OpenMake

ローカルモデル、オープンウェイトモデル、OpenAI 互換モデルのためのオープンソース AI ワークスペース兼エージェントランタイム。

OpenMake は、専門モデル・エージェント・MCP ツール・リサーチ・サンドボックス実行を
ひとつのセルフホスト型ワークスペースで連携させます。

ライブデモ · ドキュメント · ロードマップ · エンジニアリングログ

Local-first · Self-hosted · Multi-model · Agents · MCP · BYOK

English · 한국어 · 日本語 · 简体中文 · Deutsch

_{ひとつのリクエスト、複数のモデル: Planner が Web 検索・推論・画像生成を実行し、チャットモデルが出典を確認して、引用と生成画像付きで回答します。実行中のアプリから録画(早送り)。}

本書は英語版 README.md の日本語訳です。内容が異なる場合は英語版とコードを正とします。

---

クイックスタート

curl -fsSL https://raw.githubusercontent.com/openmake/openmake_llm/main/install.sh | bash

新しいマシンでは、インストーラーが前提条件とフルスタックまでセットアップします(下記参照)。bash -s -- --minimal を付けるとアプリのみをインストールします — ツールチェーン(Node.js 24、Docker、PM2)を確認し、新しいシークレットで .env を作成、PostgreSQL と Redis を起動し、OpenMake をビルドして PM2 で起動したうえで、ヘルスチェックまで行います。

表示された URL を開いて管理者としてサインインし、モデルを接続してください — ローカルの vLLM・Ollama サーバー、または OpenAI 互換エンドポイントが使えます。

Linux と macOS で動作します(Windows は WSL2 内で)。手動セットアップ、オプション、アップデート、リバースプロキシについては セルフホスティングガイド を参照してください。

ワンライナーは OS に合ったインストーラーに引き継ぎます — Linux・WSL2 は install_linux.sh、macOS は install_mac.sh。新しいマシンでは最初に質問をまとめて受け付け、前提条件(macOS: Xcode コマンドラインツール・Homebrew・Colima(Docker) · Linux: ディストリビューションのパッケージ・Docker Engine)とフルスタック(scripts/env/omk.sh — LiteLLM ゲートウェイ・SearXNG・サンドボックスイメージ・社内 HTTPS・バックアップ・再起動後の自動起動)をセットアップします。対話なしでインストールするには、モデルバックエンドも指定してください: --yes --dgx-host <host> --vllm-api-key <key> または --yes --llm-provider <name> --llm-model <id> --llm-api-key <key>。

---

なぜ OpenMake か

多くのセルフホスト型 AI インターフェースは モデルと対話する ためのものです。OpenMake は モデル・ツール・エージェントを連携させ、実際の仕事をさせる ことを目的に設計されています — 自分で管理するインフラ上で、すべてのステップを確認できる形で。

プロジェクト	主な役割
Ollama / vLLM	モデルを動かす
Open WebUI	セルフホスト型インターフェースでモデルを使う
Dify	AI アプリとワークフローを構築する
OpenHands	ソフトウェア開発のためのエージェント
OpenMake	汎用的な AI の仕事のために、モデル・エージェント・ツールを連携させる

これらは異なるレイヤーのプロジェクトで、排他的ではありません。OpenMake は vLLM でローカルモデルを提供し、Ollama サーバーをモデルエンドポイントとして使うこともできます。

---

仕組み

flowchart TB
    R["リクエスト"] --> O["OpenMake<br/>計画 · ルーティング · 承認"]
    O --> M["モデル<br/>テキスト · ビジョン · 画像 · 音声 · 埋め込み"]
    O --> A["エージェント<br/>タスク · サブエージェント · リサーチ"]
    O --> T["ツール<br/>MCP · ブラウザ · ファイル · コードサンドボックス"]
    M --> X["回答 · コード · レポート · アーティファクト"]
    A --> X
    T --> X

単純な質問はそのままチャットモデルへ送られます。画像、文字起こし、Web 検索、複数ステップの作業など、それ以上が必要なリクエストは、割り当てたモデルとツールで動くタスクに分割され、チャットモデルがその結果をもとに最終回答を書きます。

