人間のように働くAI「Manus AI」：仮想マシン×LLMの可能性とは
近年、大規模言語モデル（LLM）の進化により、ChatGPTなどの対話型AIが私たちの生活やビジネスに大きなインパクトを与えつつあります。しかし、実際の現場では「AIにもっと自由に動いてほしい」「単なる文章生成ではなく、実世界の諸ツールを使いこなしてタスクを完遂してほしい」というニーズが高まっています。本記事では、そうした課題意識を背景に開発されたAIエージェント「Manus（マナス）」について、そのコンセプト、技術的アプローチ、過去の試行錯誤や課題、今後の展望などをわかりやすく解説していきます。
1. Manus AIとは何か
Manus AIは、単にテキストを出力するチャットボットや、定型的なワークフローを実行する「RPA（ロボティック・プロセス・オートメーション）」ではなく、「総合的な思考と行動」を目指すAIエージェントです。名前の由来は、ラテン語の “Manus（マヌス）”＝「手」とされ、「思考のみならず“手”を使って実世界に影響を与える」ことを象徴しています。
1-1. 「手」を持つAIエージェント
LLMは、テキスト出力や会話能力で大きな進歩を遂げていますが、そのアウトプットはしばしば紙とペンだけを与えられた状態に近いものです。Manusの目標は、AIに「手」、すなわちコンピュータの機能や外部データソースを使う権限を与え、ブラウザや各種APIを駆使してタスクを実行できるようにすることにあります。
1-2. 開発の背景
「高性能なLLMを使っても、結局はユーザーのプロンプト次第」という問題意識から、より自律的にタスクを進められるエージェントの必要性が浮上しました。そこで、Manusでは単なるテキスト処理に留まらず、クラウド上に用意した仮想マシン（VM）を操作し、ブラウザやVS Code、さらに画像解析やデータ検索のAPIなど、多種多様なツールを自由に使えるアーキテクチャを導入しています。
2. 開発の試行錯誤
Manus誕生以前から、開発チームは「モナ（Monica）」、「AIブラウザ」など、複数の製品・プロトタイプを手掛けてきました。その過程で得られた学びがManusに結実しています。
2-1. Monicaの成功と限界
元々チームが開発した「Monica（モナ）」は、Chrome拡張機能として動作し、閲覧中のウェブページを要約したり、Gmail上での文章生成を行ったりと、“ブラウザ上での生産性向上”に特化したサービスです。ユーザーから高い支持を得たものの、「拡張機能」に依存してしまい、ブラウザはChrome前提、また「ユーザーがブラウザを使う」ことが前提の設計でした。この経験から「もっと自由度の高いアプローチはできないか」という検討が始まります。
2-2. AIブラウザ構想と挫折
次に試みたのが「AIブラウザ」をゼロから作る計画です。AIがブラウザ全体を制御し、タブ管理やページ自動要約、クリック操作の自動化まで行うというビジョンでした。しかし、実際に半年ほど開発した結果、以下のような問題が見えてきました。
ユーザー体験上の衝突
AIがブラウザを動かしている間は、人間ユーザーはマウスやキーボードに触れられないため「干渉」が起きやすく、作業の手が止まってしまう。大規模な機能実装コスト
既存のブラウザ（Chromeなど）に慣れたユーザーを納得させるには、非常に豊富な機能を最初から実装する必要がある。スタートアップにとっては膨大な負担。クラウド上での操作であればよいのでは？
ブラウザはユーザー自身が使うもの。AIはクラウド上で仮想マシンを操作し、必要なときだけ結果を返せば、人間は手を止めなくて済むのでは？というアイデアの再確認。
以上を踏まえ、「AIブラウザ」は正式リリース前にプロジェクトをクローズし、クラウド上でAIエージェントを動かすManusへとピボット（方向転換）しました。
3. Manus AIの技術的アプローチ
Manus AIの最大の特徴は、「クラウド上の仮想マシン」と「LLMの統合」です。これにより、AIにコードを書かせたり、ウェブブラウザを自律的に操作させたりすることが可能になっています。
3-1. 仮想マシン（VM）割り当て
タスクを受け取ったManusは、ユーザーごと、またはタスクごとに新規の仮想マシンを生成して制御します。例えば「e2b」などのオープンソースを活用し、コンテナでなく完全なVMを割り当てることで柔軟性を確保。将来的にはWindowsやAndroidエミュレータなど異なるOS環境を切り替えるなど、より多彩なツールチェーンにアクセスさせる計画もあります。
3-2. ツールとAPIの統合
LLMがただ文章を「考える」だけでなく、「クラウド上のブラウザ」「VS Code」、「画像解析」、「SNSや市場データのAPI」など多様な外部リソースを利用するためのコネクションを用意しています。たとえばユーザーが「ある画像のブランドを特定し、その画像の背景に写っているものを調査してほしい」という指示を出すと、Manusは以下のような流れでタスクをこなします。
ブラウザ機能で画像の取得先サイトへアクセス
