Guaardvark

Guaardvark を選ぶ理由

• 自分のマシンで動作します。 言語モデル、検索、エージェント、すべての生成機能は、Ollama、ComfyUI、Guaardvark 独自の GPU サービスを通じて、自分のハードウェア上で動作します。クラウド API キーも、トークン単位や分単位の料金もなく、情報が外部に送信されることもありません。Web アクセス、投稿、その他すべての外部への通信経路は、有効化または起動するまで無効のままです。これらはすべて、1 つのファイル egress.json で宣言されています。
• 1 回のインストールでスタジオ全体がそろいます。 チャットと RAG、画面操作エージェント、コーディングスウォーム、完全なメディアパイプラインが、1 つのオーケストレーターを通じて 1 台の GPU を共有します。そのため、動画のレンダリングと言語モデルは VRAM を奪い合わず、順番に実行されます。
• コーディングエージェントから操作できます。 組み込みの MCP サーバー、15 個のエージェントスキル、Claude Code、Grok Build、Antigravity 向けのプラグインにより、Claude Code、Grok、Antigravity、Cursor、Codex、Gemini CLI などのエージェントから、あらゆるワークフローを実行できます。「この曲からミュージックビデオを作成する」「この脚本を撮影する」「このキャラクターの LoRA をトレーニングする」「このリファクタリングをスウォームで実行する」といった指示が可能です。
• 重要な操作は承認できます。 明示的に承認しない限り、投稿も音声のクローン作成も行われません。また、Guaardvark が自身のコードに加える修正は、レビューを受けるまで保留されます。許可リストに追加しない限り、MCP サーバーではデスクトップ、シェル、ブラウザーのツールは表示されません。

クイックスタート

NVIDIA GPU 搭載の Linux（動画には 16 GB、Wan 2.2 5B には 12 GB が必要です。チャット、RAG、エージェントはより少ない容量でも動作します。ハードウェアの目安を参照してください）。新規の Ubuntu デスクトップには curl と git が入っていないため、最初に sudo apt install -y curl git を実行してください。

curl -fsSL https://guaardvark.com/install.sh | bash

次に http://localhost:5173 を開きます。スクリプトはこのリポジトリの install.sh です。~/guaardvark にクローンし、初回実行時にすべてをインストールする ./start.sh を実行します。実行前に内容を確認するには、先にダウンロードしてください（curl -fsSL https://guaardvark.com/install.sh -o install.sh を実行し、内容を読んでから bash install.sh を実行します）。または、手動でインストールしてください。

Claude Code に追加する（クローン不要の 2 行）：

/plugin marketplace add guaardvark/guaardvark
/plugin install guaardvark@guaardvark

その他の方法：Docker · Apple Silicon 搭載 Mac · PyPI から CLI をインストール · 完全なインストールガイド。現在のリリースは VERSION ファイルに記載されています。

