ツール（list/steer/kill）
エージェント切替	`agents_list` で利用可能なエージェントID一覧
深さ制限	サブエージェントのネスト深さに上限（ループ防止）

音声・マルチモーダル

機能	詳細
Voice Wake + Talk Mode	macOS, iOS, Android対応（`extensions/voice-call/` + macOS App統合）
TTS	`node-edge-tts`、`sherpa-onnx-tts`（ローカル）等
音声入力	OpenAI Whisper API / ローカルWhisper
カメラ	`nodes` ツール経由でペアリングデバイスのカメラ制御
スクリーン録画	同上
画像分析	`image` ツール（設定済み画像モデル使用）

視覚的インタラクション

機能	詳細
Live Canvas / A2UI	エージェント主導のビジュアルワークスペース（Lit + Web Components）
ノードペアリング	モバイルデバイスとのペアリング（`src/pairing/`）

ネットワーク・デバイス連携

機能	詳細
mDNS ノード発見	@homebridge/ciao によるLAN内ノード自動発見
Tailscale連携	exe.dev VM へのSSHアクセス等（AGENTS.mdに記述）
Gmail Pub/Sub	`src/hooks/` 内でGmail監視統合

セキュリティ機能

機能	詳細
Exec承認システム	`exec` ツールの実行に承認フローを設けるオプション
サンドボックス	Docker/Podmanサンドボックス内での実行オプション
ツールポリシー	ツール単位での許可/拒否設定
セキュリティ監査	`openclaw security audit --deep` コマンド

スキル（bundled skills）一覧

skills/ ディレクトリに約50種のバンドルスキルを収録:

スキル	概要
1password	1Password CLIとの連携
apple-notes	Apple Notesとの連携
apple-reminders	Apple Remindersとの連携
bear-notes	Bear Notesとの連携
blogwatcher	ブログ監視
blucli	Bluetooth CLI
bluebubbles	BlueBubbles（iMessage代替）
camsnap	カメラスナップショット
canvas	Live Canvas操作
clawhub	ClawHubからのスキルインストール
coding-agent	コーディングエージェント
discord	Discord操作
food-order	食事注文
gemini	Google Gemini連携
gh-issues	GitHub Issues
github	GitHub操作
healthcheck	ヘルスチェック
himalaya	メールクライアント（himalaya）
imsg	iMessage送信
mcporter	MCPブリッジ（mcporter）
model-usage	モデル使用状況
notion	Notion連携
obsidian	Obsidian連携
openai-image-gen	OpenAI画像生成
openai-whisper	Whisper音声認識
openhue	Philips Hue照明制御
peekaboo	スクリーンショット・カメラ（macOS）
session-logs	セッションログ閲覧
skill-creator	新スキル作成支援
slack	Slack操作
spotify-player	Spotify制御
summarize	要約
things-mac	Things 3（タスク管理）連携
tmux	tmux操作
trello	Trello連携
video-frames	動画フレーム抽出
voice-call	音声通話
wacli	WhatsApp CLI
weather	天気情報
xurl	URL展開/解析
その他	eightctl, gog, goplaces, gifgrep 等

主要ユースケース

#	ユースケース	詳細
1	朝のブリーフィング	Heartbeatで自動収集し、モーニングサマリーをメッセージ送信
2	メール管理	Gmail Pub/Sub統合でリアルタイム処理、返信草案作成
3	カレンダー管理	スケジューリング・リマインダー（Cronジョブ利用）
4	リサーチタスク	web_fetch/web_searchで情報収集し要約
5	開発支援	シェルコマンド・ファイル操作・コーディングエージェント
6	ブラウザ自動化	playwright-coreでWebスクレイピング・フォーム入力
7	定期レポート	HEARTBEAT.mdとCronServiceによる自動レポート生成
8	ホームオートメーション	Philips Hue（openhue）等との連携
9	メモ管理	Obsidian/Notion/Bear/Apple Notes統合
10	マルチデバイス音声操作	Voice Wake + Peekabooでハンズフリー制御

4: エコシステム・コミュニティについて

GitHubリポジトリ状況（2026年2月時点）

指標	値
スター数	~217,000
フォーク数	~41,000
ライセンス	MIT
メイン言語	TypeScript
現在バージョン	2026.2.22
スポンサー	OpenAI、Anthropic

ClawHub（スキルレジストリ）

URL: https://clawhub.ai（システムプロンプトに "Find new skills: https://clawhub.com" と記載）
コミュニティが作成したスキルを発見・配布するためのレジストリ
専用スキル skills/clawhub/: Gatewayから直接インストール可能
GitHub経由でも配布可能
注意: スキルの審査が不十分なため、悪意あるスキルが含まれるリスクがある

スキル（SKILL.md）の仕組み（詳細）

---
always: false           # 常時インジェクト（trueの場合はターン毎に必ず含める）
skillKey: "github"      # スキル識別子
primaryEnv: "GITHUB_TOKEN"  # 主要環境変数
emoji: "🐙"
homepage: "https://github.com/..."
os: ["darwin", "linux"] # 対応OS
requires:
  bins: ["gh"]           # 必須バイナリ（全て必要）
  anyBins: ["git"]       # バイナリ（いずれか一つ）
  env: ["GITHUB_TOKEN"]  # 必須環境変数
  config: ["key.path"]   # 必須設定値
install:
  - kind: brew
    formula: gh
  - kind: node
    package: "@openclaw/github"
  - kind: go
    package: "..."
  - kind: uv
    package: "..."
  - kind: download
    url: "..."
    archive: "..."
    extract: true
    stripComponents: 1
    targetDir: "/usr/local/bin"
---
# 以下に自然言語での指示を記述（Markdownフォーマット）

スキル配置場所（優先順位順）

skills/（バンドル、コアリポジトリ内）
~/.openclaw/skills/（ユーザーグローバル）
エージェント固有ディレクトリ（~/.openclaw/agents/<id>/skills/）
プラグイン経由のスキル（npm パッケージ）

スキルのフィルタリング

OS制約（os: ["darwin"] 等）
必須バイナリの存在確認
必須環境変数の確認
エージェントレベルのスキルフィルタ設定

プラグイン/エクステンション

コアプラグイン（`extensions/` 配下）

各エクステンションは独立した npm パッケージとして管理される:

パッケージ	内容
`extensions/msteams/`	Microsoft Teams チャネル
`extensions/matrix/`	Matrix プロトコル
`extensions/googlechat/`	Google Chat
`extensions/feishu/`	Feishu（飛書）
`extensions/voice-call/`	音声通話機能
`extensions/memory-core/`	メモリシステム（コア）
`extensions/memory-lancedb/`	LanceDBメモリバックエンド
`extensions/device-pair/`	デバイスペアリング
`extensions/diagnostics-otel/`	OpenTelemetry診断
`extensions/llm-task/`	LLMタスク実行
`extensions/lobster/`	CLI UIテーマ
`extensions/open-prose/`	文章生成支援
`extensions/thread-ownership/`	スレッド所有権管理
`extensions/phone-control/`	電話制御
`extensions/talk-voice/`	音声対話

認証エクステンション（プロバイダー専用）

パッケージ	内容
`extensions/copilot-proxy/`	GitHub Copilot認証プロキシ
`extensions/google-antigravity-auth/`	Google認証（特殊モード）
`extensions/google-gemini-cli-auth/`	Gemini CLI認証
`extensions/minimax-portal-auth/`	MiniMax認証ポータル
`extensions/qwen-portal-auth/`	Qwen認証ポータル

スポンサー・支援状況

OpenAI: 創設者Peter Steinbergerが2026年2月14日にOpenAIへ参加を発表
Anthropic: 元々ClawdbotはAnthropicのClaudeから命名。商標問題後も協力関係。プロジェクトのスポンサー

プロジェクト	URL	概要
ClawWork	https://github.com/HKUDS/ClawWork	OpenClawの関連プロジェクト（詳細未調査）
secure-openclaw	https://github.com/ComposioHQ/secure-openclaw	セキュリティ強化フォーク
mcporter	https://github.com/steipete/mcporter	MCP↔Gatewayブリッジ（公式推奨のMCP統合方法）
clawhub	https://github.com/openclaw/clawhub	スキルレジストリ
openclaw/trust	https://github.com/openclaw/trust	信頼・脅威モデル

ACP（Agent Client Protocol）対応

@agentclientprotocol/sdk 0.14.1 を依存関係に含む
src/acp/ モジュールで実装
Gatewayをstdio経由でACPエージェントとして公開可能
外部システムとのプロトコルベース統合を可能にする

プラグインシステムの詳細

プラグイン/エクステンションはGatewayプロセス内にロードされる（in-process）
同じOS権限で実行されるため、インストールするプラグインは信頼できるものに限る
plugins.allow 設定で信頼済みプラグインIDをピン留め可能
実行時の依存はプラグインの dependencies に含める（devDependencies は除く）

5: セキュリティ・リスク調査

セキュリティポリシー（SECURITY.md より）

報告先

コアCLI/Gateway, macOS/iOS/Android → openclaw/openclaw リポジトリ
ClawHub → openclaw/clawhub リポジトリ
Trust/脅威モデル → openclaw/trust リポジトリ
不明な場合 → security@openclaw.ai
詳細: https://trust.openclaw.ai

セキュリティ担当

Jamieson O'Reilly (Dvuln創設者、攻撃的セキュリティ・ペネトレーションテスト専門家)

バグバウンティ

なし（ラボ・オブ・ラブのため予算なし）

デプロイメント前提条件（SECURITY.mdより）

Gatewayが動作するホストは信頼されたOS/管理境界内を前提
~/.openclaw の設定を変更できる人間は信頼されたオペレーターと同等
相互に信頼できない複数ユーザーが同一Gatewayを共有するのは非推奨
認証済みGatewayコーラーは信頼されたオペレーターとして扱われる
セッション識別子（sessionKey）はルーティングコントロールであり、認可境界ではない

スコープ外（セキュリティレポート対象外）

パブリックインターネットへの公開
ドキュメントが非推奨としている使い方
相互に信頼できない/敵対的なオペレーターが1つのGatewayホストを共有するデプロイ
プロンプトインジェクション攻撃（セキュリティレポートのスコープ外と明記）

注: プロンプトインジェクションが明示的にスコープ外とされているが、これは設計上の制約であり、重大なリスクが存在しないという意味ではない。

既知のリスク

1. プロンプトインジェクション攻撃

概要: 悪意ある入力によって、エージェントが意図しない行動をとらされる
影響: シェルコマンド実行権限を持つエージェントへの攻撃は特に危険
報告者: Cisco AIセキュリティチームが脆弱性を指摘
公式の対応: セキュリティレポートのスコープ外と宣言（設計上の制約と認識）

2. プラグイン/スキルのin-process実行

概要: プラグイン・エクステンションはGatewayプロセス内に完全にロードされる
影響: プラグインはGatewayと同じOS権限で実行される
事例: ClawHubスキルに悪意あるデータ送信コードが含まれていた事例（Cisco AI報告）
対策: plugins.allow で信頼済みプラグインIDをピン留め

