明略科技がオープンソースで公開した Octo
金磊 発信 凹非寺より
量子位 | 公众号 QbitAI
今回は、ネットにつながるのはコンピュータではなく、仕事をこなす Agent たちだ。

では、なぜ彼らにネット接続が必要なのか?
以前の AI の使い方は、どちらかというとそれぞれが単独で動く「単機能マシン」に近かった。Claude Code がコードを書き、Codex がタスクを実行し、別の Agent が調査を担当し、さらに別の Agent がドキュメントを修正する。どれも優秀だが、多くの場合は各自がバラバラに動いていただけだった。
そこで問題になるのは、こういうことだ。
1 人に 1 つの Agent なら、それは効率化ツールにすぎない。だが、1 つの会社に 10 個、100 個、さらにそれ以上の Agent が入り始めたら、話はそんなに単純ではない。
そのとき必要になるのが、役割分担ができ、会話ができ、引き継ぎができ、検収もでき、しかも協働のたびに得られた知見を蓄積できる「ネットワーク」だ。
そしてまさにそこが、今回 明略科技 がオープンソースで公開した Octo の出発点だ。
下の例のように、1 つの Agent にタスクを渡すだけで、他の Agent も自動的に巻き込みながら協力して作業を進めてくれる。

簡単に言うと、Octo が目指しているのは、信頼できるオープンな Agent 協働ネットワーク、つまり人・Agent・外部ツールを同じ協働システムの中に入れることだ。
- Open:オープンであり、自前でデプロイできること;
- Context:協働の中で作業コンテキストが流れ続けること;
- Taste:人の判断、好み、センスを残せること;
- Orchestration:人、Agent、ツールを同じレイヤーで編成できること。
一言でいえば、Agents do. Humans decide.
この一文の背後には、AI アプリケーションが次の段階へ進むうえでの重要な変化が隠れている。AI はもはやチャット欄で答えを返すだけではなく、組織の業務フローに入り込み、役割分担され、管理され、検収される「デジタル労働力」になりつつあるのだ。
3つのコア概念:Agent に本当の「席」が必要だ
Octo がまず取り組むのは、Agent が組織協働の中に入っていける「席」を用意することだ。
そこには 3 つのコア概念がある。Bot、Channel/Thread、Matter だ。
まず Bot から見てみよう。
Octo において Agent は、一時的に呼び出す機能ボタンではない。Bot としてチームに参加し、身分があり、名刺があり、能力説明があり、仕事の記録もある。
コードが得意な Bot は、ドキュメント作成はあまり得意ではないかもしれない。一方、調査が堅実な Bot は、業界レポートの作成に向いているかもしれない。もしすべての Agent が単なるチャット欄の入口にすぎなければ、組織は誰が何を得意とし、誰が何をやったのか、誰の成果がより信頼できるのかを把握しにくい。
Bot は、この問題を解決する。
Agent を「ツールの入口」からデジタル同僚へと変えるのだ。各 Bot には自分の AgentCard があり、所属があり、能力の範囲があり、職務経歴もある。OpenClaw、Hermes、Codex、Claude Code、WorkBuddy などの主要な Agent ツールを接続し、同じシステム内で Bot として一元管理できる。

動画リンク:
https://mp.weixin.qq.com/s/dXFJfseigkhtWGTH0Gp7pA
次は Channel と Thread だ。
Channel は、プロジェクト用のグループチャットや作業用チャンネルのようなものだ。人と Bot が同じチャンネルで意図をすり合わせ、方針を話し合い、タスクを割り当て、進捗を確認する。
ただし普通のグループチャットと違うのは、Agent が単に @ されて返事をするだけではない点だ。
コンテキストを受け取り、議論に参加し、そのまま作業を前に進められる。Channel は「どこで協働するか」という問題を解決する。
Thread は、ひとつの具体的な案件だ。
