確認日：2026年10月12日。今日は、Agentが読むCLI出力、巨大モデルの配置、画像編集の自動化という異なる3件を選びました。
| Repository | 何これ？ | 最短の入口 | 私の評価 |
|---|---|---|---|
| RTK ↗ | コマンド出力を圧縮 | winget / brew | ★★★★★ |
| Strata ↗ | 125B級モデルをPCで実行 | セットアップ | ★★★★☆ |
| Compositor ↗ | ファイルからレイヤーを編集 | Release | ★★★★☆ |
1. RTK ↗：Agentへ渡すCLI出力を圧縮
結局何なのか。 Rust製のCLIプロキシです。Git、検索、テストの出力をAgentへ返す前に、コマンド別の規則で短縮します。
技術的に面白いところ。 テストは成功行をまとめて失敗を残し、検索はファイル単位で整理します。情報削減をプロンプトではなく、実行結果を返す境界で扱う設計です。
最短で試す。 Windowsなら winget install rtk-ai.rtk、macOSなら brew install rtk。通常の git status と rtk git status を比べ、rtk gain で推定削減量を確認します。自動Hookの導入前に設定変更の範囲を確認してください。
注意点。 Apache-2.0。最大90%という値は主にシェル出力の削減で、API請求額の削減率ではありません。トークン数もバイト数÷4の概算です。短縮で失われる行があるため、障害解析時は生ログへ戻れるようにします。
私の判断。 実用枠。導入前後を同じコマンドで比較でき、効果を自分で検証しやすい道具です。
2. Strata ↗：125B級MoEを家庭用PCで動かす
結局何なのか。 Qwen3.8-Flash-NextをWindows／Linuxで動かす推論エンジンです。GPUだけに全モデルを載せる方式ではありません。
技術的に面白いところ。 頻用するExpertをGPUに置き、残りをRAM上でCPUが計算します。SSDは予測用の参照表にも使われます。量子化に加え、計算の配置そのものを最適化しています。
最短で試す。 導入手順でGPU要件を確認し、Windowsは START-HERE.bat、Linuxは ./setup.sh を実行。初回にモデルをダウンロードします。起動後はローカルのWeb画面や互換APIを利用できます。
注意点。 本体は MIT、モデルは別ライセンスです。公式目安はVRAM 12GB以上、RAM 32GB以上、ディスク空き約80GB。32GB RAM向けのCoder版には品質・言語の制約があります。2026年9月公開の新しい実装で、10月11日のReleaseはv0.1.43。速度は開発元の測定で、環境によって変わります。LANへ公開する場合は認証を設定します。
私の判断。 技術トレンド枠。大規模モデルの実行を「GPUの容量」だけで決めない設計が参考になります。
3. Compositor ↗：画像編集をファイル操作で自動化
結局何なのか。 レイヤー、マスク、調整レイヤーを持つMac用画像編集アプリです。PSDなどの読み込みにも対応します。
技術的に面白いところ。 .comp はPNGレイヤー群と manifest.json を持つフォルダです。スクリプトやAgentがファイルを書き換えると、開いているキャンバスへ反映されます。GUIを遠隔操作する代わりに、編集可能なデータ形式を接点にする発想です。
最短で試す。 Releaseから導入し、プロジェクトを .comp で保存。ファイル仕様を参照してPNGを先に書き、manifestを最後に原子的に置き換えます。
注意点。 MIT。macOS 26以上とApple Siliconが必要で、ソースビルドはXcode 26以上。PSD／PSBの取り込みは8-bit RGBなどに制限されます。形式不一致が無言で無視される場合や、外部変更の反映でUndo履歴が消える点にも注意が必要です。
私の判断。 発想枠。画像編集をAgentに任せる際、画面座標に依存しない接続方法として面白い実装です。
3件を比較する
| Repository | 実用性 | 技術的な面白さ | 最短の入口 | 主な注意点 |
|---|---|---|---|---|
| RTK | ★★★★★ | ★★★★☆ | winget / brew | 情報の削り過ぎ |
| Strata | ★★★☆☆ | ★★★★★ | セットアップ | メモリ・ディスク要件 |
| Compositor | ★★★☆☆ | ★★★★★ | Release | Mac限定・ファイル仕様 |
今日1件だけ見るなら
RTK です。最初に rtk git status を通常の出力と比較すれば、便利さと情報欠落の両方を評価できます。宣伝上の削減率より、自分の作業で必要な情報を保てるかが採用判断の核心です。