特徴

• 手持ちのファイルとチャット。 pgvector を使ったローカル RAG：クエリごとにキーワード検索とベクトル検索を融合し、クロスエンコーダーで再ランキングして、出典を引用します。回答の根拠となるチャンクとスコアを確認できる検索機能も備えています。Autoresearch が一晩かけて検索を調整します。 ▶ エピソード 3
• プランモード。 /plan で有効にすると、まず各リクエストを読み取り専用ツールで調査し、承認、編集、または却下できるプランカードとして提示します。承認された手順は一つずつ実行され、いずれかが失敗すると一時停止します。プランモードのテストに合格したモデルでのみ、この機能を利用できます。
• 実際のデスクトップ上で動作するエージェント。 画面操作エージェントには専用の Ubuntu デスクトップが割り当てられ、ビジョンモデルで画面を認識し、クローズドループ制御でクリックしながら、実際のブラウザーで作業します。どのページからでも作業を見守れます。 ▶ エピソード 4
• 並列コーディングエージェント。 それぞれ専用の git worktree で動作するコーディングエージェント群が、依存関係の順に統合されます。Claude Code で実行するか、Ollama を使ってすべてローカルで実行できます。
• 双方向の MCP。 一つのコマンドで Claude Code、Cursor、Codex、Gemini CLI、Zed などに接続できる MCP サーバーと、ほかのサーバーのツールをチャットで使うための MCP クライアントを備えています。 ▶ エピソード 21 · ▶ エピソード 16
• 動画生成。 5 系統のローカル動画モデル 13 種（Wan 2.2、LTX、HunyuanVideo、CogVideoX、専用サウンドトラック付きの MiniMax H3）、動画 LoRA、バッチキュー、フレーム補間、ComfyUI へのワンクリック連携を備えています。 ▶ エピソード 6
• LoRA のトレーニングとキャラクターの一貫性。 手持ちの GPU で数枚の参照写真からキャラクター、環境、小道具の LoRA をトレーニングできます。ほかの場所でトレーニングした LoRA のインポートにも対応し、画像、動画、ミュージックビデオ、Film Crew の作品全体で同じキャラクターを維持できます。 詳細
• 画像。 Z-Image、FLUX.1、Krea 2、SDXL、Sana Sprint による画像生成（8 GB のカードでも、1024 ピクセルの静止画を数秒で生成）、指示による写真編集、インペインティングとアウトペインティング、4K／8K アップスケーリングに対応しています。 ▶ エピソード 5
• 音楽と音声。 ボーカル付きのフル楽曲、効果音、3 種類のニューラルテキスト読み上げエンジン、同意を必須とする音声クローニング、ハンズフリーの音声チャットを備えています。 ▶ エピソード 7
• ディレクター。 ビートに同期するミュージックビデオのディレクター、ログラインから完成動画を制作する5役の Film Crew、内蔵動画エディターを備えています。 ▶ エピソード 8 · ▶ エピソード 9
• 自己改善。 Guaardvark の一部の仕組みについて質問すると、確認済みの file:line リンク付きで、ソースに基づいて回答します。自身への変更は、計画とチェックを経て実施され、チェックに失敗すると元に戻されます。ボタン一つで変更を取り消せます。System Map は実際のインポート情報からコードベース全体を図示します。 ▶ エピソード 11 · ▶ エピソード 14
• コマンドセンター。 GPU オーケストレーター、VRAM の使用量をリアルタイムで管理するプラグインマネージャー、ジョブとスケジューリング、スキーマ対応バックアップ、複数マシン間の Interconnector を備えています。 ▶ エピソード 12
• ターミナルと API。 対話型 REPL を備えた guaardvark CLI、REST、Socket.IO を利用できます。 ▶ エピソード 20

モデル、ツール、プラグイン、ページの完全な一覧は、CAPABILITIES.md に記載されています。

自分のファイルとチャット（ローカル RAG）

ドキュメントをアップロードし、プロジェクトごとにナレッジベースを構築して、質問できます。回答はファイルの内容に基づいており、情報の出典も示します。

• ハイブリッド検索。 Postgres の全文キーワード検索とベクトル検索を組み合わせ、クエリごとに重み付けを行います。識別子のようなクエリではキーワードを重視し、文章では意味を重視します。
• クロスエンコーダーによる再ランキング。 再ランキングモデル（Settings でインストールするものを 1 つ選択）は、クエリと文章を合わせて読み、候補の順序を変更します。空き VRAM を考慮して利用し、画像や動画の生成と競合する場合は CPU に切り替えます。
• レイアウトを考慮した解析。 PDF、DOCX、PPTX は読み取り順序とセクション見出しを考慮して解析され、PDF の文章には出典ページが付与されます。（スキャンしたドキュメントには OCR が必要ですが、デフォルトではインストールされません。その場合は空の文書としてインデックス化せず、その旨を示します。）
• 根拠を示す引用。 各チャンクにはソースファイルとセクションの階層（PDF の場合はページも）が含まれ、埋め込みテキストにも書き込まれます。そのため、ドキュメントの途中から取り出した文章でも、出典が分かります。
• スマートなチャンク分割。 コードは AST の情報に基づいてチャンク分割されるため、関数は 1 つのチャンクにまとまります。文章は意味に基づいて分割されます。
• Postgres を基盤としたベクトルストア。 埋め込みは他のデータと並んで pgvector に保存され、ANN インデックスと永続化された全文検索インデックスを備えています。同じバックアップの対象になります。
• 検索の処理内容を可視化。 ライブ検索テストでは、回答の根拠となった実際のチャンクとスコアを確認できます（エピソード 3）。また、各クエリでは実行された検索経路のトレースを取得できるため、回答の品質低下と検索の誤りを区別できます。
• その他： インデックスプロファイル（同じドキュメントを複数の方法で表現）、コーパス全体の要約（「これらすべてに共通するテーマは何か」）、300M から 4B+ までの埋め込みモデルの選択、エンティティ抽出、プロジェクトごとの分離。

