SciClaw 環境構築ガイド｜AI for Science向けセキュア Container OS

はじめに

この記事で分かること:

• SciClaw の概念と AI for Science における位置づけ
• SATORI（190+ 科学 Agent Skills）と ToolUniverse（1000+ 科学ツール）の役割
• SciClaw 環境の構築手順（clone → build → 起動まで）

想定読者: AI を活用した科学研究に興味がある研究者・エンジニア

📖 所要時間: 約30分
🎯 難易度: 中級
💻 検証環境: Windows 11 + WSL2 (Ubuntu)
⚠️ macOS: 未検証（動作する可能性はありますが、確認していません）

AI for Science とは

AI for Science とは、科学研究のあらゆるフェーズ—仮説の立案、実験計画、データ解析、論文執筆—に AI を統合的に活用するパラダイムです。

従来の科学研究では、研究者が手作業でデータベースを検索し、解析スクリプトを書き、結果を解釈していました。AI for Science はこのプロセスを根本的に変えます。LLM（大規模言語モデル）がドメイン知識を持つエージェントとして振る舞い、1000 以上の科学ツール・データベースと連携しながら、研究者と対話的に実験を進めます。

なぜ AI for Science が注目されるのか

課題	従来のアプローチ	AI for Science
ツールの分散	各データベース・ツールを個別に操作	エージェントが適切なツールを自動選択・実行
解析の属人化	解析パイプラインが研究者個人に依存	スキルとして体系化し再利用可能
再現性の確保	手順書の記述漏れ、環境差異	コンテナ環境で実行環境を完全に固定
学際的な壁	他分野のツール習得に時間がかかる	自然言語で指示するだけで専門ツールを活用

例えば、「タンパク質 X の変異が薬剤耐性に与える影響を調べたい」という問いに対して、AI for Science エージェントは以下を自動で実行できます。

1. UniProt / PDB からタンパク質情報を取得
2. AlphaMissense / CADD で変異の影響を予測
3. ADMET モデル で薬物動態を評価
4. PubMed / Semantic Scholar で関連文献を横断検索
5. 結果を統合して レポートを生成

なぜ AI for Science Container OS が必要なのか

AI for Science を実践するには「AI エージェントを安全に、再現性をもって実行する基盤」が必要です。これが AI for Science Container OS の役割です。

既存環境の課題

ChatGPT や Claude のような汎用チャット AI をそのまま科学研究に使う場合、以下の問題があります。

課題	説明
🔒 セキュリティ	未公開の研究データや患者情報を外部 API に送信するリスク
🔧 ツール連携の限界	科学データベース（NCBI、UniProt、COSMIC 等）への直接アクセスが困難
📦 環境の再現性	ローカル環境の差異で同じ解析が再現できない
📝 実験管理	会話履歴が散逸し、どの実験でどの解析を行ったか追跡困難
⚡ カスタマイズ性	研究室固有のパイプラインやスキルを組み込めない

AI for Science Container OS が解決すること

AI for Science Container OS は、科学研究に必要な 実行環境・ツール連携・実験管理 をひとつのプラットフォームに統合します。

これは、Linux が「ハードウェアの上でアプリケーションを安全に実行する OS」であるのと同じように、AI for Science OS は 「LLM の上で科学実験を安全に実行する OS」 と位置づけられます。

OpenClaw — オープンソース AI エージェントの登場

2025 年後半、Peter Steinberger が OpenClaw をオープンソースで公開し、自律型 AI コーディングエージェントの分野に大きな波を起こしました。

OpenClaw は Claude、GPT、DeepSeek など 75 以上の LLM プロバイダ に対応し、Telegram、Discord、WhatsApp といったメッセージングアプリからエージェントを操作できる柔軟なフレームワークです。Docker コンテナやKubernetesでのデプロイに対応し、数百のスキルと多数のサードパーティ拡張を持つ巨大なエコシステムを形成しています。

しかし、OpenClaw には課題もありました。

課題	説明
コードベースの巨大さ	40 万行以上のコードにより、監査・カスタマイズが困難
セキュリティモデル	アプリケーションレベルの権限管理で、OS レベルの分離がない
依存関係の多さ	70 以上の依存パッケージがサプライチェーンリスクに
セットアップの複雑さ	初期設定に 1〜2 時間以上を要する

