オリジナルの公開場所: https://www.nocobase.com/ja/blog/github-open-source-ai-agent-projects.

約1か月前、Hacker Newsで大きな議論を呼んだ記事「Stop Building AI Agents」を目にしました。

筆者は記事の中で、自らの体験を紹介しています。CrewAI を使って「研究チーム」を編成し、3名の agent（エージェント）、5つのツールを用意。紙の上では完璧な分業体制に見えました。しかし実際に動かすと、リサーチ担当の agent はクローラーツールを無視し、要約担当は引用を忘れ、コーディネーターは長文ドキュメントの処理を途中で放棄。見た目は隙のないプランが、実務ではドミノ倒しのように次々と破綻していったのです。

以下のフローチャートは、筆者が数え切れないほどの agent システムのデバッグと失敗を経験した末にまとめた、「agent を使うべきか否か」のガイドラインです。

Image source: https://decodingml.substack.com/p/stop-building-ai-agents

記事では重要な原則が抽出されています。agent は「人間が監督に関与する」不安定なプロセスでこそ最大の力を発揮する──このような場面では、agent の探索力や創造性がワークフローを上回ることが多いのです。

有効なシナリオ：データサイエンス支援（SQL の自動生成、可視化作成、データトレンド探索）、クリエイティブライティングパートナー（ブレインストーミング、文章改善）、コードリファクタリング支援（最適化提案、潜在的問題の発見）──これらのタスクでは人間が随時結果を評価し、誤りを修正できます。
非推奨シナリオ：企業の中核的自動化（重要業務プロセスの安定性を LLM に委ねられない）、高リスクな意思決定（金融取引、医療診断、法的コンプライアンスなど確定的なロジックが必要な分野）。

Image source: https://decodingml.substack.com/p/stop-building-ai-agents

もしここまで読んで、あなたのビジネスシーンが依然として agent の構築に適していると感じるなら、本記事では GitHub の「Agent」タグにおいて Star 数ランキング上位18件のオープンソースプロジェクトを取り上げます。プロジェクト概要、コア機能、そして適用シナリオの3つの観点から、それぞれの強みと限界を分析し、最適な場面で agent の価値を最大限に引き出すための参考にしてください。

💬 NocoBase ブログへようこそ。NocoBase は、エンタープライズアプリケーションや業務ツール、ワークフローシステムを構築できる、オープンソースのノーコード／ローコード開発プラットフォームです。セルフホスティング、プラグインアーキテクチャ、開発者フレンドリーな設計が特徴です。→ GitHubで詳しく見る

💡 あわせて読みたい、これまでの人気 GitHub プロジェクト特集（テーマが異なるため一部プロジェクトは重複します）：

No.1: Dify

GitHub Star: 110k
GitHub: https://github.com/langgenius/dify
Website: https://dify.ai/

プロジェクト概要

Dify はオープンソースの LLM アプリケーション開発プラットフォームです。直感的なビジュアルインターフェース、RAG ワークフロー、agent 能力、モデル管理、フルチェーン可観測性を統合しており、開発者が迅速に AI アプリを構築・デバッグ・デプロイできる環境を提供します。

コア機能

ビジュアルワークフロー設計 – ドラッグ＆ドロップで複雑な AI フロー（プロンプト、モデル呼び出し、タスク連鎖）を設計・テスト可能。
RAG パイプライン対応 – PDF や PPT など多形式の文書を取り込み、自動的に内容を抽出し検索パイプラインを構築。知識強化生成に対応。
統合モデルエコシステムとプロンプトエディタ – GPT、Mistral、Llama3 などの OpenAI API 互換モデルを管理し、プロンプトの調整やモデル切り替えを簡略化。

適用シナリオ

インテリジェントなカスタマーサポート・QA システム構築
企業知識ベースとの連携
コンテンツ生成ツールの迅速なデプロイ

No.2: Lobe Chat

GitHub Star: 64.3k
GitHub: https://github.com/lobehub/lobe-chat
Website: https://lobechat.com/

プロジェクト概要

Lobe Chat はオープンソースのマルチモデルチャット＆アプリケーションプラットフォームで、UX に重点を置いています。音声、視覚認識、マルチモーダル入力、プラグインマーケット、モバイル対応、マルチユーザー管理をサポート。

コア機能

マルチモーダル & プラグイン対応 – 音声会話、画像認識・生成に対応し、プラグインマーケットで機能拡張可能。
コミュニティ駆動の agent インデックス – ユーザーはカスタムアシスタントを閲覧・追加・提出でき、再利用や拡張が容易。
統合モデルアダプタ – OpenAI、Anthropic、Gemini、Ollama などを統一インターフェースで接続、モデル移行・アップグレードが容易。