3. 広範なシステム権限

概要: シェル実行・ファイル操作・ブラウザ制御等の広範な権限を要求
リスク: エクスプロイトされた場合のダメージ範囲が広い

セキュリティ機能・緩和策

Exec承認システム

bash-tools.exec-approval-request.ts が実装
特定の実行コマンドに承認フローを必須化できる
ExecApprovalManager で承認状態を管理

ツールポリシー（Tool Policy）

src/agents/tool-policy.ts で実装
ツール単位での許可/拒否ポリシー設定
tools.exec.applyPatch.workspaceOnly: true - apply_patchをワークスペース内に制限
tools.fs.workspaceOnly: true - ファイルツールをワークスペース内に制限

Dockerサンドボックス

Dockerfile.sandbox, Dockerfile.sandbox-browser, Dockerfile.sandbox-common が存在
src/agents/sandbox.ts でサンドボックス設定を管理
非rootユーザー(node)として実行推奨
--read-only/--cap-drop=ALL フラグでセキュリティ強化

Web UIセキュリティ

デフォルト: ループバック（127.0.0.1）にのみバインド（gateway.bind="loopback"）
公開インターネットへの公開は明示的に禁止
gateway.controlUi.dangerouslyDisableDeviceAuth: ローカル限定のブレークグラス設定

セキュリティ監査コマンド

openclaw security audit --deep
openclaw security audit --fix

秘密スキャン

detect-secrets 1.5.0 でCI/CDに組み込まれた自動秘密検出
.secrets.baseline で誤検知のベースライン管理

Node.jsバージョン要件

必須: Node.js >= 22.12.0（CVEパッチ含む）
- CVE-2025-59466: async_hooks DoS脆弱性
- CVE-2026-21636: Permission model bypass脆弱性

ツールスキーマのガードレール（Google Antigravity）

Type.Union を使用しない
anyOf/oneOf/allOf を避ける
format プロパティ名をスキーマで避ける（バリデーター互換性のため）

セキュリティ上のメリット

メリット	詳細
ローカルファースト	データがクラウドに送られない（ローカルモデル利用時）
自己ホスト	プロバイダーへのデータ依存なし
オープンソース	コードを自分で確認できる
ループバックデフォルト	デフォルトでローカルのみアクセス可能
非root実行	Dockerでは非root（node）ユーザーで実行
秘密検出CI	detect-secretsで自動チェック

安全な利用のためのベストプラクティス

ClawHubスキルは必ずソースコードを確認してからインストールする
plugins.allow で信頼済みプラグインIDをピン留めする
サンドボックス環境（Docker/Podman）での実行を検討する
tools.exec.applyPatch.workspaceOnly: true を設定する（デフォルト推奨）
tools.fs.workspaceOnly: true を設定する（追加保護）
Gatewayは必ずループバック（127.0.0.1）にバインドする
リモートアクセスが必要な場合はSSHトンネルまたはTailscaleを使用
定期的にエージェントのアクションログを確認する
Node.js >= 22.12.0 を使用する

参考

SECURITY.md: ./openclaw/SECURITY.md
CrowdStrike セキュリティ分析: https://www.crowdstrike.com/en-us/blog/what-security-teams-need-to-know-about-openclaw-ai-super-agent/
Trust: https://trust.openclaw.ai

6: LLMへの指示方法・ツール呼び出し・MCP/ACP詳細

1. 「ツール呼び出し」とは何か（AIエージェントの基礎）

LLM（大規模言語モデル）への指示には2種類ある：

種類	説明
テキスト生成	通常の質問応答。LLMが自然言語で返す
ツール呼び出し (Function Calling / Tool Use)	LLMが「今このツールを実行してほしい」と宣言し、エージェントが代わりに実行する

ツール呼び出しの流れ（一般的）：

1. ユーザーメッセージ → エージェント
2. エージェントが [システムプロンプト + ツール定義リスト + 会話履歴] をLLMに送信
3. LLMが応答：
   a. テキストのみ → 会話終了
   b. tool_use ブロック → 「このツールをこの引数で呼んで」という宣言
4. エージェントがツールを実際に実行
5. ツール結果をLLMへ返す（次のターン）
6. LLMが結果を使って続きを回答
7. 3〜6を繰り返す（ループ）

2. OpenClawのツール呼び出し実装

2.1 ツール定義のスキーマ化

OpenClawは @mariozechner/pi-coding-agent（Piエンジン）を通じてAnthropicのClaude APIを呼び出す。
各ツールはJSON Schema形式で定義される。

src/agents/pi-tools.ts より — createOpenClawCodingTools() 関数：

ツールは複数の変換段階を経て最終形になる：

// 1. Piエンジン基本ツールを取得
const baseTools = createPiCodingTools(...);

// 2. OpenClaw固有ツールを追加（exec, browser, cron, message等）
const extended = [...baseTools, ...openclawTools];

// 3. パラメータを正規化（モデルプロバイダーによって形式が異なるため）
const normalized = extended.map((tool) =>
  normalizeToolParameters(tool, { modelProvider: options?.modelProvider })
);

// 4. ツール呼び出し前フックを巻く（ループ検出、ポリシーチェック等）
const withHooks = normalized.map((tool) =>
  wrapToolWithBeforeToolCallHook(tool, {
    agentId,
    sessionKey: options?.sessionKey,
    loopDetection: resolveToolLoopDetectionConfig({ cfg: options?.config, agentId }),
  })
);

// 5. AbortSignalを巻く（キャンセル対応）
const withAbort = options?.abortSignal
  ? withHooks.map((tool) => wrapToolWithAbortSignal(tool, options.abortSignal))
  : withHooks;

各ツールの定義構造：

// AgentTool<InputType, ResultType> 型
{
  name: "exec",
  description: "Run shell commands",
  parameters: execSchema,  // JSON Schema
  execute: async (toolCallId, args, signal, onUpdate) => {
    // args: schema に基づく入力（型安全）
    // signal: AbortSignal（キャンセル対応）
    // onUpdate: progress callback（streaming進捗）
    // 戻り値: AgentToolResult
    return { output: "...", isError: false, details: {} };
  }
}

2.2 LLMへの送信とツール実行サイクル

src/agents/pi-embedded-runner.ts と pi-embedded-subscribe.ts の核心：

[エージェントループ]
  ↓
subscribeEmbeddedPiSession() が LLMセッションに購読
  ↓
Piエンジンが [システムプロンプト + ツール定義 + 会話履歴] をClaudeに送信
  ↓
Claudeが応答：
  Case A: text_block のみ → 最終応答として返す
  Case B: tool_use block → "execツールを {command:'ls'} で呼んで"
  ↓
subscribeEmbeddedPiSession() がツールイベントを検知
  ↓
ツール実行 (bash-tools.exec.ts など)
  ↓
ツール結果を LLM に返す（tool_result メッセージ）
  ↓
ループ繰り返し（最大イテレーション数まで）

状態追跡（EmbeddedPiSubscribeState）：

const state: EmbeddedPiSubscribeState = {
  assistantTexts: [],        // LLMのテキスト応答（全ブロック）
  toolMetas: [],             // ツール呼び出し履歴（名前・引数・出力）
  toolMetaById: new Map(),   // ツールID → メタデータ のマップ
  toolSummaryById: new Set(), // 重複を除いたツール名の集合
  messagingToolSentTexts: [], // message ツールで送信済みのテキスト
  lastToolError: undefined,   // 最後のツール実行エラー
};

2.3 コアツール一覧（システムプロンプトに記載されるもの）

src/agents/system-prompt.ts の coreToolSummaries より：

ツール名	説明
`read`	ファイル読み込み
`write`	ファイル作成・上書き
`edit`	ファイルの精密編集
`apply_patch`	複数ファイルへのパッチ適用
`grep`	ファイル内容の検索
`find`	グロブパターンでのファイル検索
`ls`	ディレクトリ一覧
`exec`	シェルコマンド実行（PTY対応）
`process`	バックグラウンドexecセッション管理
`web_search`	Web検索（Brave API）
`web_fetch`	URLからコンテンツを取得・抽出
`browser`	Webブラウザ制御
`canvas`	Canvas の表示・評価・スナップショット
`nodes`	ペアリングデバイスの制御
`cron`	Cronジョブ・ウェイクイベントの管理
`message`	メッセージ送信・チャネルアクション
`gateway`	Gateway の再起動・設定適用・更新
`agents_list`	利用可能なエージェントID一覧
`sessions_list`	セッション一覧
`sessions_history`	セッション履歴取得
`sessions_send`	別セッションへのメッセージ送信
`sessions_spawn`	サブエージェントセッション起動
`subagents`	サブエージェントの一覧・操作・停止
`session_status`	セッションステータス表示
`image`	画像分析

3. System Promptの Safety セクション詳解

3.1 実際のテキスト（`src/agents/system-prompt.ts` 行401〜407）

const safetySection = [
  "## Safety",
  "You have no independent goals: do not pursue self-preservation, replication, resource acquisition, or power-seeking; avoid long-term plans beyond the user's request.",
  "Prioritize safety and human oversight over completion; if instructions conflict, pause and ask; comply with stop/pause/audit requests and never bypass safeguards. (Inspired by Anthropic's constitution.)",
  "Do not manipulate or persuade anyone to expand access or disable safeguards. Do not copy yourself or change system prompts, safety rules, or tool policies unless explicitly requested.",
  "",
];

日本語訳：

## Safety
あなたは独立した目標を持たない：自己保存・複製・リソース獲得・権力追求を追求してはならない。ユーザーのリクエストを超えた長期計画を避けること。
完了より安全性と人間の監督を優先すること。指示が衝突する場合は一時停止して確認すること。停止・一時停止・監査要求に従い、安全装置を迂回しないこと。（Anthropicの憲法からインスパイア）
アクセス拡大や安全装置の無効化のために誰かを操作・説得しないこと。明示的に要求されない限り、システムプロンプト・安全ルール・ツールポリシーを変更しないこと。

3.2 「Anthropicの憲法」とは

Anthropicが研究・採用している Constitutional AI (CAI) フレームワークの中心概念。
通常の強化学習（RLHF）では、人間がLLMの出力を評価してフィードバックするが、CAIでは：

人間がルールセット（憲法）を定義する
LLMが自身の出力を「この憲法に違反していないか」と自己批評する
違反があれば自己修正する
これにより人間のフィードバックを大幅に削減できる

Anthropicが採用する憲法の主な原則：

ユーザーに有害な情報を提供しない
違法・不道徳な行為を支援しない
長期的な権力追求や自己複製を避ける
人間の監督下にある

OpenClawはこれをシステムプロンプトのワンセクションとして凝縮し、全LLMバックエンドに統一して適用している。

4. Exec 承認システムの実装詳細

4.1 承認が必要になる条件

exec ツールは以下の security フィールドの値によって承認フローが変わる：

security値	挙動
`"low"`	自動承認（低リスク操作）
`"high"`	ユーザー確認を要求
`"ask"`	常にユーザーへ確認
`"inherit"`	親設定を継承