NanoClaw — コンテナ分離で安全性を確保

2026 年初頭、Qwibit.ai チームが NanoClaw を公開しました。OpenClaw の巨大さとセキュリティ上の懸念に対するアンチテーゼとして設計された、軽量な AI エージェントです。

NanoClaw の設計思想は「少ないコードで最大の安全性」です。

特徴	NanoClaw	OpenClaw
コードベース	約 4,000 行（30 分で全コード監査可能）	約 400,000 行以上
セキュリティ	OS レベル（Docker / Apple Containers）	アプリケーションレベル
依存パッケージ	10 未満	70 以上
セットアップ	数分	1〜2 時間以上
対応 LLM	Claude のみ	75 以上のプロバイダ

NanoClaw の最大の革新は コンテナ分離 です。各エージェントが専用の Linux コンテナ（Docker または Apple Containers）で実行されるため、エージェントが侵害されてもダメージはそのコンテナ内に限定されます。さらに、エージェントスワーム（複数の専門エージェントの並列実行）やスケジュール実行などの機能も備えています。

📰 参考記事:

• NanoClaw solves one of OpenClaw's biggest security issues — VentureBeat
• OpenClaw, but in containers: Meet NanoClaw — The Register

SciClaw — AI for Science へ特化

SciClaw は、NanoClaw のコンテナ分離アーキテクチャにインスパイアされ、そのコンセプトを 科学研究に特化 させた AI for Science OS です。

NanoClaw から GitHub Copilot CLI への転換

SciClaw の開発は、当初 NanoClaw 上でスタートしました。しかし、NanoClaw は Claude Agent SDK を使って開発されているため、利用できる LLM は Anthropic が提供するモデルに限定 されます。

AI for Science の現場では、作業が多岐にわたります。

作業	求められる能力
文献調査	大量の論文を横断検索・要約する長文処理能力
実験計画の策定	ドメイン知識に基づく推論・仮説生成能力
データ解析	コード生成・統計処理・可視化能力
レポート作成	構造化された文書を正確に生成する能力
プログラム開発	デバッグ・リファクタリング・テスト生成能力

これらの作業にはそれぞれ得意なモデルが異なるため、単一モデルに縛られる環境では最適な結果が得られません。

そこで SciClaw は GitHub Copilot CLI をエージェントエンジンとして採用しました。GitHub Copilot CLI は 複数の LLM プロバイダのモデルを選択して使用 でき、Claude、GPT、Gemini ファミリーなどを切り替えられます。さらに Auto モード を使用すれば、タスクの性質に応じて適切なモデルを自動的に選択・実行してくれるため、研究者はモデル選定を意識することなく、最適な結果を得ることができます。

NanoClaw との比較

NanoClaw がコーディングやメッセージング向けの汎用エージェントであるのに対し、SciClaw は以下の点で科学研究に最適化されています。

観点	NanoClaw	SciClaw
用途	コーディング・メッセージング	科学実験の計画・実行・管理
エージェントエンジン	Claude Agent SDK	GitHub Copilot CLI
科学ツール連携	なし	SATORI 195 スキル + ToolUniverse 1000+ ツール
実験管理	なし	実験ごとのディレクトリ・成果物・ログ自動管理
UI	メッセージングアプリ	Web ブラウザ（ChatGPT スタイル）
日本語対応	なし	CJK フォント内蔵（グラフ・図表で日本語表示）
科学データベース	なし	PubMed, UniProt, COSMIC 等と MCP 連携

SciClaw は GitHub Copilot CLI 上で動作しており、作業はすべて Web ブラウザ から実施できます。ゲノミクス、プロテオミクス、創薬、臨床データ解析など幅広い科学分野の実験を、セキュアなコンテナ環境内で計画・実行できます。

SciClaw の特徴

特徴	説明
🐳 Docker サンドボックス	各エージェントが専用コンテナで実行され、ホスト環境から隔離
🧬 190+ 科学 Agent Skills	SATORI によるゲノミクス、プロテオミクス、創薬スキル
🔬 1000+ 科学ツール	ToolUniverse MCP サーバーによるライフサイエンスツール連携
💬 Web チャット UI	ChatGPT スタイルの 2 ペイン構成で Webブラウザから操作
📁 実験管理	実験ごとにディレクトリ・成果物・会話ログを自動生成
🔄 GitHub 同期	実験結果をプライベートリポジトリにプッシュし、共同研究者とシームレスに共有
🎤 音声入力	OpenAI Whisper / Azure Whisper / Web Speech API
📝 自動ログ	JSONL + Markdown で全会話を自動保存

