Eigent: オープンソースのCoworkと Z.ai GLM-4.7 の融合

概要

実際のエンタープライズ環境では、多くの社内ツール、ダッシュボード、レガシーシステムが完全にブラウザまたはターミナル上で稼働しており、日々の業務運用の基盤を形成しています。

こうした複雑なシステムを自動化するために、私たちは Eigent を導入しました。これはローカルで動作し、ソースから完全にセットアップできるオープンソースのマルチエージェントワークフォースアプリケーションで、ブラウザおよびターミナル自動化に強く重点を置いており、実質的に エンタープライズワークフロー向けのオープンソース Cowork 代替 として機能します。

この記事では、Eigent が CAMEL の Workforce アーキテクチャ とターミナル自動化を活用して、複数ステップのエンタープライズ業務をどのように処理するのかを解説します。また、GLM-4.7 にも注目し、ターミナル自動化における性能や、長期的なエージェントワークフローを支えるアーキテクチャ上の特徴を詳しく見ていきます。

背景: Eigent とは何か、そして GLM-4.7 をどう支えるのか

Eigent は、デスクトップ上でローカルに動作する オープンソースのマルチエージェントワークフォース製品 です。Workforce スタイルのマルチエージェントアーキテクチャ上に構築され、次のような汎用機能を備えています。

• ブラウザ自動化
• ターミナル自動化
• MCP (Model Context Protocol) 連携

この設計により、Eigent のエージェントは 実際の人間の作業者 のように振る舞い、深い API 連携や継続的なワークフロー再構成を必要とせずに、デスクトップ環境内で直接操作できます。

基盤モデルが進化し続ける中で、これらを Eigent のオープンソースマルチエージェントシステムと統合することで、開発者や企業は LLM の能力を現実のユースケースへ迅速かつ効果的に適用できます。

そのため Eigent は、リリース直後に GLM-4.7 を統合 しました。

GLM-4.7 の使い始め方

• クラウドモード:

  上部のモデルドロップダウンから GLM-4.7 を選択するだけです。

• Bring Your Own Key (BYOK):

  Model Settings → GLM に移動し、Z.ai の API キーを入力して、モデル名を GLM-4.7 に設定します。

サポートが必要ですか？ Z.ai API キーの設定方法 ガイドをご覧ください。

以下にはステップバイステップの動画チュートリアルもあります。

GitHub リポジトリと Eigent のセットアップ方法

GitHub リポジトリ

👉 https://github.com/eigent-ai/eigent

クイックスタート: 環境のセットアップ

Eigent は 2 通りの方法で実行できます。

オプション A: ゼロ設定のデスクトップアプリ（ユーザーに推奨）

すぐにタスクの自動化を始めたいユーザー向け:

1. 公式サイト からクライアントをダウンロードする
2. .dmg（macOS）または .exe（Windows）をインストールする
3. アプリを起動する — ローカルバックエンドは自動的に開始されます

オプション B: 開発者向けセットアップ（ソースから）

システムを確認またはカスタマイズしたい開発者向けです。

1. 前提条件

• Node.js v18–22
• Python 3.10+

2. クローンしてインストール

# リポジトリをクローン
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# フロントエンドの依存関係をインストール
npm install

3. アプリケーションを実行

# 開発モードで実行
npm run dev

起動後、設定画面から LLM プロバイダー（GLM-4.7 など）を直接設定できます。

詳細な設定やトラブルシューティングについては、公式ドキュメント を参照してください。

内部構造: Eigent のフルスタックと CAMEL Workforce アーキテクチャ

システム概要

Eigent は CAMEL Workforce 上に構築されたマルチエージェントオーケストレーションエンジンによって支えられる ローカルファーストのデスクトップアプリケーション です。

主なアーキテクチャ原則:

• 完全なローカル実行
• 分離されたフルスタック設計
• 強力なデータ主権の保証
• クラウド上でのエージェント実行なし

1. フロントエンド

フロントエンドは、エージェント設定とワークフロー監視のための コントロールプレーン として機能します。

技術スタック:

• React + TypeScript
• Electron
• Zustand（状態管理）
• React Flow（ビジュアルなエージェントオーケストレーション）

フロントエンドは 安全なローカル HTTP リクエスト を通じてバックエンドと通信します。

2. バックエンド

バックエンドは、次の技術で構築された ローカル Python サーバー です。

• FastAPI + Uvicorn
• Python 3.10+（uv により管理）
• PostgreSQL（SQLModel / SQLAlchemy 経由）