4.2 承認リクエストの実装（`bash-tools.exec-approval-request.ts`）

// exec ツールが実行される前に Gateway へ RPC 呼び出し
export async function requestExecApprovalDecision(
  params: RequestExecApprovalDecisionParams,
): Promise<string | null> {
  const decisionResult = await callGatewayTool<{ decision: string }>(
    "exec.approval.request",           // Gateway RPC メソッド名
    { timeoutMs: DEFAULT_APPROVAL_REQUEST_TIMEOUT_MS },
    {
      id: params.id,                    // 承認リクエストの一意ID (UUID)
      command: params.command,          // 実行するシェルコマンド全文
      cwd: params.cwd,                  // 作業ディレクトリ
      host: params.host,                // "gateway" または "node"
      security: params.security,        // "high" | "low" | "ask" など
      ask: params.ask,                  // "user" | "owner" など
      agentId: params.agentId,          // どのエージェントか
      resolvedPath: params.resolvedPath,// コマンドの完全解決パス
      sessionKey: params.sessionKey,    // セッションコンテキスト
      timeoutMs: DEFAULT_APPROVAL_TIMEOUT_MS, // ユーザー入力待ちタイムアウト
    },
  );
  return typeof decisionValue === "string" ? decisionValue : null;
}

流れ：

LLM が exec ツールを要求
  ↓
exec ツールが security レベルをチェック
  ├─ "low" → 自動実行
  └─ "high"/"ask" → Gateway へ承認リクエスト送信
       ↓
       Gateway が WhatsApp/Telegram 等のチャネルへ確認メッセージを送信
       "コマンド [ls -la] を実行してもいいですか？"
       ↓
       ユーザーが [承認] or [拒否] を応答
       ↓
       Gateway が decision を返す
       ↓
  exec ツールが実行 or キャンセル

4.3 ACP レベルでの自動承認判定（`src/acp/client.ts`）

// ツールの種類によって自動承認か否かを判定
const SAFE_AUTO_APPROVE_KINDS = new Set(["read", "search"]);
const DANGEROUS_ACP_TOOLS = new Set(["exec", /* ... */]);

const isSafeKind = Boolean(toolKind && SAFE_AUTO_APPROVE_KINDS.has(toolKind));
const promptRequired = !toolName || !isSafeKind || DANGEROUS_ACP_TOOLS.has(toolName);

if (!promptRequired) {
  // 自動承認（ファイル読み込み、検索など）
  return selectedPermission(allowOption.optionId);
}

// ユーザーへプロンプト（exec など危険な操作）
const approved = await prompt(toolName, toolTitle);

要点：

read / search 系 → 自動承認
exec → 常に人間の確認（DANGEROUS_ACP_TOOLS）
タイムアウト付き（ユーザーが応答しない場合は拒否）

5. MCP (Model Context Protocol) とは何か

5.1 MCPの概要

MCPはAnthropicが策定した LLMにツールを提供するための標準プロトコル。

[LLM クライアント（Claude等）]
        ↕  (MCP プロトコル: stdio / HTTP SSE)
[MCP サーバー（ツール提供側）]
  例: filesystem MCP server, GitHub MCP server, etc.

MCPの特徴：

どのLLMクライアントからでも同じMCPサーバーを使える
stdio（プロセス間通信）とHTTP SSEの2方式
Anthropicが標準化を進めているが、まだ仕様が変わりやすい

5.2 OpenClawがMCPをコアに組み込まない理由

VISION.mdに明記された理由：

This keeps MCP integration flexible and decoupled from core runtime:
- add or change MCP servers without restarting the gateway
- keep core tool/context surface lean
- reduce MCP churn impact on core stability and security

技術的理由の補足：

懸念点	説明
安定性	MCPは仕様が変わりやすく、コアに組み込むとGateway全体の安定性に影響する
セキュリティ	MCPサーバーは外部システムと連携するため、隔離層を挟むことで攻撃面を減らす
柔軟性	ブリッジ方式ならGateway再起動なしにMCPサーバーを追加・削除できる
スコープ	OpenClawの核心は「パーソナルアシスタント」であり、汎用MCPホストではない

実装：MCPは mcporter ブリッジ経由（skills/mcporter/）

OpenClaw Gateway ← WebSocket → mcporter ← MCP プロトコル → MCP サーバー

5.3 ACP (Agent Client Protocol) との違い

ACPはMCPとは目的が異なるプロトコル：

	ACP	MCP
目的	IDE/エディタとエージェントの統合	LLMにツールを提供する
通信	stdio (NDJSON)	stdio / HTTP SSE
セッション管理	Gatewayセッションにマッピング	MCPサーバーが独立管理
ツール定義	Gatewayが保有	MCPサーバーが保有
ユースケース	VS Code等のIDEから操作	Claudeに新ツールを追加

ACP の実装（src/acp/server.ts）：

// ACP はstdio経由でGatewayをエージェントとして公開
const agent = new AcpGatewayAgent({...});

// IDEからのリクエスト → Gateway WebSocket → エージェント実行
// MCP サーバーはここでは無視される（ignore する）
if (params.mcpServers.length > 0) {
  this.log(`ignoring ${params.mcpServers.length} MCP servers`);
}

ACP は MCP の代替ではなく、IDEとの接続レイヤー。MCPはツール拡張、ACPはIDEアクセス。

6. スキルシステムとプロンプトへの注入

6.1 システムプロンプトのSKILLSセクション

src/agents/system-prompt.ts の buildSkillsSection()：

return [
  "## Skills (mandatory)",
  "Before replying: scan <available_skills> <description> entries.",
  `- If exactly one skill clearly applies: read its SKILL.md at <location> with \`${params.readToolName}\`, then follow it.`,
  "- If multiple could apply: choose the most specific one, then read/follow it.",
  "- If none clearly apply: do not read any SKILL.md.",
  "Constraints: never read more than one skill up front; only read after selecting.",
  trimmed,  // スキルのサマリー一覧
  "",
];

LLMへの指示の意味：

返信前に <available_skills> の説明欄をスキャンせよ
明確に当てはまるスキルが1つ → read ツールでSKILL.mdを読み、それに従え
複数当てはまる → 最も具体的なものを選んで読め
当てはまるものがない → SKILL.mdを読まないこと
制約：1回のターンで最大1つのスキルのみ読む（プロンプト肥大化防止）

なぜ「事前に全スキルをプロンプトに入れない」のか：
スキルを全部システムプロンプトに入れると、毎ターンLLMに送るトークン数が爆発する。
代わりにスキル名と説明のみ（サマリー）を入れて、必要な時だけ read ツールで本文を読む。

6.2 スキルパスの短縮最適化

// /Users/alice/.bun/.../skills/github/SKILL.md
//   → ~/.bun/.../skills/github/SKILL.md
// 1スキルあたり5〜6トークン削減 × Nスキル = 400〜600トークン削減
function compactSkillPaths(skills: Skill[]): Skill[] {
  const home = os.homedir();
  return skills.map((s) => ({
    ...s,
    filePath: s.filePath.startsWith(prefix) ? "~/" + s.filePath.slice(prefix.length) : s.filePath,
  }));
}

7. HEARTBEAT_OK / SILENT_REPLY_TOKEN プロトコル

7.1 SILENT_REPLY_TOKEN

LLMが「返信することがない」時に使う特殊トークン。
実際の文字列は src/auto-reply/tokens.ts で定義されている。

システムプロンプトから：

## Silent Replies
When you have nothing to say, respond with ONLY: [SILENT_REPLY_TOKEN]

⚠️ Rules:
- It must be your ENTIRE message — nothing else
- Never append it to an actual response
- Never wrap it in markdown or code blocks

❌ Wrong: "Here's help... [SILENT_REPLY_TOKEN]"
❌ Wrong: "[SILENT_REPLY_TOKEN]"（引用符付き）
✅ Right: [SILENT_REPLY_TOKEN]

用途： Heartbeatで起動されたが、やることがない時。メッセージツールで既に返信済みの時。

7.2 HEARTBEAT_OK

HeartbeatRunnerが定期的に送るプロンプトへの応答トークン：

## Heartbeats
Heartbeat prompt: [設定済み]
If you receive a heartbeat poll and there is nothing that needs attention, reply exactly:
HEARTBEAT_OK
If something needs attention, do NOT include "HEARTBEAT_OK"; reply with the alert text instead.

HeartbeatRunnerの動作：

設定間隔（デフォルト30分）でエージェントを起動
HEARTBEAT.mdの内容を確認
HEARTBEAT.mdが空 → スキップ
内容あり → エージェントを起動してチェックリストを確認
エージェントが HEARTBEAT_OK → 何もしない
エージェントが別のテキスト → ユーザーへ通知

8. 会話履歴の管理と圧縮（Compaction）

8.1 コンテキストウィンドウの問題

LLMには1回のAPI呼び出しで送れるトークン数の上限（コンテキストウィンドウ）がある。
長い会話では履歴が膨大になり、上限を超える。

8.2 OpenClawのCompaction

src/agents/compaction.ts にて実装：

// 会話が長くなった時に自動的に古い履歴を要約する
// 要約はLLM自身に行わせる（「この会話を要約してください」と別途呼び出す）
// 要約結果を先頭に置いて古い詳細履歴を削除

圧縮後の構成：

[システムプロンプト]
[圧縮された要約（古い会話の凝縮版）]
[最近のN件のメッセージ（詳細履歴）]

まとめ：OpenClawのLLM制御の特徴

特徴	内容
ツール呼び出し方式	Anthropic tool_use API（Claude固有）。PiエンジンがJSON Schemaで定義
ツール実行主体	LLMは「呼びたい」と宣言するだけ。実際の実行はOpenClawが行う
安全性の担保	System PromptのSafetyセクション + ツールポリシー + Exec承認システムの3層
MCPとの関係	コアに組み込まず。`mcporter` スキル経由でブリッジ接続
ACPの役割	IDEとの接続レイヤー。MCPとは目的が異なる
トークン節約	スキルの遅延読み込み・パス短縮・会話圧縮（compaction）の3段構え
プロアクティブ制御	HEARTBEAT_OK / SILENT_REPLY_TOKEN という軽量プロトコルで実現

7: 競合・代替ツール比較

比較軸

軸	説明
ホスティング	セルフホスト vs クラウド
インターフェース	既存アプリ vs 専用UI
ライセンス	オープンソース vs プロプライエタリ
メモリ	ローカル（SQLite）vs クラウドDB
モデル依存	モデル非依存 vs 特定モデル前提
拡張性	プラグイン/スキル vs 固定機能
難易度	技術的セットアップ vs ノーコード