適用シナリオ

高インタラクティブなマルチモーダルチャットアプリ構築
ドメイン特化型カスタムアシスタントのデプロイ

No.3: RAGFlow

GitHub Star: 62.1k
GitHub: https://github.com/infiniflow/ragflow
Website: https://ragflow.io/

プロジェクト概要

RAGFlow は、ドキュメント理解に基づくオープンソースの RAG エンジンで、企業や個人に高品質・説明可能な QA と agent サービスを提供します。複雑な文書フォーマット処理や、引用付き回答、可視化ブロック管理に対応。

コア機能

深層ドキュメント理解 – PDF、Word、PPT、Excel、画像など非構造化コンテンツを解析し、検索可能な情報ブロックを抽出。
RAG QA と引用追跡 – ベクトル検索と LLM を組み合わせ、引用付き回答を生成。検索ブロックを手動調整可能。
柔軟なデプロイ・統合 – Docker Compose でのデプロイが可能で、様々な LLM と統合可能。

適用シナリオ

ドキュメント駆動型 QA システム・知識アシスタント構築
コンテンツ審査と引用追跡
複雑ファイル構造に対応する RAG アプリのデプロイ

No.4: OpenHands

GitHub Star: 62k
GitHub: https://github.com/All-Hands-AI/OpenHands
Website: https://all-hands.dev/

プロジェクト概要

OpenHands は、AI が人間の開発者のように「少ないコードでより多くを達成」することを目指すプロジェクトです。コード編集、コマンド実行、ウェブブラウジング、API 呼び出しなどをサポート。MIT ライセンスのオープンソースで、Docker によるローカル展開や Cloud SaaS 版も提供。

コア機能

汎用開発者 agent 能力 – コード変更、コマンド実行、ウェブ閲覧、API 呼び出しをシミュレート。
複数 agent 協働とセッション管理 – Session、EventStream、AgentController によるタスク分担や協働処理。
安全なサンドボックス実行 – agent のコード実行環境を Docker コンテナで隔離、ホストへのリスクを低減。

適用シナリオ

日常的なコードタスク補助
自動テスト・デプロイプロセス
プロトタイピング・ツール構築

No.5: MetaGPT

GitHub Star: 57.8k
GitHub: https://github.com/FoundationAgents/MetaGPT
Website: https://mgx.dev/

プロジェクト概要

MetaGPT はマルチ agent 協働フレームワークで、「ソフトウェア会社のシミュレーション」を重視。自然言語の要件からユーザーストーリー、競合分析、API 設計、ドキュメント作成まで一貫したプロセスを自動化します。「Code = SOP(Team)」の理念で、役割ごとの agent が SOP に従い協働。

コア機能

多役割 agent 協働 – プロダクトマネージャー、アーキテクト、プロジェクトマネージャー、エンジニアなどの agent が実際のチームを模擬。
SOP 駆動プロセス – 標準作業手順で agent をガイド、タスク分解と構造化実行を実現。
自然言語プログラミング – ユーザーが要件を一文で入力すると、ユーザーストーリー、データ構造、API、アーキテクチャ設計を生成。

適用シナリオ

ソフトウェアプロジェクト開発提案の自動生成
チーム協働プロトタイプ構築
AI 駆動の開発プロセス最適化・自動化研究

No.6: LLMs-from-scratch

GitHub Star: 56k
GitHub: https://github.com/rasbt/LLMs-from-scratch

プロジェクト概要

LLMs-from-scratch は、ゼロから大規模言語モデル（LLM）を実装する教育向けプロジェクトです。開発者が LLM の核心原理やトレーニングプロセスを理解することを目的としています。

👉 点击查看 LLMs-from-scratch 的完整介绍与应用场景

No.7: Huginn

GitHub Star: 47k
GitHub: https://github.com/huginn/huginn

プロジェクト概要

Huginn はオープンソースの自動化ツールで、ユーザーは自前のサーバー上で agent を稼働させ、ネット上の情報を収集して条件に応じたアクションをトリガーできます。自ホスティング、データ制御、拡張可能な agent システムとして長く活発に利用されています。

コア機能

自ホスティング Web agent プラットフォーム – サーバー上で agent を展開し、データ管理とタスク実行を完全にコントロール。
イベント・アクションルールエンジン – 指定イベントに応じて通知、スクリプト、HTTP 呼び出しなどを自動実行。
拡張可能な agent メカニズム – 内蔵 agent に加え、Huginn Agent gem でカスタム agent を追加可能。

適用シナリオ

情報モニタリングと通知
データ収集と自動化ワークフロー
カスタム自動化ツールの構築

No.8: Unsloth

GitHub Star: 43.8k
GitHub: https://github.com/unslothai/unsloth
Website: https://docs.unsloth.ai/