アーキテクチャ

SciClaw は GitHub Copilot CLI 上で動作しており、作業はすべて Web ブラウザ から実施できます。

⚠️ セキュリティ: エージェントは Docker コンテナ内で実行され、認証情報はコンテナに入りません。認証プロキシ経由で GitHub トークンが注入されるため、.env ファイルはコンテナ内で /dev/null にシャドウマウントされます。

実験結果の保存と共有

SciClaw では、実験結果（会話ログ、解析成果物、生成された図表等）はコンテナ内の実験ディレクトリに自動保存されます。さらに GitHub 同期機能 により、実験結果をプライベートリポジトリにプッシュできるため、共同研究者ともシームレスに情報共有が可能です。

実験ごとに会話ログ（JSONL + Markdown）と成果物が構造化されて保存されるため、「いつ・どのような指示で・何が生成されたか」を完全に追跡でき、研究の再現性を担保します。

SATORI（悟り）— 190+ 科学 Agent Skills

SATORI は、科学データ解析のための GitHub Copilot Agent Skills コレクションです（筆者が開発）。

13 回の実験で蓄積した科学データ解析技法を 195 個の Agent Skills として体系化しています。Copilot がプロンプトの文脈に応じて適切なスキルを自動ロードし、各実験で確立した解析パターンを再利用します。

SATORI のパイプラインフロー

hypothesis-pipeline → pipeline-scaffold → academic-writing → critical-review
  (仮説定義)         (解析実行)         (草稿作成)         (レビュー・修正)

主要な科学ドメイン

ドメイン	スキル例
創薬	drug-target-profiling, admet-pharmacokinetics, drug-repurposing, molecular-docking
タンパク質科学	protein-structure-analysis, protein-design, protein-interaction-network
ゲノミクス	variant-interpretation, cancer-genomics, pharmacogenomics
オミクス統合	single-cell-genomics, spatial-transcriptomics, proteomics-mass-spectrometry, multi-omics
臨床	clinical-decision-support, precision-oncology, clinical-trials-analytics
先端計算	quantum-computing, graph-neural-networks, deep-learning, reinforcement-learning
疫学・公衆衛生	epidemiology-public-health, population-genetics, microbiome-metagenomics
研究ワークフロー	literature-search, systematic-review, grant-writing, academic-writing

すべてのスキルが ToolUniverse MCP 経由で 1,200 以上の外部科学データベースツール と連携可能です。

ToolUniverse — 1000+ 科学ツール

ToolUniverse は、ハーバード大学医学部 Zitnik Lab が開発した AI サイエンティスト・エコシステム です。

AI-Tool Interaction Protocol により、LLM がツールを識別・呼び出す方法を標準化し、1000 以上の機械学習モデル、データセット、API、科学パッケージ を統合しています。

ToolUniverse の主要機能

機能	説明
AI-Tool Interaction Protocol	LLM とツール間のリクエスト・レスポンスを標準化
MCP Integration	Model Context Protocol サーバーとしてネイティブ動作
1000+ ツール	データ解析、知識検索、実験計画のためのツール群
非同期オペレーション	タンパク質ドッキング、分子シミュレーション等の長時間タスク対応
Compact Mode	1000+ ツールを 4–5 のコアディスカバリーツールに集約（コンテキスト 99% 節約）
68 Agent Skills	創薬、精密腫瘍学、希少疾患診断等の事前構築済みワークフロー
文献検索	15 の学術データベース・プレプリントアーカイブを横断検索（下表参照）

SciClaw では、ToolUniverse を Docker コンテナ内の Streamable HTTP MCP サーバー として起動し、エージェントコンテナから直接アクセスできます。

文献検索対応データベース（全 15 種）

ToolUniverse は 15 の文献検索ツール を内蔵しており、学術論文・プレプリントを横断的に検索できます。

プレプリントアーカイブ

データベース	分野	ツール名
ArXiv	物理学、数学、計算機科学、量子生物学 等	ArXiv_search_papers
BioRxiv	生物学プレプリント	BioRxiv_search_preprints
MedRxiv	臨床医学・医療プレプリント	MedRxiv_search_preprints
HAL	フランスの学術オープンアクセスアーカイブ	HAL_search_archive