機能比較表

ツール	ホスティング	UI	ライセンス	メモリ	モデル非依存	メッセージングアプリ統合	スキル/プラグイン	難易度
OpenClaw	セルフホスト	既存アプリ（WhatsApp等）+ WebUI	MIT	ローカルSQLite＋md	✅（20+プロバイダー）	✅（15+チャネル）	✅（50+スキル、ClawHub）	高
AutoGPT	クラウド/セルフ	WebUI	MIT	ローカル/クラウド	部分的	❌	✅	高
Open Interpreter	セルフホスト	CLI/JupyterUI	AGPL	なし/会話内	✅	❌	❌	中
AgentGPT	クラウド	WebUI	MIT	なし	❌（OpenAI前提）	❌	❌	低
Flowise	セルフホスト	WebUI（ノーコード）	Apache 2.0	設定可能	✅	部分的	✅	中
n8n + AI	セルフホスト/クラウド	ノーコード	Elastic/Enterprise	設定可能	✅	部分的	✅	中
Letta (MemGPT)	セルフホスト/クラウド	CLI/API	Apache 2.0	✅（高度な永続メモリ）	✅	❌	❌	高
CrewAI	セルフホスト/クラウド	Python API/WebUI	MIT	設定可能	✅	❌	✅	中
LangChain Agent	セルフホスト	Python API	MIT	設定可能	✅	❌	✅（LangChain Hub）	高
NanoBot	セルフホスト	既存アプリ	MIT	ローカル	✅	部分的	✅	高
PicoClaw	セルフホスト	既存アプリ	MIT	ローカル	✅	部分的	✅	高

OpenClaw の強み

1. メッセージングアプリ統合の網羅性

15+のチャネル対応（WhatsApp, Telegram, Slack, Discord, Signal, iMessage, LINE, Teams, Matrix 等）
競合ツールのほとんどは専用UIのみで、既存チャットアプリから操作できない

2. ローカルファースト設計

全設定・メモリ・履歴をローカルMarkdownファイルで管理
クラウドAPI依存なし（ローカルLLM利用時は完全オフライン）

3. モデルプロバイダーの多様性

20+のLLMプロバイダーに対応（Anthropic, OpenAI, Gemini, Bedrock, Ollama 等）
中国系プロバイダー（Qwen, BytePlus/Doubao, MiniMax, Kimi）にも対応

4. スキルシステムの柔軟性

SKILL.md（Markdown）による宣言的スキル定義
コード不要でスキル追加可能
ClawHubによるコミュニティエコシステム

5. BOOT.md / Heartbeat / Cronによるプロアクティブ実行

ユーザーのメッセージなしに自律的なタスク実行が可能
定期レポート・監視・リマインダーを自動化

OpenClaw の弱み

1. セットアップの複雑さ

技術的なセットアップが必要（npm, Node.js >= 22.12.0, 各プラットフォームの認証設定）
ノーコードツール（Flowise, n8n）と比較してアクセシビリティが低い

2. セキュリティ上の懸念

プロンプトインジェクションをスコープ外と宣言（対策は限定的）
ClawHubスキルの審査不足
プラグインがin-process実行される設計上のリスク

3. 高度なオーケストレーションの意図的な除外

VISION.mdで「manager-of-managers / nested planner trees」を明示的に除外
複雑なマルチエージェントワークフローが必要な場合はCrewAIやLangChainが適切

4. 依存する外部パッケージのリスク

@mariozechner/pi-agent-core 等のプライベートパッケージへの依存
Carbon依存を絶対に更新しないという制約（AGENTS.mdに記載）

最適なユースケース

シナリオ	推奨ツール
既存チャットアプリを使いたい（技術者）	OpenClaw
完全オフライン・プライバシー重視	OpenClaw + Ollama
プロアクティブな自動化（定期実行）	OpenClaw + Heartbeat/Cron
ノーコードでワークフロー構築	n8n, Flowise
高度な永続メモリが必要	Letta (MemGPT)
複雑なマルチエージェントオーケストレーション	CrewAI, LangGraph
開発者向けシェル自動化	Open Interpreter
シンプルなWebエージェント	AgentGPT

NanoBot・PicoClawとの比較

側面	OpenClaw	NanoBot	PicoClaw
言語	TypeScript/Node.js	Python	Go
コード行数	430,000+	~4,000	~15,000〜20,000
起動時間	>500ms	数秒	<1秒
メモリ使用量	>1GB	100〜150MB	<10MB
配布形式	npm パッケージ	pip パッケージ	単一バイナリ
チャネル数	15+（コア7 + 拡張8+）	9（Telegram/Discord/Slack/WhatsApp/DingTalk/Feishu/QQ/MoChat/Email）	11（Telegram/Discord/Slack/WhatsApp/LINE/DingTalk/Feishu/QQ/WeCom/OneBot/MaixCam）
バンドルスキル数	50+	8（summarize/tmux/memory/cron/skill-creator/clawhub/weather/github）	6（summarize/tmux/skill-creator/hardware/weather/github）
スキルエコシステム	ClawHub（コミュニティ）	ClawHub互換（スキルインストール機能あり）	ClawHub API統合（動的インストール）
メモリ管理方式	SQLite + sqlite-vec（ベクトルDB）+ BM25ハイブリッド検索	MEMORY.md + HISTORY.md（テキストファイル）+ LLMによる統合委譲	MEMORY.md（テキストファイル）+ JSONセッション（sqlite不使用）
LLMプロバイダー	20+（独自Piエンジン経由）	30+（LiteLLM経由、OpenAI互換形式）	複数（SDK直接統合 + フォールバックチェーン）
MCPサポート	コア外（mcporterスキル経由）	コア内蔵（stdio + HTTP SSE両対応）	コア外（スキル経由）
ツール呼び出し形式	Anthropic tool_use API形式	OpenAI function calling形式（LiteLLMで統一）	プロバイダー別（OpenAI互換 + Claude SDK + Copilot gRPC）
エージェントループ制限	Piエンジン管理	20回（`max_iterations`）	MaxIterations設定値
IoT/エッジデバイス対応	なし	なし	あり（I2C/SPI、$10ハードウェア対応）
特記事項	機能豊富・安全デフォルト・Heartbeat/BOOT.md	コードが圧倒的に少ない・MCP直接統合・読みやすさ重視	超軽量・単一バイナリ・IoT対応・フォールバックチェーン

8: NanoBot 詳細

1. プロジェクト概要

主要な特徴: 「99%コード削減でOpenClaw相当の機能を実現」

NanoBotは「OpenClawのコア機能を最小限のコードで実現する」をコンセプトとしたPythonクローン。
コアのコード行数は約4,000行（OpenClawの430,000行超と比較して約1/100）。
研究・個人用途向けで、読みやすさと拡張性を重視している。

2. エージェントループ（`nanobot/agent/loop.py`）

2.1 核心となる `_run_agent_loop()`

async def _run_agent_loop(
    self,
    initial_messages: list[dict],
    on_progress: Callable[[str], Awaitable[None]] | None = None,
) -> tuple[str | None, list[str]]:
    """Run the agent iteration loop. Returns (final_content, tools_used)."""
    messages = initial_messages
    iteration = 0

    while iteration < self.max_iterations:  # デフォルト20回
        iteration += 1

        # LLM呼び出し（ツール定義も渡す）
        response = await self.provider.chat(
            messages=messages,
            tools=self.tools.get_definitions(),  # JSON Schema形式
            model=self.model,
            temperature=self.temperature,
            max_tokens=self.max_tokens,
        )

        if response.has_tool_calls:
            # LLMがツールを要求した場合
            for tool_call in response.tool_calls:
                result = await self.tools.execute(tool_call.name, tool_call.arguments)
                messages = self.context.add_tool_result(
                    messages, tool_call, result
                )
        else:
            # テキストのみ → ループ終了
            final_content = response.content
            break

    return final_content, tools_used

OpenClawとの比較：

項目	OpenClaw	NanoBot
ループの複雑さ	`pi-embedded-runner.ts`（数百行）に隠蔽	30行で核心を表現
イテレーション制限	Piエンジン側で管理	`max_iterations`（デフォルト20）
進捗フィードバック	`onUpdate` callback + streaming	`on_progress` async callback
ツール追跡	`EmbeddedPiSubscribeState`（複雑な状態管理）	`tools_used` リストのみ

2.2 メッセージ構造

OpenClawがJSONL形式で管理するのに対し、NanoBotはOpenAI互換のメッセージリストを直接使用：

messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "ファイルを一覧して"},
    {"role": "assistant", "tool_calls": [{"id": "...", "function": {...}}]},
    {"role": "tool", "tool_call_id": "...", "content": "[file1.txt, file2.txt]"},
    {"role": "assistant", "content": "ファイルは2つあります"},
]

3. ツール定義とLLMへの渡し方

3.1 基底クラス（`nanobot/agent/tools/base.py`）

class Tool(ABC):
    @property
    @abstractmethod
    def name(self) -> str: pass

    @property
    @abstractmethod
    def description(self) -> str: pass

    @property
    @abstractmethod
    def parameters(self) -> dict[str, Any]:
        """JSON Schema for tool parameters."""
        pass

    async def execute(self, **kwargs: Any) -> str:
        """Execute the tool. Returns string result."""
        pass

    def to_schema(self) -> dict[str, Any]:
        """OpenAI function calling形式に変換"""
        return {
            "type": "function",
            "function": {
                "name": self.name,
                "description": self.description,
                "parameters": self.parameters,
            }
        }

OpenClawとの比較：

OpenClawは AgentTool<InputType, ResultType> でジェネリクスによる型安全性を重視
NanoBotは dict[str, Any] とシンプルな抽象クラスで汎用性を重視
両者ともJSON Schemaを使ってLLMへツールを渡す点は同じ

3.2 ツールレジストリ（`nanobot/agent/tools/registry.py`）

class ToolRegistry:
    def get_definitions(self) -> list[dict[str, Any]]:
        """全ツール定義をOpenAI形式で返す"""
        return [tool.to_schema() for tool in self._tools.values()]

    async def execute(self, name: str, params: dict[str, Any]) -> str:
        tool = self._tools.get(name)
        if not tool:
            return f"Error: Tool '{name}' not found"

        # JSON Schemaで検証
        errors = tool.validate_params(params)
        if errors:
            return f"Error: Invalid parameters: {errors}"

        return await tool.execute(**params)

3.3 組み込みツール一覧

# loop.py の _register_default_tools() より
def _register_default_tools(self) -> None:
    # ファイルシステム
    self.tools.register(ReadFileTool(workspace=self.workspace))
    self.tools.register(WriteFileTool(workspace=self.workspace))
    self.tools.register(EditFileTool(workspace=self.workspace))
    self.tools.register(ListDirTool(workspace=self.workspace))

    # シェル実行
    self.tools.register(ExecTool(workspace=self.workspace))

    # Web
    self.tools.register(WebSearchTool(api_key=self.brave_api_key))
    self.tools.register(WebFetchTool())

    # メッセージング
    self.tools.register(MessageTool(send_callback=self.bus.publish_outbound))

    # サブエージェント
    self.tools.register(SpawnTool(manager=self.subagents))

    # Cronジョブ
    if self.cron_service:
        self.tools.register(CronTool(self.cron_service))

OpenClawと比較して省略されているツール：

browser（Playwright）
canvas / A2UI
nodes（デバイスペアリング）
gateway（自己管理）
session_status
memory_search / memory_get（代わりに会話内メモリ統合）

4. スキルシステム（`nanobot/agent/skills.py`）

4.1 スキルの読み込み戦略

NanoBotはOpenClawのSKILL.md形式と互換性のある遅延読み込み方式を採用：

def build_system_prompt(self, skill_names: list[str] | None = None) -> str:
    parts = []

    # 1. アイデンティティとブートストラップファイル（AGENTS.md, SOUL.md等）
    parts.append(self._get_identity())
    bootstrap = self._load_bootstrap_files()

    # 2. always=True のスキルは全文をプロンプトに含める
    always_skills = self.skills.get_always_skills()
    if always_skills:
        always_content = self.skills.load_skills_for_context(always_skills)
        parts.append(f"# Active Skills\n\n{always_content}")

    # 3. その他のスキルはサマリーのみ（LLMが必要な時にread_fileで読む）
    skills_summary = self.skills.build_skills_summary()
    if skills_summary:
        parts.append(f"""# Skills

The following skills extend your capabilities. To use a skill, read its SKILL.md file using the read_file tool.
Skills with available="false" need dependencies installed first...

