ChatGPTに説明して、Claudeに説明して、またGeminiに説明します。職業はプランナーなのに、最近の主な業務がAI教育になっている気がしますよね。
AIエージェントを試した人の90%が結局挫折するといわれています。理由はたった3つ。セッションが終わると記憶が消え、自分のデータがどこへ行くかわからず、インストール自体が複雑すぎる。OpenHumanはこの3つを同時に解決したオープンソースAIエージェントです。
2026年5月13日リリース、9日でGitHub Trending 1位、34.7Kスター。Product Hunt週間1位。何かが違うんです。
なぜAIエージェントは使われ続けないのか？
今あるAIツールのほとんどには共通の限界があります。チャットを閉じるとリセット。今日話した文脈を明日また説明しなおさないといけない。
メモリ問題のほかに、さらに2つあります。自分の業務データがどこへ行くかわからないという不安。そして「自分だけのAIエージェント」を作ろうとすると、ターミナル・Docker・環境変数の設定が必要で、開発者でない人には壁が高すぎる。
2026年のAIエージェントメモリの現実
mem0.aiのベンチマークレポートによると、メモリを1Mトークンから10Mトークンに拡張すると性能が約25%低下します。長期メモリはまだ技術的に発展途上の領域です。
この3つが同時に解決されない限り、AIエージェントという概念は技術系アーリーアダプターのおもちゃに留まります。OpenHumanはそのギャップから生まれました。
OpenHumanが違う理由
TinyHumans.aiが作ったOpenHumanの核心はローカルファースト永続メモリです。データをクラウドに送らず、デバイスのSQLiteにAES-256で暗号化して保存します。
技術スタックはRust(60.1%) + TypeScript(37.2%)、Tauriベースのデスクトップアプリです。Electronと比べてバイナリサイズ約1/10、メモリ使用量約1/3。macOS・Windows・Linuxすべてで動作します。
| 既存のAIツール | OpenHuman | |
|---|---|---|
| メモリ | セッション終了時にリセット | 永続ローカルメモリ (SQLite) |
| データの場所 | クラウドサーバー | 自分のデバイス (AES-256暗号化) |
| インストール | ターミナル・Docker必要 | GUIワンクリック |
| モデル選択 | プラットフォーム依存 | 200+モデルルーティング |
| 連携 | 限定的 | 118+ OAuth + 5,000+ MCPサーバー |
メモリシステムはMemory Treeという構造です。Gmail・Notion・GitHub・Slackなどを接続すると、20分ごとに自動でデータを取得し、Markdownブロックに圧縮してローカルに保存します。このデータはObsidianボルトにもミラーリングされ、普段使いのObsidianで開いて編集することもできます。
トークン圧縮技術のTokenJuiceも注目です。6ヶ月分のメールを1セッションでスキャンした場合、通常$20〜30かかるコストが一桁ドルになったという実測結果があります。最大圧縮率80%、実測では48,000トークン→14,200トークンまで削減。
実際に何ができるの？
最も実用的なユースケースはバラバラな文脈を一か所にまとめることです。GmailのメールスレッドとGitHubのイシュー、Notionのドキュメントをそれぞれ開く代わりに「先週のAプロジェクトのメール結論と関連GitHubイシューをつなげて」と聞くだけです。
実際のレビューで紹介されたワークフロー：
- メールトリアージ：キーワードでなく内容理解による分類
- 会議30分前の自動準備：カレンダー連携で関連資料を自動要約
- 自然言語でローカルファイル検索：ファイル名がわからなくても内容で検索
- トピック別自動リサーチ要約：設定したテーマを定期モニタリング
文脈が散らばっているほど価値が上がるのがポイントです。メール・コード・ドキュメントがあちこちに溜まっている方に最適。規制が厳しい環境や即座のプロダクション安定性が必要なチームにはまだ早いという評価もあります。
インストールして最初の1週間でやること
- インストール (10分)
tinyhumans.ai/openhuman またはGitHub Releasesからインストーラーをダウンロード。macOSはHomebrew、LinuxはDEB/AUR対応。ターミナル不要です。 - 最初の3つを連携 (1日目)
Gmail・GitHub・NotionをOAuthで接続。一度にすべて許可するより核心3つから始めるのがおすすめです。 - 最初の同期を待つ (1日目の夜)
Auto-fetchが20分周期でメール・リポジトリ・ドキュメントを取得しMarkdownに圧縮します。このサイクルが終わるとエージェントに文脈が生まれます。 - クロスソース質問を試す (2〜3日目)
「Aプロジェクトのメール結論と関連GitHubイシューをつなげて」などと聞いてみましょう。単一ツール検索からクロスソース推論へのシフトを実感できます。 - Subconsciousループを確認 (4〜7日目)
バックグラウンドループがソース間のつながりを自動発見し始めます。Notionのブリーフと関連コミット・メールスレッドが自動でつながれば、パターンが「各ツールで検索」から「エージェントに聞く」へ逆転します。
注意：現在ベータ版 (v0.58.7)
OpenHumanは活発に開発中のプロジェクトです。本番環境よりも個人のワークフロー実験から始めるのがおすすめです。医療・法務・金融など規制が厳しい環境では、データ処理ポリシーを別途確認してください。
もっと深く知りたい方へ
OpenHuman GitHub公式リポジトリ README・AGENTS.md・リリースノート。実際の技術スタックとアーキテクチャの説明はここが最も正確です。 github.com
mem0.ai エージェントメモリベンチマーク2026 AIエージェントメモリ技術の現状と6つの未解決課題をまとめた技術レポート。 mem0.ai
OpenHuman実践ガイド (tosea.ai) インストールから日常利用まで、最初の1週間を日別に追った体験記。 tosea.ai
PrimeAICenter パフォーマンスベンチマーク ローカルモデルの応答速度・TokenJuice実測圧縮率・メモリ容量テスト結果。 primeaicenter.com
TechTimes リリース分析 「まず読んでからエージェントになる」OpenHumanの逆張り戦略の分析。 techtimes.com
Cognee オープンソースAIメモリフレームワークガイド OpenHumanのメモリ構造の技術的背景となるエージェントメモリエコシステムガイド。 cognee.ai