学術データベース

データベース	分野	ツール名
PubMed	医学・生命科学文献	PubMed_search_articles
PubMed Central (PMC)	生物医学フルテキスト文献	PMC_search_papers
Europe PMC	欧州生物医学文献	EuropePMC_search_articles
Semantic Scholar	AI 駆動の学際的学術検索	SemanticScholar_search_papers
OpenAlex	オープンな学術ナレッジグラフ	openalex_literature_search
Crossref	DOI メタデータ付き学術論文	Crossref_search_works
DBLP	計算機科学文献データベース	DBLP_search_publications

オープンアクセスツール

データベース	分野	ツール名
DOAJ	オープンアクセスジャーナルディレクトリ	DOAJ_search_articles
Unpaywall	オープンアクセス状態チェッカー	Unpaywall_check_oa_status
CORE	世界最大のオープンアクセス論文コーパス	CORE_search_papers
Zenodo	オープン研究データ・出版物リポジトリ	Zenodo_search_records

前提条件

以下のツールがインストールされていることを確認してください。

ツール	バージョン	確認コマンド
Node.js	24+	node -v
Docker	最新版	docker --version
GitHub CLI	最新版	gh --version
GitHub Copilot CLI	最新版	copilot --version

バージョン確認

node -v          # v22.22.1
docker --version # Docker version 29.3.0
gh --version     # gh version 2.87.3

💡 GitHub Copilot CLI は npm i -g @github/copilot でインストールできます。GitHub Copilot のサブスクリプションが必要です。

環境構築手順

Step 1: リポジトリのクローン

git clone https://github.com/nahisaho/sciclaw.git
cd sciclaw

Step 2: npm パッケージのインストール

npm install

主要な依存パッケージ:

パッケージ	用途
@nahisaho/satori	190+ 科学 Agent Skills
better-sqlite3	実験データ・メッセージの永続化
ws	WebSocket によるリアルタイム通信
zod	スキーマバリデーション
pino	構造化ログ

Step 3: 環境変数の設定

cp .env.example .env

.env ファイルを編集して GITHUB_TOKEN を設定します。

.env

# --- Required ---
GITHUB_TOKEN=<gh auth token の出力>

# --- Assistant ---
ASSISTANT_NAME=Andy

# --- Optional ---
# CONTAINER_IMAGE=sciclaw-agent:latest
# CONTAINER_TIMEOUT=1800000
# MAX_CONCURRENT_CONTAINERS=5
# LOG_LEVEL=info

⚠️ GitHub Token の取得: gh auth token コマンドで取得できます。Classic PAT は拒否されるため、gh auth login で認証済みの状態が必要です。

Step 4: TypeScript ビルド

npm run build

Step 5: エージェントコンテナのビルド

SciClaw のエージェントは Docker コンテナ内で動作します。build.sh を実行すると、最新の SATORI、Copilot CLI、ToolUniverse を自動取得してイメージをビルドします。

cd container && ./build.sh && cd ..

📝 ビルド出力例（クリックで展開）

============================================
  SciClaw Agent Container Build
============================================

📦 Updating @nahisaho/satori to latest...
   SATORI: v0.29.0
   Copilot CLI: v1.0.10
   ToolUniverse: v1.1.4

🐳 Building Docker image: sciclaw-agent:latest

============================================
  ✅ Build complete!
============================================
  Image:         sciclaw-agent:latest
  SATORI:        v0.29.0 (190 skills)
  Copilot CLI:   v1.0.10
  ToolUniverse:  v1.1.4

エージェントコンテナには以下が含まれます:

コンポーネント	説明
Node.js 22	ランタイム
Chromium	Web 自動化
GitHub CLI + Copilot CLI	エージェントエンジン
Python 3 + matplotlib	データサイエンス・グラフ作成
日本語フォント	Noto Sans CJK JP, IPA Gothic/Mincho

Step 6: ToolUniverse MCP サーバーのビルド（任意）

ToolUniverse の 1000+ 科学ツールを利用する場合は、MCP サーバーコンテナもビルドします。

cd container/tooluniverse && ./run.sh latest build && cd ../..

ToolUniverse MCP サーバーを起動する場合:

cd container/tooluniverse && ./run.sh latest run && cd ../..