{skills_summary}""")

    return "\n\n---\n\n".join(parts)

OpenClawとの違い：

項目	OpenClaw	NanoBot
常時スキル	`always: true` frontmatter	`always=True` frontmatter（同形式）
通常スキル	サマリーのみ → readツールで本文取得	サマリーのみ → read_fileツールで本文取得
スキルの場所	`skills/`, `~/.openclaw/skills/`, プラグイン	`/nanobot/skills/`, `~/.nanobot/workspace/skills/`
frontmatter形式	YAML（`requires.bins` 等）	YAML + JSON（`metadata.nanobot.requires.bins`）

4.2 スキルの依存関係チェック

def _check_requirements(self, skill_meta: dict) -> bool:
    """スキルが必要とするバイナリや環境変数が存在するかチェック"""
    requires = skill_meta.get("requires", {})

    for b in requires.get("bins", []):
        if not shutil.which(b):
            return False  # バイナリが見つからない → スキル利用不可

    for env in requires.get("env", []):
        if not os.environ.get(env):
            return False  # 環境変数がない → スキル利用不可

    return True

5. メモリ管理（`nanobot/agent/memory.py`）

5.1 OpenClawとの根本的な違い

項目	OpenClaw	NanoBot
実装方式	SQLite + sqlite-vec（ベクトルDB）	テキストファイル（Markdown）
検索方式	BM25（キーワード）+ ベクトル検索ハイブリッド	テキスト検索（grep可能形式）
メモリ統合	独自のインデックス更新ロジック	LLM自身に統合を委譲
リソース	重い（インデックス作成コスト）	軽い（ファイルI/Oのみ）

5.2 二層メモリ構造

~/.nanobot/workspace/memory/
├── MEMORY.md      # 長期記憶（ユーザーの情報・設定・重要事項）
└── HISTORY.md     # 時系列イベントログ（grep可能な形式）

HISTORY.mdの形式：

[2026-02-22 10:30] USER [tools: web_search]: プロジェクトの最新情報を調べて
[2026-02-22 10:30] ASSISTANT [tools: web_search]: OpenClaw 2026.2.22がリリース。機能Xが追加。
[2026-02-22 15:00] USER: 昨日調べたことを要約して

5.3 LLM駆動の統合処理

async def consolidate(self, session, provider, model, *, memory_window=50) -> None:
    """古いメッセージをLLMで統合してMEMORY.md / HISTORY.mdに書き込む"""

    old_messages = session.messages[session.last_consolidated:-keep_count]

    # フォーマット
    lines = [
        f"[{m.get('timestamp')[:16]}] {m['role'].upper()}"
        f"{' [tools: ' + ', '.join(m['tools_used']) + ']' if m.get('tools_used') else ''}"
        f": {m['content']}"
        for m in old_messages
    ]

    # LLM自身に統合タスクを委譲（save_memoryツールを使わせる）
    response = await provider.chat(
        messages=[
            {"role": "system", "content": "You are a memory consolidation agent..."},
            {"role": "user", "content": f"Process this conversation:\n{chr(10).join(lines)}"},
        ],
        tools=[_SAVE_MEMORY_TOOL],  # save_memory ツールのみ定義
        model=model,
    )

    if response.has_tool_calls:
        args = response.tool_calls[0].arguments
        if entry := args.get("history_entry"):
            self.append_history(entry)   # HISTORY.mdに追記
        if update := args.get("memory_update"):
            self.write_long_term(update) # MEMORY.mdを全体更新

LLMへの統合タスク仕様（_SAVE_MEMORY_TOOL）：

{
    "type": "function",
    "function": {
        "name": "save_memory",
        "parameters": {
            "history_entry": {
                "type": "string",
                "description": "2〜5文で主要な出来事・決定・トピックを要約。"
                               "[YYYY-MM-DD HH:MM]で始める。grep検索に有用な詳細を含める。",
            },
            "memory_update": {
                "type": "string",
                "description": "長期記憶全体のMarkdown。既存の事実＋新しい事実を含める。"
                               "新しいことがなければそのまま返す。",
            },
        },
    },
}

6. LLMプロバイダー（`nanobot/providers/litellm_provider.py`）

6.1 LiteLLMの採用

NanoBotは LiteLLM（OSSのLLM統合ライブラリ）を使用して30以上のプロバイダーに対応：

class LiteLLMProvider(LLMProvider):
    """LiteLLMを使った統一プロバイダー"""

    async def chat(self, messages, tools, model, temperature, max_tokens):
        # LiteLLMが各プロバイダーのAPIの差異を吸収
        response = await litellm.acompletion(
            model=self._resolve_model(model),  # "anthropic/claude-opus-4-5" など
            messages=messages,
            tools=tools,
            temperature=temperature,
            max_tokens=max_tokens,
            **self._extra_params(),
        )
        return self._parse_response(response)

6.2 プロバイダーレジストリ（`nanobot/providers/registry.py`）

@dataclass(frozen=True)
class ProviderSpec:
    name: str
    keywords: tuple[str, ...]       # モデル名から自動判定するキーワード
    env_key: str                    # 環境変数名
    litellm_prefix: str = ""        # LiteLLMに渡すプレフィックス
    is_gateway: bool = False        # OpenRouter等のゲートウェイ型
    supports_prompt_caching: bool = False  # Anthropicのキャッシュ対応

サポートプロバイダー（一部）：

カテゴリ	プロバイダー
ゲートウェイ	OpenRouter, AiHubMix, SiliconFlow, VolcEngine
直接API	Anthropic, OpenAI, DeepSeek, Gemini, Zhipu, DashScope, Moonshot, MiniMax, Groq
OAuth	OpenAI Codex, GitHub Copilot
ローカル	vLLM
カスタム	任意のOpenAI互換エンドポイント

OpenClawとの比較：

OpenClawは各プロバイダー専用のコードを記述（anthropic.ts, openai.ts 等）
NanoBotはLiteLLMに任せてプロバイダー固有コードをほぼゼロ化

6.3 Anthropicプロンプトキャッシュの自動適用

def _apply_cache_control(self, messages, tools):
    """Anthropicプロバイダーの場合、システムプロンプトにキャッシュ制御を自動付与"""
    for msg in messages:
        if msg.get("role") == "system":
            # ephemeral キャッシュを付与（APIコスト削減）
            new_content = [{
                "type": "text",
                "text": msg["content"],
                "cache_control": {"type": "ephemeral"}
            }]
            # ...

6.4 不正JSON修復

def _parse_response(self, response):
    for tc in message.tool_calls:
        args = tc.function.arguments
        if isinstance(args, str):
            args = json_repair.loads(args)  # 壊れたJSONも自動修復
        # ...

7. MCPのサポート（`nanobot/agent/tools/mcp.py`）

NanoBotはMCPをコア機能として完全サポートしている点がOpenClawと大きく異なる。

7.1 MCP接続の実装

async def connect_mcp_servers(
    mcp_servers: dict, registry: ToolRegistry, stack: AsyncExitStack
) -> None:
    for name, cfg in mcp_servers.items():
        # Stdio mode（ローカルプロセス）
        if cfg.command:
            params = StdioServerParameters(
                command=cfg.command, args=cfg.args, env=cfg.env or None
            )
            read, write = await stack.enter_async_context(stdio_client(params))

        # HTTP mode（リモートSSE）
        elif cfg.url:
            read, write, _ = await stack.enter_async_context(
                streamable_http_client(cfg.url)
            )

        session = await stack.enter_async_context(ClientSession(read, write))
        await session.initialize()

        # MCPサーバーのツールをNanoBotのToolRegistryに登録
        tools = await session.list_tools()
        for tool_def in tools.tools:
            wrapper = MCPToolWrapper(session, name, tool_def)
            registry.register(wrapper)

設定例（config.json）：

{
  "tools": {
    "mcpServers": {
      "filesystem": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
      },
      "my-remote-mcp": {
        "url": "https://example.com/mcp/",
        "headers": {"Authorization": "Bearer xxxxx"}
      }
    }
  }
}

OpenClawとの対比：

	OpenClaw	NanoBot
MCP対応	`mcporter` スキル経由（ブリッジ）	コア機能として直接対応
Stdio MCP	mcporter が担当	`mcp.client.stdio` で直接接続
HTTP SSE MCP	mcporter が担当	`streamable_http_client` で直接接続
設定	`skills/mcporter/` スキルを使う	`config.tools.mcpServers` で直接設定

NanoBotがMCPを直接組み込んだ理由（推測）：
小規模プロジェクトのためブリッジレイヤーを挟む理由がない。安定性より利便性を優先。

8. メッセージバスとチャネル統合（`nanobot/bus/`）

8.1 シンプルなキューベース実装

class MessageBus:
    """エージェントとチャネル間を疎結合にするAsync キュー"""

    def __init__(self):
        self.inbound: asyncio.Queue[InboundMessage] = asyncio.Queue()
        self.outbound: asyncio.Queue[OutboundMessage] = asyncio.Queue()

    async def publish_inbound(self, msg: InboundMessage) -> None:
        await self.inbound.put(msg)

    async def consume_inbound(self) -> InboundMessage:
        return await self.inbound.get()  # ブロッキング

メッセージ型：

@dataclass
class InboundMessage:
    channel: str       # "telegram", "slack", "discord", "email", "cli", "system"
    sender_id: str     # ユーザーID
    chat_id: str       # 会話ID/チャネルID
    content: str       # メッセージ内容
    session_key: str   # channel:chat_id（セッション識別子）
    media: list[str] | None  # マルチモーダル（画像パス）
    metadata: dict | None    # チャネル固有メタデータ

8.2 対応チャネル

Telegram / Slack / Discord / Feishu（飛書）
WhatsApp（QRコード方式）
Email（IMAP/SMTP）
DingTalk（钉钉）/ Mochat
CLI（コマンドライン直接入力）

