GenericAgent

lsdefine / MIT — 約3K行の Python コアと 9 個の原子ツールでローカル環境を制御する自己進化エージェント

1 — 概要

位置づけ

GenericAgent は、スキルを事前に大量に同梱せず、実行のたびに Skill へ結晶化していく設計の自律エージェント枠組みだ。コアは約 3K 行、agent_loop.py のループは約百行。ブラウザ（実ブラウザ注入・セッション維持）、ターミナル、ファイル、キーボード／マウス、画面視覚、ADB 経由のモバイルまで、LLM に OS 近傍の操作を渡す。

9+2原子ツール + 記憶系

L0–L4レイヤード記憶

~100行Agent Loop

多モデルClaude / Gemini ほか

解説の正はローカルの repos/GenericAgent（README・GETTING_STARTED）に準拠する。公式リポジトリは github.com/lsdefine/GenericAgent。

設計思想: 「プリロードした巨大スキル群」ではなく、タスクを解くたびに手順を Skill として蓄積する。利用が長いほど、自分専用のスキル木が育つ。

2 — 自己進化の流れ

タスクから Skill へ

初回は依存導入・スクリプト作成・検証まで自律探索し、成功パスをメモリ層に書き込む。以降は同種タスクを短い指示で再利用できる、という README のパイプラインを図示する。

flowchart TD
  T[新規タスク] --> E[探索・実行・検証]
  E --> C[実行パスを Skill 化]
  C --> M[記憶層へ書込]
  M --> R[次回は短い指示で再利用]

3 — 記憶・ループ・ツール

レイヤード記憶（L0–L4）

層	役割（README の整理）
L0	メタルール — エージェントの根幹の振る舞いと制約
L1	Insight Index — 高速ルーティング用の最小インデックス
L2	Global Facts — 長期運用で安定した知識
L3	Task Skills / SOPs — タスク種別ごとの再利用手順
L4	Session Archive — 完了セッションから蒸留したアーカイブ（長期想起）

Autonomous Execution Loop

環境認識 → 推論 → ツール実行 → 経験の記憶への書き戻し、を agent_loop.py が回す。コード量は README 上「約百行」。

原子ツール（抜粋）

ツール名	役割
`code_run`	任意コード実行（パッケージ導入やスクリプト生成の土台）
`file_read` / `file_write` / `file_patch`	ファイル読み書き・差分適用
`web_scan` / `web_execute_js`	ページ認識とブラウザ操作
`ask_user`	ヒト介入の確認
`update_working_checkpoint` / `start_long_term_update`	セッション横断の記憶更新（README 上 2 個の記憶系ツール）

4 — クイックスタート

標準インストール

# 1. 取得
git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent

# 2. 最小依存（README）
pip install streamlit pywebview

# 3. API キー
cp mykey_template.py mykey.py
# mykey.py を編集

# 4. 起動（GUI）
python launch.pyw

CLI から試す場合は python agentmain.py（GETTING_STARTED.md）。変数名ルール（oai_* / claude_* / native_* など）で OpenAI 互換・Claude 互換・標準ツール呼び出し形式が切り替わる。

GETTING_STARTED の注意

Python は 3.11 / 3.12 推奨。3.14 は pywebview 等との非互換として言及あり。
apibase は末尾のパス有無で自動連結の挙動が変わる（ホストのみ / /v1 / フルパス）。

5 — 類似ツールとの比較

README のマトリクス要約

観点	GenericAgent	OpenClaw	Claude Code
コード規模	~3K 行コア	~53 万行規模（README 記載）	大規模オープンソース
デプロイ	`pip` + API キー	マルチサービス	CLI + サブスク
ブラウザ	実ブラウザ注入・セッション維持	サンドボックス／ヘッドレス	MCP 経由など
OS 操作	キーボード・マウス・視覚・ADB	マルチエージェント委譲	主にファイル + ターミナル
自己進化	Skill の自律蓄積	プラグインエコシステム	セッション間はステートレス寄り

数値・製品名は README の比較表に依拠。利用時は各プロダクトの最新ドキュメントを確認してほしい。

6 — UI と Bot フロント

代表例

デフォルト: Streamlit + pywebview（launch.pyw）
その他 GUI: frontends/qtapp.py、streamlit run frontends/stapp2.py など
チャット系: Telegram、個人 WeChat、QQ、飛書、企業微信、钉钉など README にエントリあり。必要パッケージと mykey.py の変数がそれぞれ異なる。

7 — 参考リンク

公式・ソース

GitHub: lsdefine/GenericAgent
リポジトリ内: README.md、GETTING_STARTED.md、LICENSE（MIT）