研究チーム向けの最適なオープンソース Claude Science 代替案

**Claude Science を一対一で置き換えるオープンソースプロジェクトはありません。**Anthropic のベータアプリはエージェント編成、分野データ、科学表示、来歴を一体化しています。オープンな選択肢は各層を個別にカバーするため、組み立てが必要です。

患者データ、未発表成果、産業 IP を扱う多くの研究グループでは、解析を自分たちが管理するインフラに留める必要があります。

実際に置き換えるもの

1. エージェントと編成 — タスクの計画、コード作成、実行、反復。
2. 実行環境 — 永続的な Python/R カーネルと、SSH 経由 HPC までの計算管理。
3. 分野データへのアクセス — 科学データベースと文献の接続。
4. 科学的表示 — タンパク質、アラインメント、ゲノムトラック、化学構造、PDF。
5. 来歴 — 成果物ごとのコード、環境、会話。

第 1・2 層はよく整備され、第 3 層は部分的です。表示と来歴がオープンエコシステムの大きな不足です。

評価基準

寛容なライセンス、自社インフラでの完全実行、ローカル推論を含むモデル選択、実コードの実行、継続的なコミュニティを評価します。

1. Eigent — 汎用オーケストレーション層

**ライセンス：**Apache 2.0 · **実行：**デスクトップ、ローカルバックエンド、クラウド、企業導入

Eigent はマルチエージェントワークフロー向けオープンソースデスクトップアプリで、執筆時点で 15.2k stars です。科学専用ではありませんが、分野スタックを接続する編成・ツール利用層を提供します。

モデル非依存の実行、MCP、ブラウザ、ターミナル、vLLM・Ollama・LM Studio によるローカル導入により、文献探索と解析を並行できます。

**適する場合：**制御可能な汎用エージェント群を必要とする場合。**適さない場合：**科学レンダラーをすぐに必要とする場合。

2. Biomni — 分野ネイティブに最も近い選択肢

**ライセンス：**Apache 2.0。ただし同梱ツールとデータベースの一部にはより厳しい商用条件があります

Stanford の Biomni は、生物医学向けに LLM 推論、検索拡張計画、コード実行を組み合わせます。11GB のデータレイク、MCP、実行トレースの PDF レポートを備えます。

CRISPR、scRNA-seq、ADMET、GWAS、希少疾患を文書化しており、pip install biomni で導入できます。Biomni-Eval1 は十種類の生物学タスクに 433 事例を含みます。

**商用利用前にライセンスを確認してください。**Apache 2.0 の表記はすべての同梱データベースをカバーしません。

3. PaperQA2 — 文献層

**ライセンス：**Apache 2.0 · 導入：pip install paper-qa>=5、Python 3.11+

PaperQA2 は科学文書に対する高精度 RAG と文中引用を提供します。PDF、テキスト、Office、ソースコードを扱い、LiteLLM でメタデータと撤回論文を確認します。

撤回済み論文を自信を持って引用するエージェントは、何も引用しないエージェントより悪いものです。これは文献層の代替であり、他の四層ではありません。

4. OpenHands — セルフホスト型コントロールプレーン

**ライセンス：**MIT · 85.8k stars

OpenHands は npm、Docker、ソースからコーディングエージェントと自動化をローカル実行し、Claude Code、Codex、Gemini、独自モデルプロファイルに対応します。

科学表示、データベース接続、解析カーネルはありません。代わりに、成熟した MIT ハーネス、スケジューリング、webhooks を提供します。

**適する場合：**研究作業がセルフホストのパイプラインやパッケージのソフトウェア工学である場合。

5. Jupyter と MCP — 作り直すべきでない層

Claude Science の永続カーネルモデルは Jupyter のモデルです。MCP でエージェントを接続する方が状態管理を作り直すより小さく、研究者は慣れた UI を使えます。

最も地味で、最も効果の高い提案かもしれません。

比較

オープンスタックがまだ提供しないもの

**ネイティブな科学表示。**Notebook のライブラリは使えますが、エージェントが構造を見て推論することとは異なります。

**デフォルトの来歴。**コード、環境、会話をすべての成果物に自動添付することは、初期の設計判断です。

**60 以上の事前接続データベース。**自作コネクタ一つにつき、科学をしない一週間を失います。

これをデータレジデンシー、モデル選択、予測可能なコスト、価格未公表のベータに研究計画を置かない理由と比較してください。

組み立て方

1. **カーネル：**自社ハードウェア上の JupyterLab を MCP でラップ。
2. **編成：**Eigent または OpenHands。機密作業は vLLM/Ollama のローカルモデル、それ以外は最先端 API。
3. **文献：**ローカルコーパス上の PaperQA2 と撤回確認。
4. **分野推論：**生物医学では Biomni を、ライセンス確認後に使用。
5. **来歴：**一週目に形式を決め、各図にスクリプト、lockfile、入力を付け、CI で強制。

プラットフォーム全体ではなく反復する一つの workflow から始め、完全ローカル AI ワークフォース構築ガイドを参照してください。Claude Science vs Claude Code も先に読むと選択しやすくなります。

よくある質問

**真のオープンソース同等品はありますか？**単一プロジェクトとしてはありません。五層を組み合わせます。

**最も近いものは？**生物医学では Biomni です。

**完全オフラインで実行できますか？**ローカルモデルを使う編成・カーネル層は可能です。文献・DB にはネットワークかローカルミラーが必要です。

**商用利用は無料ですか？**Apache 2.0 と MIT は許可しますが、特に Biomni の依存関係を確認してください。

**最も不足するものは？**ネイティブ表示と自動来歴です。

**GPU は必要ですか？**ローカル推論だけに必要です。

自分で制御できる層を構築する

Eigent は Apache 2.0 の下で、マルチエージェント協調、MCP 統合、選択モデルによるローカル導入を研究チームに提供し、解析データを自社インフラから出さずに済みます。workflow を skill として保存し、データエンジニアリングハブから始めるか、Eigent をダウンロードしてください。