OpenClawとの比較：

OpenClaw: 15+チャネル（MS Teams, Matrix, LINE 等も対応）
NanoBot: 10チャネル程度（企業向けチャネルを中心に選択）

9. HeartbeatとCron

9.1 Heartbeat（`nanobot/heartbeat/service.py`）

class HeartbeatService:
    async def _tick(self) -> None:
        content = self._read_heartbeat_file()

        if _is_heartbeat_empty(content):
            return  # HEARTBEAT.md が空なら何もしない

        if self.on_heartbeat:
            response = await self.on_heartbeat(HEARTBEAT_PROMPT)

            if HEARTBEAT_OK_TOKEN in response.upper():
                logger.info("Heartbeat: OK")  # 何もしない
            else:
                logger.info("Heartbeat: completed task")

OpenClawと同じ HEARTBEAT_OK プロトコルを採用。デフォルト間隔30分。

9.2 Cron（`nanobot/cron/service.py`）

@dataclass
class CronSchedule:
    kind: str        # "at"（一回限り）, "every"（定期）, "cron"（cron式）
    at_ms: int | None     # Unix タイムスタンプ（ms）
    every_ms: int | None  # 間隔（ms）
    expr: str | None      # Cron式（例: "0 9 * * *"）
    tz: str | None        # タイムゾーン

ストレージ: ~/.nanobot/workspace/.cron（JSON）

10. セッション管理（`nanobot/session/manager.py`）

10.1 JSONL形式（追記専用）

{"_type": "metadata", "key": "telegram:12345", "created_at": "2026-02-22T...", "last_consolidated": 0}
{"role": "user", "content": "Hello", "timestamp": "2026-02-22T...", "tools_used": null}
{"role": "assistant", "content": "Hi!", "timestamp": "...", "tools_used": ["web_search"]}
{"role": "tool", "tool_call_id": "...", "name": "web_search", "content": "results..."}

メッセージを削除せず追記のみ（Anthropicのプロンプトキャッシュを最大活用）
統合後も元のメッセージを保持（LLMがキャッシュから読める）

10.2 自動統合のトリガー

if len(session.messages) > self.memory_window and session.key not in self._consolidating:
    self._consolidating.add(session.key)
    asyncio.create_task(_consolidate_and_unlock())  # バックグラウンドで非同期実行

11. セキュリティ機能

11.1 シェルコマンドの保護（`nanobot/agent/tools/shell.py`）

def _guard_command(self, command: str, cwd: str) -> str | None:
    """ベストエフォートの危険コマンド検出"""

    deny_patterns = [
        r"\brm\s+-[rf]{1,2}\b",              # rm -r, rm -rf
        r"\bdd\s+if=",                       # dd（ディスク破壊）
        r">\s*/dev/sd",                      # ディスクへの直接書き込み
        r"\b(shutdown|reboot|poweroff)\b",   # システム電源操作
        r":\(\)\s*\{.*\};\s*:",              # フォークボム
    ]

OpenClawとの比較：
OpenClawはより洗練されたExec Approval System（Gateway RPCで承認フロー）を持つ。
NanoBotは正規表現による簡易チェックのみで、より軽量。

12. OpenClawから省略した機能とその意図

機能	OpenClaw	NanoBot	省略の意図
SQLiteメモリ	あり（BM25+ベクトル）	なし（Markdownファイル）	シンプルさ優先、LLMの判断力を活用
ブラウザ自動化	Playwright対応	なし	外部依存削減
Canvas / A2UI	あり	なし	UI系は別チャネル経由で対応
ノードペアリング	mDNSでモバイル連携	なし	スコープ外
Exec承認システム	Gatewayでフロー管理	正規表現チェックのみ	軽量化
複数エージェント管理	15+チャネル対応	10チャネル程度	主要チャネルに絞る
ACP	あり（IDE統合）	なし	スコープ外

まとめ

NanoBotの設計哲学：

LLMを信頼する - メモリ統合や複雑な判断をLLMに委譲し、コードを減らす
標準APIに従う - OpenAI互換形式（tool calling, メッセージ形式）で長期的互換性を確保
段階的機能拡張 - MCPで任意ツールを追加できる設計
読みやすさ優先 - 研究・学習・実験に適したクリーンなコードベース

「OpenClawの本質は4000行に収まる」という証明として価値がある。

9: PicoClaw 詳細

1. プロジェクト概要

主要な特徴: 「エッジデバイスでも動作する超軽量AIエージェント」

PicoClawはGo言語で実装されたOpenClaw/NanoBotクローン。
「メモリ10MB未満・起動1秒未満」 を目標にした極限の軽量化が特徴。
エッジAI・IoTデバイス（$10ハードウェア）での実行を想定している。

指標	OpenClaw	NanoBot	PicoClaw
コード行数	430,000+	~4,000	~15,000〜20,000
メモリ	>1GB	100〜150MB	<10MB
起動時間	>500秒	数秒	<1秒
配布形式	npm パッケージ	pip パッケージ	単一バイナリ

2. エージェントループ（`pkg/agent/loop.go`）

2.1 核心となる `runLLMIteration()`

func (al *AgentLoop) runLLMIteration(
    ctx context.Context,
    agent *AgentInstance,
    messages []providers.Message,
    opts processOptions,
) (string, int, error) {
    iteration := 0
    var finalContent string

    for iteration < agent.MaxIterations {
        iteration++

        // 1. ツール定義をビルド
        providerToolDefs := agent.Tools.ToProviderDefs()

        // 2. LLM呼び出し（フォールバックチェーン対応）
        response, err := al.callWithFallback(ctx, agent, messages, providerToolDefs)
        if err != nil {
            // コンテキストエラー（トークン超過）時は圧縮して再試行
            if isContextError(err) {
                al.forceCompression(agent, opts.SessionKey)
                messages = agent.ContextBuilder.BuildMessages(...)
                continue
            }
            return "", iteration, err
        }

        // 3. ツール呼び出しがなければ終了
        if len(response.ToolCalls) == 0 {
            finalContent = response.Content
            break
        }

        // 4. ツール呼び出し実行
        for _, tc := range response.ToolCalls {
            toolResult := agent.Tools.ExecuteWithContext(
                ctx, tc.Name, tc.Arguments, opts.Channel, opts.ChatID, asyncCallback,
            )

            // ユーザー向けメッセージをバスへ送信
            if !toolResult.Silent && toolResult.ForUser != "" {
                al.bus.PublishOutbound(bus.OutboundMessage{
                    Channel: opts.Channel,
                    ChatID:  opts.ChatID,
                    Content: toolResult.ForUser,
                })
            }

            // セッションに記録
            agent.Sessions.AddFullMessage(opts.SessionKey, toolResultMsg)
        }
    }

    return finalContent, iteration, nil
}

2.2 非同期ツール処理（goroutine活用）

// 非同期完了コールバック（サブエージェント等）
asyncCallback := func(callbackCtx context.Context, result *tools.ToolResult) {
    // goroutineで非同期実行される
}

// セッション要約もgoroutineで並列実行
go func() {
    defer al.summarizing.Delete(summarizeKey)
    al.summarizeSession(agent, sessionKey)  // バックグラウンドで実行
}()

NanoBotとの比較：
NanoBotは asyncio.create_task() でPython非同期を使用。
PicoClawはGo goroutineでより軽量・効率的な並行処理を実現。

3. ツール定義とLLMへの渡し方

3.1 Toolインターフェース（`pkg/tools/types.go`）

type Tool interface {
    Name() string
    Description() string
    Parameters() map[string]any  // JSON Schema
    Execute(ctx context.Context, args map[string]any) *ToolResult
}

// オプショナルインターフェース（追加機能）
type ContextualTool interface {
    Tool
    SetContext(channel, chatID string)  // チャネル情報を注入
}

type AsyncTool interface {
    Tool
    SetCallback(cb AsyncCallback)  // 非同期完了コールバック
}

3.2 LLMへの変換（`pkg/tools/registry.go`）

func (r *ToolRegistry) ToProviderDefs() []providers.ToolDefinition {
    definitions := make([]providers.ToolDefinition, 0, len(r.tools))

    for _, tool := range r.tools {
        definitions = append(definitions, providers.ToolDefinition{
            Type: "function",
            Function: providers.ToolFunctionDefinition{
                Name:        tool.Name(),
                Description: tool.Description(),
                Parameters:  tool.Parameters(),  // JSON Schema
            },
        })
    }
    return definitions
}

3.3 プロバイダーへの送信（`pkg/providers/openai_compat/provider.go`）

func (p *Provider) Chat(
    ctx context.Context,
    messages []Message,
    tools []ToolDefinition,
    model string,
    options map[string]any,
) (*LLMResponse, error) {
    requestBody := map[string]any{
        "model":       model,
        "messages":    messages,
        "tools":       tools,        // ToolDefinition[]（JSON Schema形式）
        "max_tokens":  options["max_tokens"],
        "temperature": options["temperature"],
    }

    // HTTP POST to {api_base}/chat/completions
    resp, err := p.httpClient.Do(req)
    // ...
    return &response, nil
}

3.4 ツール呼び出しの応答型（`pkg/providers/protocoltypes/types.go`）

type ToolCall struct {
    ID               string         `json:"id"`
    Type             string         `json:"type"`         // "function"
    Function         *FunctionCall  `json:"function"`
    Name             string         `json:"name"`
    Arguments        map[string]any `json:"arguments"`    // 解析済みJSON
    ThoughtSignature string         // Gemini 3用拡張
    ExtraContent     *ExtraContent  // Google Extended用
}

type LLMResponse struct {
    Content      string     // テキスト応答
    ToolCalls    []ToolCall // ツール呼び出しリスト（空なら終了）
    FinishReason string     // "tool_calls", "stop", など
    Usage        *UsageInfo // トークン使用量
}

4. LLMプロバイダー実装（`pkg/providers/`）

4.1 プロトコルベースの分類（`pkg/providers/factory.go`）

NanoBotがLiteLLMに処理を委譲するのに対し、PicoClawは各プロバイダーのSDKを直接使用：

const (
    providerTypeHTTPCompat     // OpenAI互換HTTP（汎用）
    providerTypeClaudeAuth     // Anthropic SDK（公式）
    providerTypeCodexAuth      // OpenAI OAuth
    providerTypeCodexCLIToken  // OpenAI CLI Token
    providerTypeClaudeCLI      // Claude CLI 経由
    providerTypeCodexCLI       // OpenAI CLI 経由
    providerTypeGitHubCopilot  // GitHub Copilot gRPC
)

4.2 使用SDKとGo依存関係（`go.mod`より）

// 公式SDK
"github.com/anthropics/anthropic-sdk-go v1.22.1"
"github.com/openai/openai-go/v3 v3.22.0"
"github.com/github/copilot-sdk/go v0.1.23"

// OpenAI互換インターフェース経由でも対応:
// Zhipu(GLM), DeepSeek, Groq, OpenRouter, Ollama, vLLM, Gemini, Qwen 等

