GitHub で Star 数トップ18 のオープンソース AI Agent プロジェクト

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。

Stop Building AI Agents

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。

Should I use an Agent

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）。

scenarios

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

Dify

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

Dify

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

Lobe Chat

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

Lobe Chat

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

RAGFlow

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

RAGFlow

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

OpenHands

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

OpenHands

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

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。

MetaGPT

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

LLMs-from-scratch

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

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

Huginn

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

Unsloth

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

Unsloth

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

Mem0

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

Mem0

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