Autoresearch が寝ている間に検索をチューニングします。 夜間のループでチャンク分割と検索設定の変更を提案し、LLM-as-judge の評価基盤でスコアを付け、改善は採用し、悪化は元に戻します。実行は実時間の予算、実行台帳、サーキットブレーカーによって制限されます。朝のレポートでは、何がなぜ変わったのかが分かります。

1 つのチャットボックス、3 つの応答速度。 すべてのメッセージは 3 段階のルーターを通り、適切な回答を得る最速の経路が選ばれます（エピソード 2）。

デスクトップツールとビジョンツールは、エージェントの画面がアクティブな間だけモデルに提供されます。

実際のデスクトップとブラウザーを使うエージェント

Guaardvark のエージェントは実際の Ubuntu デスクトップ（ディスプレイ :99 上の Xvfb と XFCE）を操作します。VNC でボックスに接続した場合に表示されるものと同じアプリケーションメニュー、デスクトップアイコン、タスクバーを使います。エージェントはビジョンモデルで画面を確認し、マウスを動かしてクリックや入力を行い、ブラウジングして、自分の作業を確認します。デスクトップはあなたの環境から分離されており、独自の XDG_DESKTOP_DIR と XDG_CONFIG_HOME を使うため、エージェントのファイルや設定があなたのセッションと衝突することはありません。

• ひとつのビジョンブレイン。 Gemma4 は画面を認識し、次のアクションを判断して、ひとつの推論呼び出しでクリック座標を返します。
• 閉ループのターゲティング。 サーボが動作し、カーソルが実際に着地した位置を確認して、対象に合うまで修正します。モデルから実際に見えていない対象は拒否します。
• リアルタイムの推論。 各ステップ（アクション、対象、推論、ループが行き詰まったときの方針転換）が発生と同時にチャットへストリーミングされ、履歴にも残るため、どの実行も監査できます。
• 決定論的なレシピ。 よく使うブラウザー操作（移動、タブ、戻る・進む、検索、ズーム、ブックマーク、YouTube 検索）は、ビジョンループではなくレシピライブラリから即座に実行されます。また、読み込み前にすべてのレシピで安全性の境界が確認されます。
• 完了したなら、完了です。 エージェントは、画面上で証拠を示せる場合にのみタスクの完了を宣言します。
• 作業を見守る。 どのページでも、エージェントのデスクトップをドラッグやサイズ変更ができるビューアーで表示できます。ポップアウトウィンドウにも対応しています。

並列コーディングエージェント（Swarm）

複数のコーディングエージェントを一度に起動します。それぞれが独自のブランチ上にある分離された git worktree で動作します。結果は、依存関係の順序に基づく競合検出、任意のテスト検証、ライブダッシュボードを備えた状態でマージされます。

• バックエンド： Claude Code、または Ollama モデル上で完全にローカル実行される Cline/OpenClaw。
• Flight Mode を使うとスウォームをオフラインにできます。タスクはローカルバックエンドのみで実行されます。
• Git worktree による分離： 各タスクに独自のブランチと作業ディレクトリが割り当てられ、.git ディレクトリは共有されます。
• 依存関係を考慮したマージ： トポロジカルソートによって基盤となる変更を先に反映し、実際のマージ前にドライランで競合を確認し、統合前にテストを実行します。
• REST API のひな形作成、リファクタリングと抽出、テストカバレッジの拡大などのテンプレート。
• ライブダッシュボード： ステータス、タスクごとのログ、コスト、経過時間、ディスク使用量を表示します。デフォルトではエージェントを一度に 5 つ実行し、ダッシュボードでは最大 20 個まで表示できます。

Film Crew は同じオーケストレーター上で動作します（ディレクターを参照）。

MCP サーバー、エージェントスキル、エージェントプラグイン

Guaardvark は Model Context Protocol に双方向で対応しています。あらゆる MCP クライアントにツールを公開し、ほかの MCP サーバー上のツールを呼び出すこともできます。エピソード 21 では、5 つのコーディングエージェント（ローカルモデル上の opencode、Codex、Cursor、Grok、Antigravity）が、Guaardvark を通じて画像、動画クリップ、曲、音声を作成しています。