画像をローカルVMにダウンロード
画像解析ツールでブランド名や背景情報を抽出
SNSや特定の情報APIから関連するデータを収集
生成した知見をテキストとしてユーザーにレポート
このように、Manusが実際の「手」を持っているかのように作業し、結果をまとめて返します。
3-3. 自由度を重視したエージェント設計
多くのエージェント開発では、特定のワークフローを事前に定義しておき、その手順通りにタスクを進める方式が一般的です。しかしManusは当初から「汎用性」を重視し、あえて過剰なフローの定義を入れず、LLMの思考を阻害しないアーキテクチャを採用しました。
「思考」や「判断」はLLMに任せる
「行動」のための環境（VM、ツール、API）の整備
ユーザーからの簡易な補足・指示を柔軟に学習できる仕組み（ノウハウ共有）
これらにより、Manusは非常に幅広いユースケースに対応するポテンシャルを備えています。
4. 課題と解決策
4-1. コスト・インフラ面の課題
LLMをAPI利用するコストに加え、仮想マシンがタスクごとに起動されるため、インフラ費用も発生します。開発チームは大規模モデルの自前トレーニングは行わず、高精度な既存モデルをAPIとして賢く呼び出す最適化を進める方針です。さらに、タスク完遂の回数・時間に応じた従量課金プランなどを検討し、ユーザーが無理なく使用できる仕組みを整えつつあります。
4-2. セキュリティや認証の問題
クラウド上の自動ブラウズでは、Cloudflareなどのセキュリティサービスに阻まれる可能性があり、ログインが必要なサービスも多いです。これに対し以下のような方法が検討されています。
公式API購入や提携: 有料データやプレミアム記事へのアクセス権を代理購入・契約する。
セキュリティ企業との協業: 「自動アクセスの正当性」をサービスプロバイダ側に示し、スパムとしてブロックされない仕組みを整える。
ユーザー個別の資格情報提供: ユーザーが保持するアカウント情報を、Manusエージェントが安全に使えるようにする機構を構築する。
4-3. 大規模文脈処理
Manusが収集する情報は、ウェブページやSNS、各種ドキュメントなど膨大です。LLMへの入力文脈長（コンテキスト長）には制限があるため、必要に応じて要約・抜粋する“スレッド分割”や“メタ情報管理”などのテクニックを駆使しています。今後、モデル側のコンテキスト拡張技術の進歩によって、さらなる可能性が見込まれます。
5. 今後の展望
5-1. ユーザー教育から「エージェント自動化」へ
従来のChatGPTのようにユーザーが「正しい質問」をしなくとも、エージェント自身が必要な情報を取りに行き、タスクを明確化する方向に進化していくと期待されています。Manusはユーザーの指示やフィードバックを継続的に学び、ユーザー独自の好みや書式、ツールの使い方などを「ノウハウ」として蓄積できる仕組みを強化中です。
5-2. 新たなツール・API連携
すでに金融データやSNSデータへのアクセスを整備している一方、さらに広範なAPIとの連携が進められます。将来的にはクラウド上の高度な3Dグラフィックスソフトや、モバイルアプリのUI自動操作など、多種多様な分野でManusが“仮想社員”として働く時代が来るかもしれません。
5-3. エコシステムの発展
多数のスタートアップがAIエージェント分野に参入しており、「Manusがあらゆる領域のツールに横断的につながるプラットフォームになる」というシナリオも浮上しています。とくにセキュリティや認証の分野ではサービス同士の協業が必須であり、エージェント技術全体の基盤整備が期待されています。
AIエージェント「Manus」は、ブラウザやエディタなどの操作をクラウド上で実行し、多様なAPIやツールに接続することで「自律的に仕事を完遂してくれるAIパートナー」として生まれました。開発チームは「ユーザーがコストを意識せずAIを活用できるようにする」「自前モデルではなく高性能LLMを適切に呼び出す」「ユーザーへの使い勝手を最優先に考える」という基本方針のもと、日々アップデートを行っています。
今後は、より多種多様なデータソースやツールとの連携、セキュリティ面の整備、エージェント同士の協調などが進むことで、人間の業務や生活のあらゆるシーンにAIエージェントが自然に溶け込んでいくでしょう。「紙とペン」しか持たないAIから、「実際に手足を使って行動する」AIへ――Manusは、その先駆けとして大きな可能性を秘めています。
引用
「Manusは、LLMに“手”を与えるプロジェクトです。思考だけではなく、実世界のツールを操作してこそ、AIが本当の意味で業務に役立つ存在になると考えています。」
このようにManusは、従来の対話型AIを超えて「手」を持つ存在へと進化を遂げようとしています。次の世代のAIは、人間が入力した命令をただこなすだけではなく、自ら道具を使い、クラウドを行き来し、複雑なタスクを柔軟にこなしながら成果物を生み出してくれる――そんな未来が、すぐそこに来ているのかもしれません。
関連記事