モデルを選ぶのはあなた。モデル同士の連携は OpenMake が担います。

---

できること

• テーマを調査し、複数の検索ソースに基づく出典付きレポートを受け取り、PDF・DOCX に書き出す。
• ローカルモデルとチャットしながら、添付した画像は別のビジョンモデルに読ませる。
• 画像生成、読み上げ、文字起こしを依頼する — リクエストごとに、その機能に割り当てたモデルが処理します。
• エージェントに目標を任せる — 計画を立て、Web を調べ、ファイルを編集し、Docker サンドボックスでコードを実行し、リスクのある手順の前には承認を待ちます。
• MCP で外部サービスに接続する(Notion、Context7、Tavily、NotebookLM など)、または Claude Code 形式のプラグインやスキルをインストールする。
• 自分のマシンのフォルダーでエージェント作業を実行する — OpenMake Companion アプリまたは OpenMake Code CLI から。

領域	対象
モデル	vLLM + LiteLLM ゲートウェイ、Ollama または任意の OpenAI 互換エンドポイント、BYOK プロバイダー、ChatGPT サブスクリプションログイン
オーケストレーション	Planner、モデルロール、機能ごとのモデル、並列の機能タスク
エージェント	複数ターンのタスク、サブエージェント、承認、スケジュール実行、テンプレート、ローカル実行
リサーチ・ツール	ディープリサーチ、組み込みツール 23 種、MCP カタログ、スキル、拡張機能
成果物	ストリーミング回答、アーティファクト、HTML/PDF/DOCX レポート、ファイル、生成メディア

タスク別の使い方は ユーザーマニュアル にあります。

---

モデルとルーティング

OpenMake は、ひとつのモデルにすべてを任せることを前提にしていません。

OpenMake
 ├── LiteLLM ゲートウェイ (OpenAI 互換)
 │    ├── vLLM ─────────── ローカル / オープンウェイトモデル
 │    └── BYOK プロバイダー ─ OpenRouter · NVIDIA NIM · Ollama Cloud · Open AI Service Hub · B.AI
 ├── 直接接続 ──────────── ChatGPT サブスクリプションログイン
 └── 機能ごとに割り当てる専門モデル
      ├── テキスト · コード
      ├── ビジョン · OCR
      ├── 画像生成 · 編集
      ├── 音声認識 · 音声合成 · 動画
      └── 埋め込み

• モデルロール — agent、judge、research、spawn、review、summary、planner ごとにモデルを選びます。ユーザーは各自で設定し、管理者は既定値を決め、日次・月次のトークン予算付きでサーバー共用キーを共有できます。
• 機能ごとのモデル — ビジョン、画像生成、音声、動画、コードを処理するモデルを割り当てます。割り当てのない機能は、黙って別のモデルに切り替えず、利用できないと通知します。
• BYOK(自分のキーを使う) — プロバイダーキーは AES-256-GCM で暗号化して保存し、リクエストごとにゲートウェイへ渡します。レート制限、クレジット不足、利用制限のあるモデルは、汎用的な上流エラーではなくその理由のまま通知します。
• コンテキスト保護 — プロンプト(画像を含む)をモデルのコンテキスト長と照合し、はみ出す入力は呼び出し前に削り、どうしても収まらないリクエストは監査記録とともに 413 を返します。
• ローカルモデルの自動検出 — ゲートウェイの背後にあるモデルを起動時に検出するため、推論サーバーでモデルを入れ替えてもコード変更は不要です。
• 比較モード — 同じプロンプトを 2 つのモデルに送り、回答を並べて比較します。

---

エージェントランタイム

エージェントタスクは、ツールを呼び出す複数のターンにわたって目標を進めます。エージェントは次のことができます:

• ターンの終わりごとにチェックポイントを残し、タスクの状態を引き継ぐ
• 承認ポリシー(手動・自動・スキップ)のもとでツールを使う
• 添付ファイルを扱い、Excel や PDF などの成果物を作る
• 隔離された Docker ワークスペースでシェルや Python のコードを実行する
• 許可リストで外部通信を制限した別のブラウザコンテナから Web を閲覧する
• 独立した作業を並列のサブエージェントに分ける
• 目標を達成できなかった場合、偽の「完了」ではなく目標判定で 未達成 を報告する

