OpenHumanとは？2026年 個人AI Agent やさしい完全ガイド：メモリツリー・ローカル知識ベースとプライバシー境界

1. 三つの痛点：「AI アプリをもう一つ」では足りない理由

1. 文脈の断絶： 新しいセッションや別モデルに切り替えるたびに背景説明が必要。メールや IM の結論が AI の長期記憶にならない。
2. 見えないコスト： 受信トレイ全体をプロンプトに入れるとトークン代と待ち時間が膨らむ。圧縮なしでは自動同期を続けにくい。
3. 権限と監査の不安： OAuth 一発連携は便利に見えても、何がローカルで何がクラウドに行くのか不透明だと、本番メールボックスをつなぐのをためらう。

2. 一言で言うと：OpenHuman とは？

やさしい説明： Gmail、GitHub、Slack などを接続すると、コアループが約20 分ごとに新しいデータを取り込み、Markdown チャンクに変換し、ローカルの SQLite と Obsidian 互換の wiki/ フォルダへ書き込みます。質問するときは全文を毎回渡すのではなく、要約と必要な断片だけを検索して使います。

たとえ話： ChatGPT は呼べば来る外部コンサル、OpenHuman は先に書類棚を整理してから話す同僚です。本社（クラウドモデル）に電話することはあっても、棚の大部分は机の上（ローカル記憶）にあります。

一般ユーザーにとっての価値は「最新 GPT より賢い」ではなく、個人コンテキスト＋中身を見られるローカル知識ベースにあります。

3. 誤解を先に解く：OpenHuman ではないもの

1. ChatGPT / Claude の完全代替ではない。 汎用チャットは引き続き有用。OpenHuman の強みは「あなたの仕事世界を覚える」こと。
2. デフォルトで 100% オフラインではない。 README によればメモリツリー、Markdown ボルト、ワークスペース設定はローカルに置かれますが、デフォルトのマネージド経路では OpenHuman バックエンド（アカウント、モデルルーティング、検索プロキシ、Composio OAuth など）を使います。
3. 魔法の全自動ツールでもない。 Early Beta のため連携の深さはサービスごとに異なり、マスコット・音声・Google Meet 連携は現行ドキュメントで要確認。
4. 「118+ 連携＝118 件すべてがメモリツリーに深く同期」ではない。 ツールプロキシや認可入口だけの項目もあります。使うバージョンで能力を確認してください。

4. なぜ話題になったのか（一時的な hype と区別して）

個人 Agent の GitHub ブーム、毎回プロジェクトを説明し直す疲れ、Gmail / Notion / Slack / GitHub に散らばる資料、長文コンテキストのコスト——複数の背景が重なっています。OpenHuman は 自動取得＋メモリツリー＋ TokenJuice 圧縮 でその交差点を狙っています。

2026-05-25 時点の公開リポジトリは約 27,359 Star、2,534 Fork。最新安定版は v0.54.0（2026-05-19 公開）。トレンドは冷めることもありますが、監査可能なオンデバイス記憶＋ Agent ツールという方向性自体は理解する価値があります。Trending ＝ 本番成熟とは限りません。

5. 三つのたとえで全体像を掴む

• 資料整理係： 接続アカウントから定期的に取り込み、Markdown チャンクへ正規化（公式ドキュメントではチャンクあたり最大約 3k トークン）。
• ローカル個人知識ベース： 構造化索引は memory_tree/chunks.db、人間が読める形は Obsidian で開ける wiki/。
• 道具箱付き AI 同僚： チャット以外に Web 検索、スクレイピング、コードツール（ファイル・git・テスト）、hint:reasoning / hint:fast などのモデル振り分け。

6. 核心概念：メモリツリー（Memory Tree）とは

メモリツリーは「チャット履歴をベクトル DB に一度放り込む」だけではありません。公式ドキュメントが示す決定的なパイプラインは次のとおりです：取り込み → Markdown 正規化 → チャンク化 → SQLite＋Markdown ボルトへ書き込み → 階層要約 → ソース／トピック／全体スコープで整理 → 会話時に必要分だけ検索。

