たった3000行のコードから「自分だけのAI秘書」が育つ！使うほど賢くなる自己進化エージェント — GenericAgent

lsdefine/GenericAgentPython2.3k

GenericAgentは、AI（人工知能）に「パソコンを丸ごと操作する力」を与える超軽量フレームワークです。わずか約3000行のプログラムコードと9つの基本ツールだけで、ブラウザ操作・ファイル管理・ターミナル操作・スマホ制御まで自動でこなせます。GenericAgentの最大の特徴は「自己進化」で、新しい作業を一度こなすと、その手順を自動的にスキル（技能）として記憶し、次回からは一言で同じ作業を再実行できます。使えば使うほどスキルが蓄積され、自分だけの「技能ツリー」が育っていく仕組みです。プログラミングに詳しくなくても、APIキーを設定するだけですぐに使い始められる手軽さも魅力です。

🔥 なぜ話題？

AIエージェント（自律的にタスクを実行するAI）が2025〜2026年の最大のトレンドとなる中、GenericAgentは他のエージェントが数十万行のコードや大量のトークン消費を必要とするのに対し、わずか3000行・3万トークン以下という圧倒的な軽量さと「使うほど賢くなる自己進化」という独自コンセプトで注目を集めています。百万級のスキルライブラリ公開や機器之心（中国の大手AIメディア）での紹介も話題を加速させています。

💡 こう使える！

例えば「Gmailでこのファイルを送って」と一度お願いすると、GenericAgentが自動でメール送信の認証設定やスクリプト作成を行い、その手順をスキルとして保存します。次回からは同じ一言を言うだけで、即座にファイル付きメールが送れるようになります。

ユースケース: 日常のパソコン作業やスマホ操作（メール送信、ウェブ検索、ファイル整理、株のスクリーニング、出前注文など）をAIに任せて自動化したい人向けのツールです。

約3000行の極小コードから自分だけの「技能ツリー」が育つ自己進化型AIエージェント
コンテキストウィンドウ3万トークン以下で、他のエージェントの6分の1のコスト・トークン消費
ブラウザ・ターミナル・ファイル・キーボード/マウス・スマホ（ADB）まで9つの原子ツールでシステム丸ごと制御
WeChat・QQ・飞书・钉钉・Telegramなど多数のBot前端に対応
Claude・Gemini・Kimi・MiniMaxなど主要LLMモデルをサポートしクロスプラットフォーム動作

GitHubで見る →

Self-evolving agent: grows skill tree from 3.3K-line seed, achieving full system control with 6x less token consumption

技術情報

言語

Python

ライセンス

MIT

最終更新

2026-04-16

スター数

2,349

フォーク数

281

Issue数

トピック

ai-agentautomationautonomous-agentbrowser-automationclaudecomputer-controldesktop-automationgeminilightweightllm-agentmemory-systempythonself-evolvingskill-treetask-automation

技術詳細

アーキテクチャ・仕組み

GenericAgentは「分層記憶（Layered Memory）× 最小ツールセット × 自律実行ループ」の3本柱で動作します。

分層記憶システム（5層構造）

レイヤー	名称	役割
L0	メタルール	エージェントの基本行動規則とシステム制約
L1	インサイトインデックス	最小限の記憶索引で高速ルーティング・想起
L2	グローバルファクト	長期運用で蓄積される安定した知識
L3	タスクスキル/SOP	特定タスク用の再利用可能なワークフロー
L4	セッションアーカイブ	完了タスクから蒸留された記録（長期想起用）

9つの原子ツール

code_run — 任意コード実行
file_read / file_write / file_patch — ファイル操作
web_scan — Webページ内容の知覚
web_execute_js — ブラウザ操作（JavaScript実行）
ask_user — ユーザーへの確認（人間介在）
update_working_checkpoint / start_long_term_update — 記憶管理ツール（セッション間の経験蓄積）

自律実行ループ

agent_loop.py の約100行で実装。「環境知覚 → タスク推論 → ツール実行 → 経験記憶 → ループ」のサイクルを回します。

対応環境・プラットフォーム

対応LLM: Claude、Gemini、Kimi、MiniMaxなど主要モデル
クロスプラットフォーム: 複数OS対応
モバイル: ADB（Android Debug Bridge）経由でスマートフォン制御
ブラウザ: 実際のブラウザに注入（ログインセッション維持）

パフォーマンス

コンテキストウィンドウ: 30K トークン以下（他のエージェントは200K〜1Mトークン消費）
トークン消費量は競合の約6分の1
分層記憶により、必要な情報だけを常にスコープ内に保持し、ノイズとハルシネーション（幻覚）を削減

競合との比較

	GenericAgent	OpenClaw	Claude Code
コード量	~3K行	~530,000行	大規模
デプロイ	`pip install` + APIキー	マルチサービス編成	CLI + サブスク
ブラウザ制御	実ブラウザ（セッション維持）	サンドボックス/ヘッドレス	MCPプラグイン経由
自己進化	スキル自動成長	プラグインエコシステム	セッション間は無状態

Bot フロントエンド対応

Telegram: トークン設定のみ
WeChat（個人）: QRコードスキャンで即接続
QQ: qq-botpy WebSocket接続（公網webhook不要）
飞书（Lark）: テキスト/リッチテキスト/画像/ファイル/音声/カード入出力対応、ストリーミング進捗カード、Vision API対応
企业微信（WeCom）: SDK経由
钉钉（DingTalk）: Stream接続
Qt デスクトップアプリ / Streamlit Web UI: 複数UIスタイル選択可能

能力拡張メカニズム

code_runを通じてランタイムにPythonパッケージのインストール、新規スクリプト作成、外部API呼び出し、ハードウェア制御が可能。一時的な能力を永続ツールに固定化できます。

ライセンス

MIT License（商用利用可能）

インストール・クイックスタート

# 1. リポジトリをクローン（ダウンロード）
git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent

# 2. 最小限の依存パッケージをインストール
pip install streamlit pywebview

# 3. APIキーを設定
cp mykey_template.py mykey.py
# mykey.py を編集して、使用するLLMのAPIキーを記入

# 4. 起動
python launch.pyw

オプションでTelegram Botとして使う場合:

# mykey.py に追記
tg_bot_token = 'YOUR_BOT_TOKEN'
tg_allowed_users = [YOUR_USER_ID]

python frontends/tgapp.py

WeChat Botとして使う場合:

pip install pycryptodome qrcode requests
python frontends/wechatapp.py

参考になる外部の関連記事

QPython GitHubトレンドデイリーランキング!!【自動更新】

たった3000行のコードから「自分だけのAI秘書」が育つ！使うほど賢くなる自己進化エージェント — GenericAgent

技術情報

技術詳細

アーキテクチャ・仕組み

分層記憶システム（5層構造）

9つの原子ツール

自律実行ループ

対応環境・プラットフォーム

パフォーマンス

競合との比較

Bot フロントエンド対応

能力拡張メカニズム

ライセンス

最新の更新情報

インストール・クイックスタート

参考になる外部の関連記事

関連リポジトリ