現在利用可能

• ✓ 一時停止・再開・キャンセルができ、サーバー再起動後も復旧する永続タスク
• ✓ エージェントの手順・スキル・拡張機能・MCP サーバーをまとめて扱う 承認 画面
• ✓ テンプレート、スケジュール実行、タスク結果の共有
• ✓ OpenMake Companion(macOS)または OpenMake Code CLI によるローカル実行 — パス範囲の制限、コマンド確認ゲート、git worktree による隔離

オプトイン — 既定では無効です。.env で有効にします:

設定	有効になる機能	前提条件
TASK_SANDBOX_ENABLED=true	タスクごとの永続 Docker ワークスペース	infra/mcp-runtime をビルドしてから infra/task-runtime をビルド
LOCAL_EXECUTOR_ENABLED=true	ユーザーのマシンでのツール実行	bridge スコープの API キーで接続した OpenMake Companion または CLI
AGENT_TASK_QUEUE_ENABLED=true	全体・ユーザー単位の同時実行上限	—

docker build -t openmake-mcp-runtime:latest infra/mcp-runtime
docker build -t openmake-task-runtime:latest infra/task-runtime

計画中

• ○ 実行グラフ — 各ノードが依存関係・権限・リトライ・完了条件を持つ計画。現在保存される計画はステップの平坦なリストです。
• ○ 宣言的ポリシーエンジン — 現在の承認ゲートを超えて、サーバーが強制する権限レベル。
• ○ ターン内の耐久性 — ツール呼び出し単位の記録により、途中で中断したターンを安全に再実行する。
• ○ スコープ付きメモリ — 出典と有効期限を持つ作業・エピソード・意味メモリ。

---

リサーチ・ツール・アーティファクト

ディープリサーチ — 質問をサブトピックに分けて並列に検索し、ソースを読み、分割して要約したうえで出典付きレポートを書きます。Wikipedia、Google News、DuckDuckGo はキーなしで動作し、SearXNG・Google カスタム検索・Naver・Kakao は設定すると検索範囲が広がります。

組み込みツール — Web 検索・ファクトチェック、ページ抽出・クロール、画像分析・OCR、計画、コード・セキュリティレビュー、スキルの読み込み、Git からのインポートなど 23 種。多くのツールは必要なターンにだけ提示し、プロンプトを小さく保ちます。

MCP — カタログ(Tavily、Context7、Notion、NotebookLM、カカオマップ、OpenDART など)からサーバーをインストールするか、独自に登録します。stdio サーバーはそれぞれ専用の Docker コンテナで、権限の削減・非 root ユーザー・任意の読み取り専用ファイルシステムのもとで実行でき、リモートサーバーは OAuth でサインインします。

スキル・拡張機能 — プラグイン、スキル、カスタムエージェント、MCP サーバーを Git・zip・マーケットプレイスからインストールします。Claude Code の慣習(ツール名、$ARGUMENTS、commands/、agents/、同梱スクリプト)はインストール時にこの環境へ合わせて変換され、確認が必要なものはすべて承認画面に届きます。

アーティファクト — 回答をサンドボックス化されたライブプレビューとして描画し、レポート依頼は PDF・DOCX に書き出せる HTML アーティファクトになり、共有アーティファクトは別オリジンのビューアーで配信します。

連携 — スコープ付き API キーを使う OpenAI 互換 API(/api/v1/chat/completions)、Discord ゲートウェイボット、割り当て前にモデルを比較できる OpenMake Bench。

---

アーキテクチャ

flowchart TB
    subgraph clients["クライアント"]
        WEB["Web アプリ · Next.js"]
        NATIVE["Companion (macOS) · Code CLI"]
        APIC["OpenAI 互換 API · Discord ボット"]
    end
    clients -->|"REST · WebSocket"| API["API サーバー · Express 5 + TypeScript"]
    API --> PIPE["メッセージパイプライン<br/>認証 · ポリシー · プロンプトとツールの組み立て"]
    PIPE --> PLAN["Planner"]
    PLAN --> CAP["機能タスク"]
    PIPE --> AGT["エージェントランタイム<br/>タスク · 承認 · チェックポイント"]
    PIPE --> TOOLS["ツール · MCP"]
    CAP --> LLM["LLMClient<br/>コンテキスト保護"]
    AGT --> LLM
    TOOLS --> LLM
    LLM --> GW["LiteLLM ゲートウェイ"]
    GW --> VLLM["vLLM · ローカルモデル"]
    GW --> EXT["BYOK プロバイダー"]
    API --- PG[("PostgreSQL")]
    API --- RD[("Redis")]
    AGT --- SB["Docker サンドボックス<br/>タスク · MCP · アーティファクト"]
    TOOLS --- SB