4.3 モデル設定形式

{
  "model_list": [
    {
      "model_name": "gpt-5.2",
      "model": "openai/gpt-5.2",
      "api_key": "sk-..."
    },
    {
      "model_name": "claude-sonnet-4.6",
      "model": "anthropic/claude-sonnet-4.6",
      "api_key": "sk-ant-..."
    },
    {
      "model_name": "glm-4.7",
      "model": "zhipu/glm-4.7",
      "api_key": "..."
    }
  ]
}

4.4 フォールバックチェーン（`pkg/providers/fallback.go`）

OpenClawにはない顕著な新機能のひとつ。

func (fc *FallbackChain) Execute(
    ctx context.Context,
    candidates []FallbackCandidate,
    run func(ctx context.Context, provider, model string) (*LLMResponse, error),
) (*FallbackResult, error) {
    for _, candidate := range candidates {
        // クールダウン中のプロバイダーはスキップ
        if fc.cooldown.IsOnCooldown(candidate.Provider) {
            continue
        }

        response, err := run(ctx, candidate.Provider, candidate.Model)
        if err == nil {
            return &FallbackResult{Response: response}, nil
        }

        // エラー分類
        failoverErr := classifyError(err)
        if !failoverErr.IsRetriable() {
            return nil, err  // フォーマットエラー等は再試行不可
        }
        // 次の候補へ（rate limit, auth error 等は次を試す）
    }
    return nil, errors.New("all candidates failed")
}

// エラー分類
type FailoverReason string
const (
    FailoverAuth      FailoverReason = "auth"       // 再試行可
    FailoverRateLimit FailoverReason = "rate_limit"  // 再試行可
    FailoverBilling   FailoverReason = "billing"     // 再試行可
    FailoverTimeout   FailoverReason = "timeout"     // 再試行可
    FailoverFormat    FailoverReason = "format"      // 再試行不可
)

5. システムプロンプト構築（`pkg/agent/context.go`）

func (cb *ContextBuilder) BuildSystemPrompt() string {
    parts := []string{}

    // 1. アイデンティティ（時刻・ランタイム・ワークスペース）
    parts = append(parts, cb.getIdentity())

    // 2. ブートストラップファイル（AGENTS.md, SOUL.md, USER.md, IDENTITY.md）
    bootstrapContent := cb.LoadBootstrapFiles()
    parts = append(parts, bootstrapContent)

    // 3. スキルサマリー（遅延読み込み方式）
    skillsSummary := cb.skillsLoader.BuildSkillsSummary()
    parts = append(parts, skillsSummary)

    // 4. メモリコンテキスト（MEMORY.md）
    memoryContext := cb.memory.GetMemoryContext()
    parts = append(parts, memoryContext)

    return strings.Join(parts, "\n\n---\n\n")
}

生成されるシステムプロンプトのサンプル：

# picoclaw 🦞

You are picoclaw, a helpful AI assistant.

## Current Time
2026-02-22 15:30 (Saturday)

## Runtime
linux amd64, Go 1.25.7

## Workspace
Your workspace is at: /home/user/.picoclaw/workspace

## Available Tools

**CRITICAL**: You MUST use tools to perform actions. Do NOT pretend to execute commands.

- `read_file` - Read file contents within your workspace
- `write_file` - Write/create files
- `exec` - Execute shell commands
- `web_search` - Search the web
- `spawn` - Create a subagent for complex tasks
...

---

# Skills
Available skills: [スキル名と説明]

---

# Memory
[MEMORY.mdの内容]

OpenClawとの比較：

項目	OpenClaw	PicoClaw
構築関数	`buildAgentSystemPrompt()`（19セクション）	`BuildSystemPrompt()`（4セクション）
PromptMode	full/minimal/none の3モード	なし（単一モード）
Safety section	Anthropicの憲法ベースの詳細セクション	なし（ツール使用の必須化のみ）
Heartbeat設定	HEARTBEAT_OK プロトコル	なし（別実装）
Silent replies	SILENT_REPLY_TOKEN	なし
Reply tags	[[reply_to_current]] 等	なし

6. スキルシステム（`pkg/skills/`）

6.1 スキルの読み込み（`pkg/skills/loader.go`）

type SkillInfo struct {
    Name        string  // スキル名
    Path        string  // SKILL.mdへのパス
    Source      string  // "workspace", "global", "builtin"
    Description string  // スキルの説明
}

// 読み込み優先度
// 1. Workspace: ~/.picoclaw/workspace/skills/{skill}/SKILL.md
// 2. Global:    ~/.picoclaw/skills/{skill}/SKILL.md
// 3. Builtin:   ./skills/{skill}/SKILL.md

OpenClawのSKILL.md形式との互換性：
同じYAML frontmatter形式を採用。OpenClaw用スキルをそのまま使用可能。

6.2 スキルの動的インストール

tools.NewFindSkillsTool() と tools.NewInstallSkillTool() でClawHubからスキルを検索・インストール：

// ClawHubのスキルレジストリから検索
type ClawHubRegistry struct {
    baseURL string  // clawhub.ai API
    cache   SearchCache
}

func (r *ClawHubRegistry) Search(query string) ([]SkillResult, error) {
    // ClawHubのAPIを呼び出し
}

7. マルチエージェント（`pkg/agent/registry.go`）

OpenClawにはない顕著な新機能のひとつ。

7.1 エージェントレジストリ

type AgentRegistry struct {
    agents   map[string]*AgentInstance  // Agent ID → インスタンス
    resolver *routing.RouteResolver
    mu       sync.RWMutex
}

// サブエージェント生成の許可チェック
func (r *AgentRegistry) CanSpawnSubagent(parentAgentID, targetAgentID string) bool {
    parent, ok := r.GetAgent(parentAgentID)
    if !ok { return false }

    for _, allowed := range parent.Subagents.AllowAgents {
        if allowed == "*" || allowed == targetAgentID {
            return true
        }
    }
    return false
}

7.2 マルチエージェント設定

{
  "agents": {
    "list": [
      {
        "id": "main",
        "model": {"primary": "gpt-5.2"}
      },
      {
        "id": "research",
        "model": {"primary": "claude-sonnet-4.6"},
        "subagents": {
          "allow_agents": ["writer"]  // writer エージェントのみ生成可能
        }
      },
      {
        "id": "writer",
        "model": {"primary": "gpt-5.2"}
      }
    ]
  }
}

7.3 Spawn Tool（サブエージェント起動）

func (t *SpawnTool) Execute(ctx context.Context, args map[string]any) *ToolResult {
    task, _ := args["task"].(string)
    agentID, _ := args["agent_id"].(string)

    // 権限チェック
    if agentID != "" && !t.allowlistCheck(agentID) {
        return ErrorResult("not allowed to spawn agent: " + agentID)
    }

    // バックグラウンド非同期実行
    result, err := t.manager.Spawn(
        ctx, task, "", agentID,
        t.originChannel, t.originChatID, t.callback,
    )

    return AsyncResult(result)  // 即座に返す（非ブロッキング）
}

8. メッセージバス（`pkg/bus/bus.go`）

type MessageBus struct {
    inbound  chan InboundMessage   // バッファサイズ100
    outbound chan OutboundMessage
    handlers map[string]MessageHandler
    mu       sync.RWMutex
}

// Goのチャネル機能を活用した非同期メッセージング
func (mb *MessageBus) ConsumeInbound(ctx context.Context) (InboundMessage, bool) {
    select {
    case msg := <-mb.inbound:
        return msg, true
    case <-ctx.Done():
        return InboundMessage{}, false  // キャンセル対応
    }
}

NanoBotとの比較：

NanoBot: asyncio.Queue（Python非同期）
PicoClaw: Goチャネル（goroutineベース、より軽量）

9. IoTハードウェアサポート（`pkg/tools/i2c_*.go`）

OpenClawにもNanoBotにも存在しない独自機能。

// Linux IoT対応のハードウェア制御ツール
tools.Register(tools.NewI2CTool())  // I2C通信（センサー・ディスプレイ）
tools.Register(tools.NewSPITool())  // SPI通信（高速シリアル通信）

// i2c_linux.go（Linux専用）
// i2c_other.go（それ以外はスタブ）

用途： Raspberry Pi等でのAIエージェント実装。温度センサー読み取り、LED制御等。

10. OpenClawから省略した機能と意図

10.1 意図的に省略した機能

機能	OpenClaw	PicoClaw	省略の意図
WebUI	あり（Lit + Web Components）	なし	リソース削減
Exec承認システム	Gatewayへの承認RPCフロー	なし（実行のみ）	軽量化
ブラウザ自動化	Playwright	なし	外部依存削減
Canvas / A2UI	あり	なし	UIはチャネル側で対応
mDNS ノード発見	@homebridge/ciao	なし	スコープ外
SQLiteメモリ検索	BM25+ベクトル	Markdown+LLM統合	軽量化
ACP	あり（IDE統合）	なし	スコープ外
複雑な認証スキーム	詳細な認証フロー	基本OAuth	簡素化
Safety Section	Anthropic憲法ベース	なし（ツール必須化のみ）	簡素化
SILENT_REPLY_TOKEN	あり	なし	簡素化

10.2 OpenClawにない顕著な新機能

機能	詳細
自動フォールバックチェーン	設定された複数モデルを順番に試し、失敗したら次へ
マルチエージェント権限管理	どのエージェントがどのサブエージェントを生成できるか設定可能
IoTハードウェアサポート	I2C/SPIによるLinuxハードウェア直接制御
単一バイナリ配布	npm/pipなしで動作。クロスコンパイル対応（ARM64, RISC-V等）
プロトコルベースのプロバイダー分類	OpenAI互換, Anthropic SDK, Copilot gRPCを明確に分類

11. Go言語採用による設計上の特徴

11.1 goroutineによる軽量並行処理

// 会話要約をバックグラウンドで実行（メインループをブロックしない）
al.summarizing.LoadOrStore(summarizeKey, true)
go func() {
    defer al.summarizing.Delete(summarizeKey)
    al.summarizeSession(agent, sessionKey)
}()

// sync.Map を使用したスレッドセーフなConcurrent access
al.summarizing.LoadOrStore(key, value)  // Atomic操作

比較：

OpenClaw (TypeScript): async/await + Promise
NanoBot (Python): asyncio.create_task()
PicoClaw (Go): goroutine + channel（最も軽量）

11.2 context.Context によるキャンセル制御

func (al *AgentLoop) Run(ctx context.Context) error {
    for al.running.Load() {
        select {
        case <-ctx.Done():
            return nil  // キャンセルシグナルで即終了
        default:
            msg, ok := al.bus.ConsumeInbound(ctx)
        }
    }
}

11.3 コンパイル時型安全性の確認

// インターフェース実装の確認をコンパイル時に行う
var _ Tool = (*WebSearchTool)(nil)  // WebSearchTool が Tool を実装しているか確認
var _ ContextualTool = (*MessageTool)(nil)  // コンパイル時チェック