起動後、SSE エンドポイント http://localhost:8010/sse でアクセスできます。

💡 API キー: ToolUniverse の一部ツールは外部 API キー（NCBI、Semantic Scholar 等）が必要です。run.sh は環境変数から自動的に読み取ります。

Step 7: SciClaw の起動

# 開発モード
npm run dev

# 本番モード
SCICLAW_WEB_PORT=3000 npm run build && npm start

ブラウザで http://localhost:3000 を開きます。

起動後の初期設定

Web UI の ⚙️ Settings から以下を設定します。

設定項目	説明
GitHub Token	gh auth token の出力
Copilot Model	claude-sonnet-4.6, gpt-5.2 など
STT Provider	音声入力を使う場合（OpenAI / Azure / Ollama）
MCP Servers	ToolUniverse プリセットを有効化（ワンクリック）
GitHub Sync	実験結果の同期先リポジトリ

基本操作

操作	方法
新規実験	+ New または Ctrl+N
メッセージ送信	Ctrl+Enter
改行	Enter
ファイルアップロード	📎 ボタン
音声入力	🎤 ボタン
成果物確認	📁 Artifacts
GitHub 同期	🔄 Sync
タスク停止	⏹ ボタン
サイドバー切替	Ctrl+B

使い方の例：次世代パワー半導体の新物質開発

SciClaw の実際の使い方を、次世代パワー半導体材料の研究を例に紹介します。

Step 1: 新規実験の作成

Web UI で + New をクリックし、実験名を入力します（例：「次世代パワー半導体材料の調査」）。

Step 2: プロンプトの送信

チャット欄に以下のようなプロンプトを入力し、Ctrl+Enter で送信します。

次世代パワー半導体の新物質開発について、以下を実施してください。

## 調査
SiC (炭化ケイ素) と GaN (窒化ガリウム) を超える次世代パワー半導体材料の候補を調査。

- Ga2O3 (酸化ガリウム)、ダイヤモンド、AlN (窒化アルミニウム)、BN (窒化ホウ素) 等の物性比較
- バンドギャップ、絶縁破壊電界、熱伝導率、電子移動度の比較表を作成
- 各材料の研究動向・課題・実用化見通し

## 実験計画
Ga2O3薄膜のエピタキシャル成長条件の最適化実験テンプレートを作成。

- MBE法 (分子線エピタキシー) を想定
- 基板温度、成長速度、酸素分圧をパラメータとする実験計画法 (DOE) を設計

成果物はすべてファイルとして保存してください。

Step 3: SciClaw が自動実行する処理

SciClaw はプロンプトの内容を解析し、SATORI のスキルと ToolUniverse のツールを自動的に組み合わせて処理を進めます。

活用されるスキル	役割
literature-search	PubMed, ArXiv, Semantic Scholar 等から関連論文を検索
computational-materials	pymatgen 等を用いた物性データの取得・比較
doe	実験計画法（DOE）の設計（応答曲面法、ボックス・ベーンケン等）
academic-writing	調査結果のレポート作成
scientific-schematics	比較図表の生成

Step 4: 成果物の確認

処理が完了すると、📁 Artifacts ボタンから生成されたファイルを確認できます。

生成ファイル例	内容
results/material_comparison.md	物性比較表（バンドギャップ、絶縁破壊電界等）
results/research_trends.md	各材料の研究動向・課題・実用化見通し
results/doe_design.json	DOE 実験計画（因子・水準・実験マトリクス）
figures/bandgap_comparison.png	バンドギャップ比較チャート
results/literature_search.csv	検索した論文リスト

Step 5: GitHub 同期

🔄 Sync ボタンを押すと、すべての成果物が GitHub プライベートリポジトリにプッシュされ、共同研究者と共有できます。

💡 ポイント: 自然言語で指示するだけで、文献調査から実験計画の設計まで一貫して実行されます。研究者は個別のツールの使い方を覚える必要がなく、研究の本質的な思考に集中できます。

セキュリティモデル

SciClaw のセキュリティは多層防御で構成されています。

層	対策
コンテナ分離	各エージェントが専用 Docker コンテナで実行
認証プロキシ	GitHub トークンはプロキシ経由で注入（コンテナに直接渡さない）
環境変数保護	.env はコンテナ内で /dev/null にマウント
マウント制御	プロジェクト外のマウント許可リスト（改ざん防止）
ファイル権限	設定ファイルは chmod 600