単純なベクトル検索より長期文脈向きな理由： ソースツリー、エンティティ／トピックツリー、日次グローバルダイジェストがあり、モデルは生メール 500 通ではなく要約と選ばれた断片を見ます。「今週ユーザーが繰り返し言っていることは？」のような質問は、手動エクスポートではなく整理済み記憶に当たる想定です。

Obsidian Wiki：ローカル Markdown が重要な理由

同じチャンクが Obsidian 互換の wiki/ にも置かれ、UI から Obsidian で開けます。記憶が透明で、バックアップしやすく、手で直せる——ブラックボックスの「AI が覚えてます」より信頼しやすく、間違いも修正しやすい。これが一般ユーザーにとっての意味です。

7. 比較表：OpenHuman vs チャットボット vs ターミナル Agent vs 手作り Obsidian

8. プライバシー表：ローカル優先 ≠ 完全オフライン

実務的な結論：インストール後はどのコネクタに何を許可したかを一覧し、モデルへ送られる内容は本機外に出うると想定してください。ローカルモデルと直接連携モードを選ばない限り、完全オンデバイスとは言えません。

9. TokenJuice、118+ 連携、モデルルーティング

TokenJuice：コンテキスト圧縮器

ツール出力が LLM に入る前に、TokenJuice が HTML を Markdown 化し、長い URL を短縮し、冗長出力を dedupe します。公式表現では最大約 80% のコスト・レイテンシ削減——これは上限目標であり、すべてのタスクで 80% になる保証ではありません。圧縮がなければ忙しい受信トレイの自動同期は高コスト；あれば「記憶を育てる」運用が現実的になります。

118+ 連携と自動取得

Gmail、GitHub、Slack、Notion、Calendar、Drive などを OAuth で接続し、コアが約 20 分ループでアクティブな接続を歩きます。個人開発者の例：Gmail＋GitHub＋Slack をつないで「今週ユーザーが繰り返し言っている不満トップ 3 は？」と聞く——理想は取り込み済み要約から答え、手動 CSV エクスポートに頼らないこと。ただし連携ごとの同期深度は異なります。

モデルルーティング：仕事に合ったモデルを選ぶ

タスクに hint:reasoning、hint:fast、hint:vision、hint:summarize などのヒントを付けられます。自分で「モデル管理者」になる必要はありませんが、推論・要約・画像などで別クラウドモデルに振り分けられる点は知っておくとよいです（サブスク内、または独自 API キー）。

マスコット、音声、その他

デスクトップマスコット、音声（STT＋ElevenLabs TTS）、Google Meet 参加、バックグラウンドループなどは製品ビジョンに含まれますが、Early Beta で変わりうる機能として 公式 GitBook で現行版を確認してからワークフローに組み込んでください。

10. 七ステップで始める（一般ユーザー向け）

1. 経路を選ぶ： まず 公式 DMG / Windows インストーラ。上級者はスクリプト内容を確認したうえで curl -fsSL …/install.sh | bash も可。
2. サインイン： デフォルトは OpenHuman ホストアカウント——完全オフラインではありません。
3. 低リスクなソースから 1〜2 個： 例：Calendar＋GitHub を先に、本番メールボックスは後回し。
4. 最初の自動取得サイクルを待つ： Obsidian または Finder で wiki/ を見て、チャンクが妥当か確認。
5. 具体質問で検証：「来週の会議」「最近マージされた PR のテーマ」——回答が追跡可能なスニペットを引用するか。
6. プライバシー設定を見直す： Composio / OAuth コネクタ一覧、不要なものは切断。
7. （任意）ソースからビルド： 貢献者は Git、Node.js 24+、pnpm 10.10+、Rust 1.93+、CMake、Ninja、ripgrep など——Getting Set Up と README を参照（バージョンは変わります）。

公開前に再確認すべき数字： Star 約 2.7 万 · 最新 v0.54.0 · リリース 2026-05-19 · 自動取得約 20 分 · 連携 118+（公式表記） · TokenJuice 公式上限約 80% 削減 · ライセンス GPL-3.0。

11. 向いている人・今は無理しなくていい人

行動の目安：AI をたまに使うだけなら急いで乗り換えなくてよい。資料が散らばり毎日背景説明にうんざりなら、小さな範囲で OpenHuman を試す——ただし全自動を追う前に権限管理を。