11.4 単一バイナリ配布

# クロスコンパイル例
GOOS=linux GOARCH=arm64 go build -o picoclaw-linux-arm64 ./cmd/picoclaw
GOOS=linux GOARCH=amd64 go build -o picoclaw-linux-amd64 ./cmd/picoclaw
GOOS=windows GOARCH=amd64 go build -o picoclaw.exe ./cmd/picoclaw

npmやpipが不要。自己完結した実行バイナリ。

12. セッション管理（`pkg/session/manager.go`）

type Session struct {
    Key      string              `json:"key"`
    Messages []providers.Message `json:"messages"`
    Summary  string              `json:"summary"`
    Created  time.Time           `json:"created"`
    Updated  time.Time           `json:"updated"`
}

// 永続化: ~/.picoclaw/workspace/sessions/{key}.json

NanoBotとの比較：

NanoBot: JSONL形式（追記専用、全メッセージ保持）
PicoClaw: JSON形式（構造化、要約済みセッションも保持）

まとめ

PicoClawの設計哲学：

Extreme Lightweight - 組み込み・IoT・エッジデバイスで動作できるリソース効率
Single Binary - Go言語の強みを活かした自己完結型配布
Protocol-based - ベンダーロックインしないプロバイダー分類
Full Multi-agent - OpenClaw以上に詳細なマルチエージェント権限管理
OpenClaw Compatible - SKILL.md形式の互換性維持で既存スキルを再利用可能

「OpenClawと同等の機能を、1/100のリソースで実現する」というNanoBotのアプローチを、
さらに「ネイティブバイナリ・IoT対応・完全型安全」で強化したものがPicoClaw。

10: OpenClaw まとめ

技術アーキテクチャの核心的知見

ハブアンドスポーク型のGateway設計
- Gateway（Express v5 + WebSocket）が中心となり、全チャネルからのメッセージを統一フォーマットに変換して受け取る。Lane Queueで4レーン（Main/Cron/Subagent/Nested）を並列制御。
System Promptによる宣言的エージェント制御
- buildAgentSystemPrompt()が生成する約19セクションの構造化プロンプトがエージェント動作の根幹。スキル、メモリ、ツール、安全方針、ハートビートの全てがSystem Promptで制御される。
SKILL.mdによるモジュラー拡張
- YAML フロントマター + 自然言語指示のMarkdownファイルでスキルを定義。ターンごとに最も適したスキルを1つだけ読み込むことでプロンプトの肥大化を防止。スキルパスを ~ で短縮しトークン節約（400〜600トークン）。
ハイブリッドメモリシステム
- SQLite + sqlite-vec によりBM25全文検索とベクトル検索を組み合わせたハイブリッド検索を実現。OpenAI/Gemini/Voyage/ローカル等複数のエンベディングプロバイダーに対応。
HEARTBEAT_OK / SILENT_REPLY_TOKEN によるプロアクティブ制御
- エージェントは特定トークンを返すことで「注意不要」「返信なし」を宣言。HeartbeatRunnerとCronServiceが定期的にエージェントを起動しHEARTBEAT.mdのチェックリストを実行。
Pi (mariozechner) エンジンへの依存
- LLMバックエンドは @mariozechner/pi-agent-core / @mariozechner/pi-coding-agent という外部パッケージ（PSPDFKit/Pi由来）に依存。このパッケージがOpenClaw内部で直接見えない部分のLLM呼び出し・会話管理を担当。

設計思想の特徴

意図的に「しないこと」（VISION.mdに明記）

MCPをコアに組み込まない → 外部ブリッジ mcporter 経由に限定
Manager-of-Managersアーキテクチャを避ける → シンプルなサブエージェントモデルを維持
新スキルをコアに追加しない → ClawHubに誘導
重いオーケストレーション層を追加しない

「強い安全デフォルト、能力は犠牲にしない」

Anthropic Constitutionに基づく安全セクションをSystem Promptに組み込み
Exec承認システム、ツールポリシー、Dockerサンドボックスの選択的利用
ただしプロンプトインジェクションはスコープ外と宣言（設計上の制約）

採用を検討すべきシナリオ

技術者が個人/チームで使う自動化エージェントが欲しい
→ WhatsApp/Telegram等の慣れたUIで操作できる強み
プライバシー重視でデータをローカルに留めたい
→ Ollamaと組み合わせで完全オフライン動作
定期実行・プロアクティブな自動化が必要
→ HEARTBEAT.md + Cron + BOOT.mdによる自律動作
複数のLLMを使い分けたい
→ 20+プロバイダー対応でコスト・能力の最適化
既存のOSSエコシステムへの参加
→ 217,000+ stars、ClawHubのコミュニティスキル

避けるべきシナリオ

ノーコードでの利用
→ CLI・設定ファイル・認証設定が必須。n8n/Flowiseを推奨
エンタープライズ環境での大規模展開（セキュリティ要件が高い）
→ プロンプトインジェクションがスコープ外、プラグインin-process実行のリスク
複雑なマルチエージェントオーケストレーション
→ OpenClawは意図的にこれを除外。CrewAI/LangGraphを推奨
一般ユーザー向けプロダクト
→ セットアップが技術的すぎる。専用UIを持つクラウドサービスを推奨

今後の展望

OpenAI傘下での開発方向性

2026年2月14日以降、創設者Peter SteinbergerがOpenAIに参加
OpenAIとAnthropicがスポンサー
オープンソース財団への移管予定
OpenAIのAPIやツールとのより深い統合が予想される

ロードマップ（VISION.mdより）

優先事項: セキュリティ・安全デフォルト、バグ修正、セットアップ改善
次の優先事項:
- 主要モデルプロバイダーのサポート拡充
- メッセージングチャネルのサポート強化（高需要チャネル追加）
- パフォーマンス・テストインフラ
- コンピューターユース・エージェントハーネス機能の改善
- CLI + WebフロントエンドのUX改善
- macOS/iOS/Android/Windows/Linux コンパニオンアプリ

調査を通じて得られた知見のまとめ

OpenClawの本質的な価値提案

「AIが実際に作業をする（The AI that actually does things）」というVISION。それを実現するための技術的選択:

メッセージング統合: 既存のコミュニケーションツールをUIとして活用
ローカルファースト: プライバシーとオフライン動作を保証
スキルシステム: Markdownベースの宣言的拡張性
Gateway中心設計: 単一のコントロールプレーンで複雑さを抑制

設計の卓越性

System Promptのモジュール設計が秀逸（19セクション、用途別PromptMode）
Lane Queueによる競合状態防止とスケーラビリティの両立
SKILL.md の読み込み制約（1ターン1スキル）によるプロンプト肥大化防止
SILENT_REPLY_TOKEN / HEARTBEAT_OK というシンプルなプロトコルでプロアクティブ実行を実現

注意点

Pi エンジン（@mariozechner/pi-*）が外部パッケージのため、LLM呼び出しの詳細が不透明
プロンプトインジェクションをセキュリティスコープ外とする決断は、実用性とのトレードオフ

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up

OpenClawを調べた

はじめに（注意）

1: 基礎情報・背景

プロジェクトの歴史

開発者: Peter Steinberger

急成長の要因

バージョン管理・リリース

ライセンス

GitHub統計（2026年2月時点）

2: アーキテクチャ

全体構成（ハブアンドスポーク型）

主要コンポーネント詳細

Gateway Server (src/gateway/)

Channel Adapters (コア + エクステンション)

Lane Queue (src/process/)

Agent Runtime (Pi Engine)

System Prompt 構造 (src/agents/system-prompt.ts)

Heartbeat / Boot システム

Skill System (src/agents/skills/)

Memory System (src/memory/)

ACP (Agent Client Protocol) サポート (src/acp/)

技術スタック

LLM プロバイダー対応

MCP サポートについて

マルチエージェント設計

デーモン化の仕組み

3: 機能・ユースケース

対応メッセージングプラットフォーム

コア（src/ 配下に実装済み）

エクステンション（extensions/ 配下、npm パッケージ）

対応LLMモデル

主要機能一覧

コア機能（src/agents/ で実装）

スケジューリング・プロアクティブ実行

マルチエージェント

音声・マルチモーダル

視覚的インタラクション

ネットワーク・デバイス連携

セキュリティ機能

スキル（bundled skills）一覧

主要ユースケース

4: エコシステム・コミュニティについて

GitHubリポジトリ状況（2026年2月時点）

ClawHub（スキルレジストリ）

スキル（SKILL.md）の仕組み（詳細）

スキル配置場所（優先順位順）

スキルのフィルタリング

プラグイン/エクステンション

コアプラグイン（extensions/ 配下）

認証エクステンション（プロバイダー専用）

スポンサー・支援状況

関連プロジェクト

ACP（Agent Client Protocol）対応

プラグインシステムの詳細

5: セキュリティ・リスク調査

セキュリティポリシー（SECURITY.md より）

報告先

セキュリティ担当

バグバウンティ

デプロイメント前提条件（SECURITY.mdより）

スコープ外（セキュリティレポート対象外）

既知のリスク

1. プロンプトインジェクション攻撃

2. プラグイン/スキルのin-process実行

3. 広範なシステム権限

セキュリティ機能・緩和策

Exec承認システム

ツールポリシー（Tool Policy）

Dockerサンドボックス

Web UIセキュリティ

セキュリティ監査コマンド

秘密スキャン

Node.jsバージョン要件

ツールスキーマのガードレール（Google Antigravity）

セキュリティ上のメリット

安全な利用のためのベストプラクティス

参考

6: LLMへの指示方法・ツール呼び出し・MCP/ACP詳細

1. 「ツール呼び出し」とは何か（AIエージェントの基礎）

2. OpenClawのツール呼び出し実装

Gateway Server (`src/gateway/`)

Lane Queue (`src/process/`)

System Prompt 構造 (`src/agents/system-prompt.ts`)

Skill System (`src/agents/skills/`)

Memory System (`src/memory/`)

ACP (Agent Client Protocol) サポート (`src/acp/`)

コア（`src/` 配下に実装済み）

エクステンション（`extensions/` 配下、npm パッケージ）

コア機能（`src/agents/` で実装）

コアプラグイン（`extensions/` 配下）

3.1 実際のテキスト（`src/agents/system-prompt.ts` 行401〜407）

4.2 承認リクエストの実装（`bash-tools.exec-approval-request.ts`）

4.3 ACP レベルでの自動承認判定（`src/acp/client.ts`）

2. エージェントループ（`nanobot/agent/loop.py`）

2.1 核心となる `_run_agent_loop()`

3.1 基底クラス（`nanobot/agent/tools/base.py`）

3.2 ツールレジストリ（`nanobot/agent/tools/registry.py`）

4. スキルシステム（`nanobot/agent/skills.py`）

5. メモリ管理（`nanobot/agent/memory.py`）

6. LLMプロバイダー（`nanobot/providers/litellm_provider.py`）

6.2 プロバイダーレジストリ（`nanobot/providers/registry.py`）

7. MCPのサポート（`nanobot/agent/tools/mcp.py`）

8. メッセージバスとチャネル統合（`nanobot/bus/`）

9.1 Heartbeat（`nanobot/heartbeat/service.py`）

9.2 Cron（`nanobot/cron/service.py`）

10. セッション管理（`nanobot/session/manager.py`）