今後の開発計画

SciClaw は現在も活発に開発を進めています。今後、以下の MCP サーバーとの連携を計画しています。

🇯🇵 日本の学術論文検索 MCP

ToolUniverse の文献検索は英語圏のデータベースが中心です。日本の研究者が日本語の学術論文にもシームレスにアクセスできるよう、国内の主要学術データベースと連携する MCP サーバーの開発を計画しています。

データベース	運営	対象
CiNii Research	国立情報学研究所（NII）	論文・図書・博士論文・研究データの横断検索
J-STAGE	科学技術振興機構（JST）	学協会誌の電子ジャーナル（全文 PDF 取得可能）
IRDB	国立情報学研究所（NII）	国内学術機関リポジトリのメタデータ
NDL サーチ	国立国会図書館	論文・図書・デジタル資料の一括横断検索
JaLC	ジャパンリンクセンター	国内 DOI 登録・メタデータ連携

これらは CiNii API、J-STAGE API（OAI-PMH）、JaLC REST API など公開 API を備えており、MCP サーバーとしての実装が技術的には可能です。

⚠️ 著作権上の課題: 日本の学術論文は、海外のオープンアクセス論文とは著作権の扱いが異なります。J-STAGE 掲載論文の多くは学協会が著作権を保持しており、全文の機械的な取得・加工には個別の許諾が必要な場合があります。CiNii Research や NDL サーチはメタデータ（タイトル・著者・抄録等）の API 提供にとどまり、本文へのアクセスは各出版元のライセンスに依存します。MCP サーバーの実装にあたっては、各データベースの利用規約・API 利用条件を遵守し、メタデータ検索を中心とした設計とする予定です。

🧠 Deep GraphRAG MCP

Deep GraphRAG は、筆者が開発している知識データシステムです。従来の RAG（Retrieval-Augmented Generation）が単純なベクトル検索に基づくのに対し、Deep GraphRAG は ナレッジグラフ を活用して情報間の関係性を構造的に捉えます。

SciClaw と連携することで、以下が可能になります。

• 実験結果・論文・データベースの情報をナレッジグラフとして蓄積
• 過去の実験から関連する知見を関係性ベースで検索
• 仮説生成時に、既知の知識ネットワークから新たな関連性を発見
• 研究室・チーム全体の知識を構造化し、共有・再利用

🖥️ スパコン連携 MCP

大規模な科学計算（分子動力学シミュレーション、ゲノムワイド解析、気候モデリング等）には、ローカル環境やクラウドでは計算資源が不足する場合があります。スパコン連携 MCP により、SciClaw からジョブの投入・監視・結果取得を MCP プロトコル経由で実行できるようにします。

MCP（Model Context Protocol）の標準化されたインターフェースにより、これらの連携はすべて プラグイン形式 で追加でき、SciClaw 本体のコードを変更する必要がありません。

まとめ

ポイント	内容
SciClaw	Docker コンテナ内で AI エージェントを安全に実行する AI for Science OS
SATORI	190+ の科学 Agent Skills（ゲノミクスから創薬まで）
ToolUniverse	ハーバード大学医学部が開発した 1000+ 科学ツールエコシステム
構築手順	clone → npm install → .env 設定 → コンテナビルド → 起動の 7 ステップ

SciClaw は Web ブラウザからアクセスでき、セキュアなコンテナ環境内で実験計画の策定や実験を行えます。SATORI の 190+ スキルと ToolUniverse の 1000+ ツールにより、ゲノミクス、プロテオミクス、創薬、臨床データ解析など、幅広い科学分野をカバーしています。

次のステップ: 新規実験を作成し、「SiC と GaN を超える次世代パワー半導体材料の候補を調査してください」のようなプロンプトを送信してみましょう。SATORI が適切なスキルを自動選択し、ToolUniverse のツールと連携して文献調査・データ比較・レポート生成を進めます。

参考資料

• SciClaw GitHub リポジトリ - SciClaw 本体
• SATORI GitHub リポジトリ - 190+ 科学 Agent Skills
• SATORI npm パッケージ - npm からインストール可能
• ToolUniverse GitHub リポジトリ - ハーバード大学医学部 Zitnik Lab
• ToolUniverse ドキュメント - 公式ドキュメント
• ToolUniverse 論文 (arXiv) - "Democratizing AI scientists using ToolUniverse"
• GitHub Copilot CLI - GitHub Copilot コーディングエージェント