プロジェクト概要

Unsloth は、OpenAI gpt-oss、Qwen3、Llama 4 などの LLM を効率的かつ低メモリで微調整するためのオープンソースツールです。OpenAI の Triton アーキテクチャを採用し、トレーニング速度の向上とメモリ使用量の削減を実現。

コア機能

効率的なメモリ最適化微調整 – LLM 上で 1.5–2.2 倍の速度向上、メモリ使用量 70–80% 削減。
使いやすい Notebook ワークフロー – データセットを追加して「Run All」で即座にモデル微調整可能。
幅広いモデル互換性 – Llama、Gemma、Qwen などの微調整をサポート。

適用シナリオ

研究やプロトタイプ向け LLM 微調整
教育ツールとして無料 GPU 環境でモデル学習体験
リソース制約デバイスへのモデル展開

No.9: Mem0

GitHub Star: 38.1k
GitHub: https://github.com/mem0ai/mem0
Website: https://mem0.ai/

プロジェクト概要

Mem0 は、AI agent 向け長期記憶管理システムです。統合メモリレイヤーにより、agent がセッションやアプリを跨いでユーザーの履歴や好みを保持でき、連続的かつパーソナライズされたインタラクションを実現。LOCOMO ベンチマークでは、OpenAI Memory に比べ正確率 +26%、応答遅延 -91%、Token 消費 -90% を達成。

コア機能

多層記憶アーキテクチャ – ユーザー、セッション、agent レベルの階層的記憶管理。
高性能・コスト効率 – 精度向上、遅延削減、Token 消費削減で長期記憶を効率化。
ローカルプライバシー優先 – データをローカルで処理・保存、ユーザーが完全制御。

適用シナリオ

カスタマーサポート agent：ユーザー履歴の保持
AI アシスタント：セッション跨ぎのタスクや人設の保持
医療・コンサルティングシステム：コンテキスト維持による精度向上

No.10: ChatTTS

GitHub Star: 37.5k
GitHub: https://github.com/2noise/ChatTTS
Website: https://2noise.com/

项目概览：

プロジェクト概要

ChatTTS は、対話タスク向けに最適化されたオープンソース TTS システムで、複数話者に対応し、自然で感情豊かな発話を生成。モデル学習時に高頻度ノイズを加え、倫理的利用を促す検出機能も計画中。

コア機能

対話最適化 TTS – マルチキャラクター対話と自然なリズム表現に対応。
細粒度韻律制御 – 笑い声、間、フィラーの精密制御で自然な音声合成。

適用シナリオ

人間らしい音声ボット・対話システム
教育製品のキャラクターボイスや言語練習
ポッドキャストや音声コンテンツ制作支援

No.11: Arthas

GitHub Star: 36.6k
GitHub: https://github.com/alibaba/arthas
Website: https://arthas.aliyun.com/

プロジェクト概要

Arthas は Alibaba が開発した Java 診断ツールで、コード変更やサーバー再起動なしに本番環境に attach 可能。スタック情報確認、ブレークポイント設定、デバッグを即座に実行でき、開発者の問題解決効率を大幅に向上。

コア機能

動的 Attach 実行 – JVM に直接注入し即デバッグ。
CLI 診断コマンド – stack, trace, watch, monitor 等のコマンドで実行中情報を取得。

適用シナリオ

本番障害の迅速な特定
性能ボトルネック分析
回帰テスト問題の調査

No.12: AgentGPT

GitHub Star: 34.7k
GitHub: https://github.com/reworkd/AgentGPT
Website: https://arthas.aliyun.com/

プロジェクト概要

AgentGPT はブラウザ上で agent を簡単に設定・実行できるオープンソースプロジェクトです。目標を入力すると agent が「思考–実行–学習」サイクルでタスクを達成します。

コア機能

ブラウザでの agent 設定 – 名前と目標を入力するだけで起動。
目標駆動型実行 – タスクを分解し、自動実行・フィードバック・最適化。
環境自動初期化 – CLI により環境変数、MySQL、FastAPI、Next.js を一括設定。

適用シナリオ

タスク型補助 agent
プロトタイプ検証
学習・デモ用プラットフォーム

No.13: Cherry Studio

GitHub Star: 31.3k
GitHub: https://github.com/CherryHQ/cherry-studio
Website: https://cherry-ai.com/

プロジェクト概要

Cherry Studio は CSDN、GitCode、Huawei Cloud CodeArts IDE による AI プログラミングアシスタントで、2024年12月に公開。自然言語インターフェース、プロジェクト単位コード書き換え、フルスタック開発をサポート。