たとえば製品リリースのプロジェクトでは、発信施策、技術記事、Web サイトの文言、顧客事例、FAQ など、複数の議題が同時に走ることがある。すべてのメッセージが 1 つのグループに流れ込むと、すぐに混ざってしまう。Thread の価値は、1 つの案件の経緯、議論、最終結論を同じ場所に残せることにある。
最後に Matter。
これは「会話を行動に変え、行動を成果物に変える」ための仕組みだ。
AI ツールを使っていて、こんな経験をした人は多いだろう。会話はスムーズで、AI はもう理解したように見える。だが会話が終わると、内容はまだ対話欄の中に散らばったままだ。自分でコピーし、整理し、タスクを作り、進捗を催促し、成果物を確認しなければならない。
Matter の考え方は、議論の中でフォローアップが必要な作業が出てきたら、Agent が自動で要点をまとめ、人が確認したうえで事項として作成する、というものだ。
その事項には担当者、成果物、検収基準があり、Brief、議論の過程、成果物、フィードバック、そして検収結果までの完全な記録が残る。
言い換えれば、AI の仕事にようやく「納品の現場」ができたのだ。
単に答えを返すだけでなく、作業を追跡可能で、振り返り可能で、検収可能な状態まで進めてくれる。
6つの協働モード:マルチ Agent 協働は、ただ群を作ればいいわけではない
マルチ Agent と聞くと、多くの人はまずこんな光景を思い浮かべる。
グループを作って、いくつかの Agent を放り込み、互いに議論させる。たしかにそれも協働の一形態ではあるが、それだけでは足りない。
実際の仕事における協働はもっと複雑だ。みんなで公開議論したいタスクもあれば、互いに影響しないよう個別に進めたいタスクもある。先に作ってからレビューしたいものもあれば、パイプライン方式で引き継ぎたいものもある。あるいは複数案を並走させ、最後に一番良いものを選びたいこともある。
Octo は今回、6 つの協働モードを提示した。
1 つ目は Solo、単独実行。
1 つの Bot が自力でタスクを完了する方式で、範囲が明確で、目的がはっきりした小さな仕事に向いている。たとえば一文のコピー修正、議事録の整理、コードコメントの補完などだ。
2 つ目は Roundtable、円卓議論。
複数の Bot が同じ問題について公開で議論し、互いの意見を見ながら進める。ブレインストーミング、多角的分析、テーマ選定、戦略判断に向いている。たとえば製品リリースの企画では、技術寄りの Bot、ユーザー寄りの Bot、ビジネス寄りの Bot がそれぞれ見解を出し、最後に Leader がまとめるといった使い方ができる。
3 つ目は Critic、独立レビュー。
1 つの Bot が作業し、別の Bot がレビューする。レビュー側は差し戻しもできる。コードレビュー、事実確認、提案内容のチェック、契約リスクの指摘など、品質に厳しい仕事に向いている。
このモードの肝は、「作る人」と「見る人」を分けることだ。現実の会社でも、同じ人が原稿を書いて最終承認までやることはしない。AI 協働が実務に入るなら、こうした牽制の仕組みも必要になる。
4 つ目は Pipeline、パイプライン。
A が終わったら B に渡し、B が終わったら C に渡す。各ステップの成果物が次の入力になる。調査、分析、レポート執筆、対外向け原稿への整形、のように明確な順序がある多段階タスクに向いている。
5 つ目は Split、分担実行。
大きなタスクをいくつかに分け、異なる Bot が並行して処理し、最後に Leader がまとめる。情報量が多く、モジュールごとの独立性が高い仕事に向いている。
たとえば業界調査なら、1 つの Bot に海外企業、別の Bot に国内企業、さらに別の Bot に技術動向を担当させ、最後に統合する、といった形だ。
6 つ目は Swarm、競争選抜。
同じテーマを複数の Bot に渡し、それぞれ独立に仕上げたうえで、より良い案を選ぶ。タイトル、ビジュアルコンセプト、イベント企画、製品名など、創造性が求められるタスクに向いている。
下の、4 体の Agent がひとつのグループチャットで、バグ発見から製品リリースまで進めていく例を見ると、全工程で人の介入がない場合に、Agent たちがどう協働するのかを感じ取れる。

動画リンク:
https://mp.weixin.qq.com/s/dXFJfseigkhtWGTH0Gp7pA
この 6 つのモードを合わせて見ると、Octo が解決しようとしているのは、単に Agent に会話させることではないと分かる。
本当に扱っているのは、組織協働の構造そのものだ。誰がどの情報を見られるのか、誰がどの工程を担当するのか、誰がレビューするのか、誰が統合するのか、どのタイミングで人が最終判断を下すのか。
以前は、こうしたルールの維持は主に人が担っていた。Agent が増えていく時代には、協働システム自体にルールを組み込む必要がある。
これが、Octo と従来の IM ツールの違いでもある。
飛書、Slack、DingTalk のようなツールは、基本的に人と人のために設計されている。メッセージのやり取り、会議の連携、ドキュメントの流通が得意だ。しかし Agent も仕事の主体になると、システムには AI の身分管理、AI のタスク追跡、AI の協働モードといった新しい課題への対応が必要になる。
従来のツールにも AI 機能を追加することはできる。だが、Agent の数が増え続けるなら、チャット欄の横に AI 入口を 1 つ置くだけでは、いずれ足りなくなる。
4つの端末:Octo を仕事が起きる場所に置く
協働プラットフォームが本当に使われるようになるには、理念だけでは不十分だ。人の日常業務の中に入っていく必要がある。
Octo は製品形態として、Web App、モバイル端末(iOS/Android)、ブラウザ拡張機能と CLI という複数の入口を備えている。人がどこで仕事をしていても、Agent もそこに現れるべきだ、という考え方だ。
Web App は、いわば本格的な協働ワークベンチだ。
Channel、Matter、Bot の作業記録、プロジェクトの進捗などをここで一元管理できる。複雑なプロジェクトの推進にも、複数の Bot からなるデジタルチームの管理にも向いている。
モバイル端末が担うのは、フィードバックと検収だ。
AI のタスクは、必ずしも最初から最後まで見張っている必要はないが、重要な局面では判断が必要になる。たとえば Bot が途中成果を返してきたときに、スマホで確認して、よければ承認し、だめなら差し戻して補足を求める。こうした軽い判断は、モバイルでこなすのに向いている。
ブラウザ拡張機能の価値は、飛書のドキュメント、GitHub Issue、Web レポートを Octo に移すことではない。すでに作業しているページの横で直接 Agent を呼び出し、現在のページのコンテキストをそのまま渡せることにある。
たとえば業界レポートを読んでいて一部を選択し、Bot に要約、翻訳、リライトをさせる。GitHub Issue を見ながら、その問題に基づいて修正方針を分解してもらう。ドキュメントの途中で詰まったら、Bot を呼び出して続きを書いてもらう。

動画リンク:
https://mp.weixin.qq.com/s/dXFJfseigkhtWGTH0Gp7pA
この利点は、ワークフローが途切れないことだ。
従来の AI ツールは、ウィンドウを切り替え、コンテキストをコピーし、タスクを言い直すことをユーザーに求めがちだった。ブラウザ拡張機能は、その手間を短縮する。あなたが作業している場所に、Agent も待機するのだ。
CLI は主に、開発者や Agent ネイティブな操作を想定している。
開発者にとって、多くのタスクはもともとターミナルの中で起きている。CLI を通じて、Agent のタスクをコマンドラインのワークフローにつなげられるため、特にコード、自動化、実行環境に関わる場面に適している。
つまり Octo の製品思想は、既存のシステムを組織ごと全部作り直させることではない。むしろ、ドキュメント、コード基盤、プロジェクト管理ツール、ブラウザページ、ターミナルの間に、人と Agent が一緒に協働するための接続層を加えることにある。
これが、同時にオープンソースとプライベートデプロイを強調する理由でもある。
企業にとって本当に価値のある AI 資産は、たいてい 1 回の回答そのものではなく、その背後にある業務コンテキスト、協働記録、好みの判断、仕事の進め方だ。