• ひとつの実行経路 — ローカルモデルと外部モデルが同じストリーミングディスパッチとツールループを共有します。ディスカッションとディープリサーチは、ディスパッチ前に分岐する別モードです。
• Planner → 機能タスク → 統合 — simple の計画はモデル呼び出しを増やしません。multi の計画は実行前にチェック(割り当て、キーの状態、クォータ)され、タスクは依存レベルごとに並列実行され、成功したメディアだけが回答に添付されます。
• モデルの決定 — モデルを呼び出すすべてのサブシステムは、ロールまたは機能を通じてモデルを決めます: ユーザー設定 → 管理者の既定値 → 組み込みの既定値。
• 途切れても続くストリーミング — ブラウザのタブがバックグラウンドに回ったりソケットが切れたりしても生成は続き、クライアントは同じ回答に再接続します。
• 単一ホスト設計 — アプリケーションは PM2 で、PostgreSQL・Redis・すべてのサンドボックスは Docker で動かします。

レイヤー	技術
バックエンド	Node.js 24、Express 5、TypeScript(strict)、Zod、Winston
フロントエンド	Next.js 16、React 19、Zustand、Tailwind CSS 4、next-intl(ko · en · ja · zh · de)
データ	パラメーター化した生 SQL による PostgreSQL(ORM なし)、Redis
LLM	vLLM、LiteLLM ゲートウェイ、openai SDK
エージェント・ツール	Model Context Protocol クライアント v2、Docker で隔離したサンドボックス
ネイティブクライアント	SwiftUI(macOS Companion、iOS は開発中)、Node CLI — packages/local-bridge-core を共有

設計原則

モデルを呼び出すのは簡単です。AI を安定して運用するのは簡単ではありません。 難しいのは、状態の維持、権限の強制、安全な実行、障害からの復旧、そして何が起きたかの証明です。OpenMake はこれらを中心に作られています:

• 状態 — タスク・ステップ・チェックポイントを永続化し、再起動をまたいで作業を続けます。
• 権限 — RBAC、スコープ付き API キー、承認ポリシー、エージェントツールでの認証情報ファイルの保護。
• 隔離 — エージェントのコード、MCP サーバー、アーティファクトを、権限・メモリ・ネットワークを制限した Docker で実行します。
• 復旧 — 明確な失敗理由、一時的なエラーのリトライ、再開可能なタスク。
• 監査可能性 — アラートと連動した監査ログと、ステップ単位のタスク履歴。
• 回答前の追加呼び出しを最小限に — 別の分類器ではなく、モデルが同じターンの中でツールを選びます。残っている回答前の呼び出し(Planner と LLM によるエージェントルーティング)は計測しながら見直しを続けています。

---

デプロイ

参考構成は、アプリケーションホスト 1 台と推論ホストの組み合わせです:

Application host                                   Inference host (GPU)
┌──────────────────────────────────────────┐       ┌──────────────────────┐
│ PM2: API · web                           │       │ vLLM                 │
│ Docker: PostgreSQL · Redis · sandboxes   │ ────► │ chat · embedding ·   │
│ LiteLLM gateway (OpenAI-compatible)      │       │ image models         │
└──────────────────────────────────────────┘       └──────────────────────┘

すべてを 1 台で動かすことも、モデルエンドポイントにホスティング型プロバイダーを使うこともできます。

日々の運用は openmake_llm.sh で行います:

./openmake_llm.sh start     # PostgreSQL → Redis → アプリ、続けてログを表示
./openmake_llm.sh status    # ポート、コンテナ、PM2 の状態
./openmake_llm.sh update    # git pull(fast-forward のみ)→ ビルド → マイグレーション → 再起動
./openmake_llm.sh deploy    # ビルド → マイグレーション → 再起動（.env に OMK_LITELLM_CONFIG があれば DGX モデル名も同期）
./openmake_llm.sh stop

インストーラーが動作する .env を作成します。主な項目:

変数	用途
LLM_BASE_URL · LLM_API_KEY · LLM_DEFAULT_MODEL	OpenAI 互換のモデルエンドポイント
LLM_GATEWAY_PROVIDERS	ゲートウェイ経由の BYOK プロバイダー
DATABASE_URL · REDIS_URL	データストア
JWT_SECRET · API_KEY_PEPPER · TOKEN_ENCRYPTION_KEY	シークレット(未設定なら初回起動時に生成)

すべての項目は .env.example にあり、多くの運用設定は 管理 → システム設定 から実行中に変更できます。データベースのマイグレーションは起動時に自動適用されます。公開アドレスが必要な場合は、インストール時に --public-url https://chat.example.com を指定してください。Caddy の設定は scripts/caddy/ にあります。

---

開発

git clone https://github.com/openmake/openmake_llm.git
cd openmake_llm
npm install

npm run dev                 # API + Web
npm test                    # 共有パッケージをビルドしてから Jest 単体テスト
npm run test:e2e            # Playwright (chromium + webkit)
npm run lint                # ESLint

apps/
├── api/             Express 5 API — チャットパイプライン、オーケストレーター、エージェント、MCP、データ
├── web/             Next.js Web アプリ
├── cli/             OpenMake Code — ローカルブリッジ CLI
├── desktop-native/  OpenMake Companion — SwiftUI メニューバーアプリ (macOS)
├── ios/             SwiftUI iOS クライアント (開発中)
└── discord-bot/     Discord ゲートウェイボット
packages/            共有型、API 契約、設定、API クライアント、ローカルブリッジコア
db/                  ベーススキーマとマイグレーション
infra/               サンドボックスとデータストア用の Docker イメージと compose ファイル

---

ロードマップ

現在 — 提供中	次	その後
ロール・機能ルーティングを備えたマルチモデルゲートウェイ	実行グラフ	スコープ付きメモリ
永続タスクランタイム: チェックポイント、一時停止・再開、再起動後の復旧、ターン内の耐久性	宣言的ポリシーエンジンと承認待ち	組織、プロジェクト、マルチテナンシー
Add-on契約・マニフェスト、ツール、MCP ゲートウェイ、承認、Docker サンドボックス	再利用可能なワークフローとナレッジ空間	SSO(OIDC、SAML)、予算、デプロイ承認
ディープリサーチ、アーティファクト、ローカル実行ブリッジ、独立Knowledge Worker	複数セグメントタスクのレビューと検証ハーネス	エアギャップ環境へのインストール、HA、Kubernetes

方向性は定まっていますが、スケジュールは約束ではありません — リリースに含まれていない機能は計画として扱ってください。詳細: openmake.cc/roadmap。

---

エンジニアリングログ

OpenMake はオープンに開発しています。実装メモ、失敗、トレードオフ、運用で得た教訓を随時公開しています:

• Six months serving vLLM on a DGX Spark(英語)
• 分離を作ったのに、本番では何もしていなかった
• 四回とも、テストは緑だった
• 計画と実行をつなぐ作業を、三回に分けてやった
• 推論バックエンドを一日で載せ替え、その請求書を十三日かけて払った
• 失敗したあとに、できることが何もなかった
• プロキシを迂回せずに大容量ファイルをアップロードする

毎週の内容は 週次開発ログ にもまとめています — 最新: W42。

---

コントリビューション

バグ報告、修正、ドキュメント、新しいスキルや MCP 連携など、どのような貢献も歓迎します。

• ブランチを作成し、main に対してプルリクエストを送ってください。コミットは Conventional Commits(feat、fix、refactor、docs、test、chore)に従います。
• 規約: TypeScript strict モード、Zod による検証、パラメーター化した生 SQL(ORM なし)、設定の外部化 — モデル名・マジックナンバー・インラインプロンプトをハードコードしません。
• PR の前に: npm run lint と npm test が通ること、スキーマ変更にはマイグレーションを含めること、新しい環境変数は .env.example に記載すること、UI の変更にはスクリーンショットを添えること。

CI はすべてのプッシュとプルリクエストで CI Gate(テスト → ビルド → サイズ → lint)をひとつ実行します。

コミュニティ・連絡先 — 質問やセルフホスティングの相談: [email protected]。OpenMake が役に立ったら、スターを付けていただくと他の開発者が見つけやすくなります。

ライセンス

Apache License 2.0 のもとで公開しています。