Andrew Ng Introduces OpenWorker: An Open-Source AI Agent for Desktop That Delivers Results, Not Chat

Andrew NgがOpenWorkerを発表した。これは、会話ではなく完成した作業を提出するオープンソースのデスクトップAIエージェントである。ユーザーはプロンプトの代わりに、完成したドキュメント、正確な数値を含むSlackへの返信、更新されたカレンダー、整理されたメールボックスなど、期待する成果を指定する。その後、エージェントはタスクをステップに分解し、ローカルファイルや接続されたアプリケーションと連携し、重要なアクションの前には確認を求める。アーキテクチャは4つの層で構成される：Tauri 2とReact 18を用いたデスクトップシェル、FastAPIとuvicornを使用しポート127.0.0.1:8765で動作するPython製のローカルエージェントサーバー、機能とコネクタの層（ローカルツール、ホスティング統合、Model Context Protocol）、そしてライブラリaisuiteに基づくモデルルーターである。OpenWorkerは独自の推論サービスを提供せず、ユーザーがAPIキーを入力するか、ローカル環境を起動する。サポートされるモデルは30種類で、ネイティブプロバイダー（OpenAI、Anthropic、Google）、OpenAI互換モデル（GLM、DeepSeek、Kimi、MiniMax、Qwen、Grok、Mistral）、Together AIとFireworks経由のオープンウェイトモデル、そしてOllama経由の完全ローカルモデル（キー不要）が含まれる。主要な特徴はパーミッションエンジンであり、各アクションを4つのリスククラス（読み取り、書き込み、コマンド実行、外部影響）に分類し、5つのパーミッションモードをサポートする。自律モードでは通知がインボックスに送られ、セッションは応答があるまで一時停止される。セキュリティポリシーでは、モデルはツールの内容、ログ、ウェブページ、受信メッセージを信頼できないデータとして扱い、指示として扱わないことが規定されている。プライバシーはローカル処理によって確保される：モデル呼び出しは直接行われ、コネクタのトークンとキーはマシン上に残り、シークレットはモデルのコンテキストに含まれない。唯一のクラウドコンポーネントはOAuthハンドシェイク用のオプションのブローカーであり（Auth0とPKCEを使用）、トークンはマシン上で即座に発行され、クラウドには保存されない。アプリケーションはログインなしで完全に動作する。ソースコードはGitHubで公開されている（MITライセンス）。