説明
Atomic Agentは、macOS、Windows、LinuxをサポートするオープンソースのローカルファーストAIエージェントランタイムであり、完全に自分のマシン上で動作します。AtomicBotによって開発され、MITライセンスの下でリリースされており、クラウドサービスに依存せず、トークン料金を発生させることなく、さまざまなタスクを自動化するためのプライベートでコスト効果の高いソリューションを提供します。
続きを読む
このエージェントは、`llama.cpp`を活用してローカルモデルを提供し、すべての処理とデータがハードウェア上に留まることを保証します。GBNF文法を使用してツール呼び出しの構造的有効性を維持し、外部ツールと接続するためにモデルコンテキストプロトコル(MCP)と統合しています。セッション間で持続的なSQLiteメモリを使用することで、エージェントはコンテキストを保持し、過去のインタラクションから学習します。
主な機能には、ブラウザの操作、自動化、ファイルシステム操作、シェルコマンド、Gitアクションの自動化が含まれます。ユーザーは、MCPを介してカスタムツールを接続し、スキルを使用して再現可能なワークフローを教え、Telegramなどのプラットフォームを通じてリモートで操作することもできます。このシステムはハッカビリティを考慮して設計されており、ユーザーはランタイムを変更したり、モデルを入れ替えたり、プロンプト予算を調整したりできます。
Atomic Agentは無料でオープンソースであり、幅広いユーザーにアクセス可能です。デスクトップアプリケーションは、ローカルモデルを自動的にダウンロードすることでセットアップを簡素化し、ターミナルベースの操作を好むユーザーや自分の`llama-server`を管理したいユーザーのためにコマンドラインインターフェース(CLI)も利用可能です。そのローカルファースト設計により、データは明示的に設定されない限りクラウドに送信されないため、プライベート、エアギャップ、またはコンプライアンスに敏感な環境に特に適しています。
パフォーマンス面では、Atomic AgentはGAIA Level 1ベンチマークで69.8%のスコアを記録し、Hermesを11.3パーセントポイント上回り、タスクごとに約1.6倍の速度で動作します。`llama-server`が`llama.cpp`を介して提供できる任意のモデルをサポートし、モデルの選択に柔軟性を提供し、GBNF文法がツール呼び出しの有効性を一貫して保証します。このプロジェクトはNVIDIA Inceptionのメンバーでもあり、NVIDIA GPUを必要とせずに開発者リソースにアクセスできます。
- カテゴリーAI エージェントビルダー
- 料金モデル無料
- デプロイオンプレミス
- プラットフォームmacOS、Windows、Linux
Atomic Agentの主要機能
ローカルファーストAIエージェントランタイム
Mac、Windows、Linuxで動作
ブラウザ、ファイル、シェル、Gitを自動化
クラウド、APIキー、トークン料金は不要
信頼性のある出力のためのGBNF文法制約ツール呼び出し
セッション間で持続的なSQLiteメモリ
外部ツール用のモデルコンテキストプロトコル(MCP)統合
ローカルの`llama-server`が提供する任意のモデルをサポート
MITライセンスの下でオープンソース
デスクトップアプリとCLIが利用可能
デフォルトでオフラインで動作
ローカルデータ処理に重点を置いたプライバシー
カスタムツールとスキルで拡張可能
TelegramおよびDiscordチャンネルのサポート
ゲート付きアクションのための五段階承認システム
Atomic Agentの使い方は?
ダウンロード: macOS、Windows、またはLinux用のデスクトップアプリをダウンロードページから取得します。
インストール: プラットフォーム固有のインストール手順に従います。
起動: Atomic Agentデスクトップアプリケーションを起動します。
設定: アプリがローカルモデルを自動的にダウンロードします。トークン料金は発生しません。
対話: エージェントに質問したり、タスクを割り当てたりします。
アクションの承認: ターミナル、デスクトップアプリ、またはチャットインターフェースでゲート付きアクションをレビューして承認します。
拡張: MCPを介して外部ツールを接続したり、再現可能なワークフローのために新しいスキルを教えたりします。
Atomic Agentの使用例
- ローカルAI自動化
- プライベートワークフロー
- オフライン操作
- カスタムツール統合
- 再現可能なタスク実行
- オープンソース開発
- ローカルモデル実験
- スケジュールされたタスク