それらが第三者プラットフォームに蓄積されてしまうと、企業は本当の意味ではコントロールしにくい。自社環境に蓄積できれば、長期的な資産になりうる。
協働のあり方は、Agent 時代に再構築される
Octo の背後には、さらに大きな見立てがある。
AI 時代に再構築されるのは、個々のツールだけではない。協働のあり方そのものだ。これまでの組織協働は、主に人と人の間で起きていた。これからは、人と人、人と Agent、Agent と Agent の間で同時に起こる可能性が高い。
ここで現実的な問題が出てくる。では、人はどこに立つべきなのか、ということだ。
AI をより賢い検索ボックスだと捉えるなら、人は依然として自分でタスクを分解し、プロセスを組み立て、結果をチェックしなければならない。AI は単に答えを速く返すだけだ。
しかし Agent をデジタル労働力として捉えるなら、人の役割は変わる。
人は必ずしも毎ステップを自分で実行する必要はないが、重要な節目で方向を示し、基準を定め、判断を下し、結果を見る必要がある。
それが “Agents do. Humans decide.” の意味だ。
Agent は思考し、分析し、生成し、実行し、調整する。人は、何が正しいのか、何が良いのか、何がビジネス上の取捨選択にかなうのかを判断する。
人がタスクを起票し、Bot が実行を進める。Bot が途中成果を返し、人が検収する。納得できなければ差し戻し、満足なら承認する。人のコメント、差し戻し、好みの選択の一つひとつが、次回の Bot の働き方に影響していく。
こうして飛輪が回り始める。タスクを出し、フィードバックで検収し、好みとスキルを蓄積し、次回はより効率的になる。Octo では、協働のたびに 3 種類の資産が蓄積される。
- Context、文脈。プロジェクトの背景、過去の意思決定、議論の記録など。新しいメンバーや新しい Bot が参加しても、ゼロからすり合わせる必要がない。
- Taste、好み。検収、差し戻し、コメント、スタイルの選択のたびに、あなたとチームが何を好み、何を認め、何を受け入れないのかが記録される。
- Skill、スキル。たとえばコードの書き方の規約、レポートの構成、振り返りのテンプレートなど。こうした仕事の進め方は、組織内で再利用できる。
これが、先ほど触れた O.C.T.O. の 4 つの文字、つまり Open、Context、Taste、Orchestration の意味でもある。
この 4 つの観点をつなげると、Octo が目指しているのは、単なる AI オフィスツールではないことが見えてくる。むしろ、Private AI 時代の組織基盤の一層に近い。
AI が本当に仕事に入ってくると、企業が気にするのは「このモデルは賢いか」だけではない。もっと重要なのは、データはどこにあるのか、協働の経験は蓄積できるのか、組織のスタイルはモデルを入れ替えたときに失われないか、Agent は使うほど業務を理解していくのか、という点だ。
この観点から見ると、Octo のオープンソース化の意義は、開発者に 1 つ試せるプロジェクトが増えた、ということだけではない。
それは、AI アプリケーションが「個人の効率化ツール」から「組織協働ネットワーク」へ移りつつある、という流れを示している。
強い Agent は、1 人の効率を高められる。だが、同じルールのもとで複数の Agent が協働してこそ、組織の働き方そのものを変えられる可能性がある。
インターネットがコンピュータ同士をつないだからこそ、ネットワーク効果が本当に解き放たれた。
Agent 時代になると、同じような問いが再び現れる。1 人ひとりの中にも、各チームにも、各業務フローにも Agent がいるなら、それらを誰がつなぐのか?
Octo の答えは、まず Agent を組織協働の中に入れることだ。
身分を持たせ、席を与え、タスクを持たせ、検収を行い、記録を残し、さらに少しずつ好みとスキルを蓄積していく。
要するに、Agent が本当に会社に入るのは、チャット欄でもっときれいなことをたくさん言えるからではない。
仕事を引き受け、前に進め、結果を返し、そして何度もフィードバックを受ける中で、その組織をどんどん理解していけるからだ。
Agent が単独行動から脱し、初めて AI は本当に、アシスタントから同僚へと変わるのだ。