Orbが自作AIアシスタント公開 ユーザー自身のサーバーで動作

OrbはGitHubで公開されたセルフホスト型AIアシスタントのバックエンドです。iOS版アプリはApp Storeで既に無料配信されており、このバックエンドを組み合わせることで完全な機能が実現します。

システムアーキテクチャは複数の層で構成されています。音声層は低遅延のWebSocket音声ループを提供し、ローカルのWhisper（音声認識）と神経ネットワークベースのテキスト読み上げで双方向会話を実現します。「エージェント脊髄」は約60個の組み込みツール（天気・メール・ファイル・株価・画面操作・セッション・ミッション・リマインダー・通知）を備え、モデル自身が発話と行動のタイミングを判断します。複数のモデル（Claude、Grok、Codex、ローカルモデル）を単一の音声インターフェースで切り替える「マルチブレインルーター」を搭載しており、会話中の切り替えでも音声ペルソナは変わりません。

最大の特徴は「心」（mind.py）と呼ばれるプロセスです。会話間で動作し、ユーザーの生活とプロジェクトの状況モデルを保持し、何が変わったかを検知し、予測を立て、実際の作業を提案します。ユーザーが明示的に承認した場合にのみ実行され、すべての自律的なステップはログに記録されます。セッション機能により、長時間実行する作業（ビルド・調査・トレーニング）をバックグラウンドエージェントに委譲し、スマートフォンから監視・メッセージ・停止ができます。

セットアップはPython 3.11以上とGitを前提とし、リポジトリをクローン後、仮想環境を作成して依存パッケージをインストール、セットアップスクリプトを実行します。トークン・アイデンティティ・ブートチェックを対話的に設定した後、supervisor.pyでサーバーを起動します。Tailscaleでスマートフォンから到達可能なアドレスを割り当て、iOSアプリのメニューからペアリングします。自動セットアップを希望する場合、Claude Code CLIを使用してリポジトリルート内で「Set up the Orb backend for me」と指示することも可能です。

すべての設定（モデルアクセス・プッシュ通知・メール）はユーザー自身のリソースを使用します。デフォルトの会話脳はユーザーのログイン済みClaude Code CLIを経由するClaudeで、APIキーはシステムに送信・保存されません。Apple Push Notificationキーはユーザー自身のApple Developer アカウントから取得し、バックグラウンドプッシュは自分のApple Developer チームIDとバンドルIDでビルドしたiOS版アプリのみで動作します。公開App Store版はアプリ内WebSocket通知を使用します。メールツールはユーザー自身のGmailアプリパスワードを使い、読み取り専用で機能します。

アーキテクチャは複数のPythonファイルで構成されています。server_win.pyはメインサーバーで、WebSocket音声ループ・HTTP API・脳ディスパッチ・通知制御（重複排除・速度制限・配信受領確認）を担当します。agent.pyは会話ループで、モデルが発話か工具使用かを判断し、実行環境が処理します。brain.pyはルーターとしてClaude CLI・Grok・Codex・無料バックエンド・ローカルフロアをサポートし、クールダウンを管理します。tool_registry.pyとotools/ディレクトリには約60個のツールが各ファイルに一つずつ登録されています。mcp_http.pyとorb_mcp.pyはツール表面をMCP（Model Context Protocol）で公開し、Claudeブレイン向けは常駐ループバック、Codex・Grok向けはstdioで動作します。proactive_engine.pyはAI不使用の定期実行・1日2回の合成・スケジューラーを駆動し、リマインダーはサーバー再起動後も持続します。mind.pyは会話間の自律性（状況モデル・予算付きウェイク・承認ゲート付き提案）を実装します。stt.pyとpersonas.pyは音声入力（faster-whisper）と音声出力（神経TTS+ペルソナ定義）を提供します。supervisor.pyはバックエンド保持と自動再起動を実現します。

バックエンドはMITライセンスでオープンソース化されています。iOSアプリ自体とOrbブランドはライセンスに含まれません。また、APIリファレンス（API.md）で文書化されており、独自のクライアント開発も可能です。設計原則は「ローカルファースト」（データがマシン上で収集・保持）、「自分のキーを持ち込む」（バックエンドが認証情報を保存しない）、「構造的安全性」（自律的なツールは破壊的操作にアクセスできず、すべての行動は明示的な承認と記録が必要）、「沈黙は機能」（何も言う価値がないことが正当な出力）です。今後の予定として、Ollama・Qwenなどのローカルモデル完全オフラインブレイン層のデフォルト化、macOSバックエンド対応、アプリ内QRペアリング機能が挙げられています。

Orbは、クラウドサービスに依存しない「ローカルファースト」のAIアシスタント設計を実現する試みです。従来のAIチャットボットやスマートスピーカーはユーザーの問いかけを待つ受動的な立場でしたが、Orbのバックエンドが独自のプロセス層を持つことで、状況監視・予測・提案・実行の流れを自律的に行えます。

プライバシーの面では、データがユーザーの機器上にとどまり、APIキーがシステムに保存されないため、クラウド事業者やサードパーティへの信頼に依存しません。複数のモデル（Claude・Grok・Codex・ローカルモデル）をルーターで統一インターフェースの下に置くことで、ユーザーは特定の企業や利用条件に縛られず、必要に応じて切り替えられます。「何も言わないことが正解」という設計方針は、過剰な通知の問題を構造的に回避する試みでもあります。

まだコメントがありません。最初のコメントを投稿しましょう！