コア機能

AI アシスタントマトリックス – 300+ 業界専用テンプレート、カスタム作成可能。
マルチモデル統合 – OpenAI、Gemini などのクラウド/ローカルモデルを切替可能。
ビジュアル agent 編集 – 既存アシスタント選択やカスタム agent 作成、プロンプト最適化。

適用シナリオ

プロジェクト単位コード支援
業界専用ソリューション
知識駆動のコード生成

No.14: Khoj

GitHub Star: 31.3k
GitHub: https://github.com/khoj-ai/khoj
Website: https://khoj.dev/

プロジェクト概要

Khoj は「個人用 AI セカンドブレイン」を目指すオープンソースアシスタント。複数ソースの文書を統合して知識ベース化し、セマンティック検索で問答・通知を実行。カスタム agent で定期タスクや自動応答も可能。

コア機能

多ソース知識統合 – PDF、Markdown、Notion、GitHub などを統合。
セマンティック検索 & 通知 – 自然言語検索、定期通知・メール送信対応。
クロスプラットフォーム agent – デスクトップ、Obsidian、Web、Emacs、WhatsApp などで利用可能。

適用シナリオ

個人知識管理アシスタント
自動リマインダー
複数ツール統合体験

No.15: AIHawk

GitHub Star: 28.6k
GitHub: https://github.com/feder-cr/Jobs\_Applier\_AI\_Agent\_AIHawk
Website: https://laboro.co/

プロジェクト概要

AIHawk は AGPL ライセンスのオープンソース agent で、自動的に求人に応募。求人情報収集と LLM による応募書類生成を行い、効率的な就職支援を実現。

コア機能

自動応募 – 求人サイト情報を収集し、最適化された応募書類を生成・提出。
拡張可能なオープンアーキテクチャ – コアはオープンソースでカスタマイズやプラグイン追加可能。
プラットフォーム展開 – laboro.co としてホスティングや自動化機能を提供。

適用シナリオ

自動応募アシスタント
採用プロセス自動化研究
採用プラットフォーム統合ツール

No.16: FastGPT

GitHub Star: 25.5k
GitHub: https://github.com/labring/FastGPT
Website: https://fastgpt.io/

プロジェクト概要

FastGPT は「AI agent 構築プラットフォーム」を目指し、視覚的ワークフローと知識ベースで複雑な AI アプリを簡単に構築可能に。

コア機能

ビジュアルワークフロー設計 – ドラッグ＆ドロップで対話ノード、HTTP 呼び出し、RPA、条件分岐を組み立て。
知識ベース & RAG 対応 – txt、md、pdf などのファイルをインポートし、ベクトル検索や混合検索に対応。
マルチモデル & API 互換 – OpenAI、Claude など接続、OpenAPI 互換インターフェース提供。

適用シナリオ

質問応答ボット構築
文書分析・自動要約
外部 API 接続によるタスク自動化

No.17: GPT Researcher

GitHub Star: 22.9k
GitHub: https://github.com/assafelovic/gpt-researcher
Website: https://gptr.dev/

プロジェクト概要

GPT Researcher は研究タスク向け agent フレームワーク。自動で調査フローを計画し、情報収集、レポート生成、引用付き出力を実現。

コア機能

並列 agent 研究 – Planner Agent が課題設定、複数 Executor Agents が資料収集・まとめを並行処理。
事実ベースレポート出力 – 引用整理済みの構造化・客観的レポート生成。

適用シナリオ

競合分析や技術調査レポート作成
学術研究の下書き自動生成
カスタム知識 agent 構築

No.18: CopilotKit

GitHub Star: 22.4k
GitHub: https://github.com/CopilotKit/CopilotKit
Website: https://docs.copilotkit.ai/

プロジェクト概要

CopilotKit は、AI Copilot をアプリに統合するためのオープンソースフレームワーク。React UI コンポーネントや headless アーキテクチャで多様なインターフェースに対応。

コア機能

React & Headless UI 対応 – 即利用可能な UI コンポーネント、API 専用展開も可能。
アプリ文脈接続 – ロジック・状態・ユーザー文脈を agent に連携。
モデル & アーキテクチャ分離 – 任意モデル・agent と独立運用可能。

適用シナリオ

組込み AI アシスタント
カスタム AI ツール
マルチモーダルインタラクション体験

最後に

Agent（エージェント）は探索に優れ、ルール順守には弱い。

今回紹介した 18 のオープンソース agent プロジェクトはツールボックスであると同時に、適切なシナリオ選定と境界設計 が最大限の価値を引き出す鍵であることを示しています。

この記事が参考になった場合、AI Agent 探索中の友人とぜひ共有してください。👍

関連読み物：