ここでは CAMEL マルチエージェントフレームワーク が動作し、次を管理します。

• Workforce オーケストレーション
• LLM とのやり取り（Z.ai 経由のリモート、または vLLM 経由のローカル）
• ブラウザ、ターミナル、ドキュメント自動化のためのツールキット

CAMEL Workforce: 組織に着想を得たマルチエージェントシステム

Eigent の中核にあるのは、複雑なエンタープライズ業務向けに設計された分散型マルチエージェントシステム CAMEL Workforce です。

エージェントの役割

• Coordinator Agent

  グローバル状態を維持し、サブタスクを割り当てます。

• Task Agent

  高レベルの目標を原子的なタスクに分解します。

• Worker Agent

  ドメイン固有のツールを使ってタスクを実行します。

非同期通信: TaskChannel

タスク実行は、非同期メッセージキュー を介して調整されます。

1. Workforce がタスクを開始する
2. Worker agent が割り当てをポーリングする
3. 完了後に結果が返送される

この設計により、ブロッキングのないスケーラブルな実行が実現します。

動的 DAG 構築

エンタープライズワークフローは、直線的であることはほとんどありません。

CAMEL Workforce は Directed Acyclic Graph (DAG) を動的に構築します。

• 独立したタスクは並列実行される
• 依存するタスクは前提条件が完了するまで保留される

例:

• Search Flights と Search Hotels は同時に実行される
• Generate Itinerary は両方が DONE になるまで待機する

フォールトトレラントな仕組み

失敗は 予期される状態 として扱われ、致命的エラーではありません。

対応するリカバリー戦略:

• RETRY – タスクを再実行する
• REPLAN – 失敗ログに基づいてタスクを修正する
• REASSIGN – タスクを別のエージェントへ移す
• DECOMPOSE – タスクをより小さなサブタスクに分解する

実際のターミナル自動化で GLM-4.7 をテストする

私たちは、現実的な終業時ワークフローを用いて Eigent のターミナル自動化で GLM-4.7 を評価しました。

サンプルタスク

"Off work now! Please help me organize the work files on my desktop into today's folder, and then write an HTML daily report summarizing what I did today."

エージェントが行うべきこと

1. デスクトップ上のファイルをスキャンする
2. 日付ベースのフォルダを作成する
3. 業務関連ファイルを特定して移動する
4. ファイルの変更から日々の作業内容を推測する
5. 構造化された HTML レポートを生成する

これには 長期的な推論、文脈の保持、そして複数回のツール呼び出しが必要です。

テストでは、GLM-4.7 はワークフローを正常に完了しました。

GLM-4.7 がエージェント型タスク実行をどう支えるか

GLM-4.7 は、エージェントワークフロー向けに最適化された コーディング指向モデル であり、優れたコストパフォーマンスを提供します。

Interleaved & Preserved Thinking

GLM-4.7 は高度な推論制御を導入しています。

• Interleaved Thinking

  すべての応答とツール呼び出しの前に思考します。

• Preserved Thinking

  ターンをまたいで推論ブロックを保持し、コンテキストのずれを抑えます。

• Turn-Level Thinking Control

  複雑なタスクでは推論を有効にし、軽量なタスクでは無効にしてコストと遅延を節約できます。

これらの機能により、GLM-4.7 は特に 長期的な複数ステップの自動化 に適しています。

結論と次のステップ

Eigent は、実際のエンタープライズシステム内で直接動作する AI エージェントを展開するための 本番グレードのローカルファースト環境 を提供します。

以下を組み合わせることで:

• CAMEL の Workforce ベースのマルチエージェントアーキテクチャ
• ターミナルおよびブラウザレベルの自律性
• 高い可観測性とフォールトトレランス

Eigent は、エンタープライズグレードの AI 導入 に必要な中核特性を提供します。

制御性、監査可能性、データ主権 です。

また、GLM-4.7 を Eigent と統合することで、複雑なワークフローに対して堅牢な推論能力を提供できることも示しました。

参加する

Eigent は完全なオープンソースです。開発者、研究者、企業チームの皆さまが探索し、貢献してくださることを歓迎します。

• 👉 GitHub: https://github.com/eigent-ai/eigent
• 👉 Discord: https://discord.camel-ai.org