• ワンコマンドでセットアップ。 python -m backend.mcp install を実行すると、マシン上のエージェントクライアント（Claude Code、Codex、Cursor、Grok、Antigravity、opencode、Claude Desktop、Zed、Gemini CLI）を検出し、既存ファイルをバックアップしてほかのエントリには触れずに、各クライアントの設定に guaardvark サーバーのエントリを書き込みます。python -m backend.mcp doctor は、サーバーのセルフテスト、実際の stdio ハンドシェイク、古いクライアント設定のスキャンを実行して、セットアップの問題を診断します。
• Claude Code プラグイン。 /plugin marketplace add guaardvark/guaardvark を実行し、続けて /plugin install guaardvark@guaardvark を実行します。Guaardvark のチェックアウト先を尋ね、そこから MCP サーバーを起動し、すべてのスキルを /guaardvark:<skill> として読み込みます。
• Grok Build プラグイン。 grok plugin marketplace add guaardvark/guaardvark を実行し、続けて grok plugin install guaardvark --trust を実行します。プラグインリポジトリを固定されたコミットでインストールし、すべてのスキルを読み込みます。チェックアウト先で python -m backend.mcp install を実行すると、サーバーがその場所を検出します。
• Antigravity プラグイン。 チェックアウト先で agy plugin install .agents/plugins/guaardvark を実行します。Antigravity でリポジトリを開いても読み込まれます。15 個のスキル、MCP サーバー、簡潔な操作ガイドが含まれています。
• エージェントスキル。 .agents/skills/ には、Agent Skills 形式で、各ワークフローに対応するスキル（画像、動画、ミュージックビデオ、Film Crew、音声、音楽、アップスケーリング、Cast と LoRA のトレーニング、Hugging Face モデルのオンボーディング、スウォーム、ナレッジ、コード、アウトリーチ、運用、セットアップ）が用意されています。これにより、Claude Code、Cursor、Codex、OpenClaw は各タスクで呼び出すツールを把握できます。python -m backend.mcp install --skills はスキルを ~/.claude/skills にリンクし、Antigravity には単独のサーバーエントリではなくプラグインを設定します。
• サーバーとして： python -m backend.mcp（stdio）または python -m backend.mcp http（127.0.0.1:8788/mcp でストリーミング可能な HTTP。デフォルトではループバックのみ）。python -m backend.mcp list-tools は現在のツール一覧を出力します。生成ツールはデフォルトでキューに登録され、get_generation_status 用のバッチ ID を返します。すべての呼び出しにはタイムアウトが強制適用されます。
• デフォルト拒否ポリシー（backend/mcp/config.py）：デスクトップ制御、エージェント制御、システムとシェル、ブラウザー自動化、テスト実行、MCP メタツールは、許可リストに追加しない限り非表示になります。承認が必要なツールも同様です。デフォルトで 50 を超えるツール（RAG、ファイル、生成、メモリ、コード検索、ウェブ）と、読み取り専用の guaardvark://outputs/ リソースが公開されます。
• クライアントとして： mcp_connect と mcp_execute を使用します。現在のインベントリにより、チャットモデルはほかの MCP サーバーのツールを名前で見つけて利用できます。監査ログ、タイムアウト、サーキットブレーカーが組み込まれています。

詳しくは docs/mcp.md をご覧ください。

ローカルでの動画、画像、音楽、音声の生成

すべての生成処理は GPU 上で実行されます。クラウド API も分単位の課金もありません。

動画生成

MiniMax H3には、24 GBおよび48 GBカード向けの非プルーニング済みInt8版とBF16版もあり、動画モデルは全部で13種類です。

• 解像度： 512、576、720、1280、1920 px（1080p）。各モデルに合わせて調整されます。
• 品質レベル： 高速（10ステップ）、標準（30）、高画質（40）、最高（50）。各モデルには良好にレンダリングできる最小ステップ数が設定されており、それを下回るプリセットは最小値まで引き上げられます（WanとMiniMax H3は20）。MiniMax H3には、蒸留LoRAによる8ステップおよび4ステップのターボプロファイルもあります。
• RIFEによるフレーム補間（1xは元のまま、2xはフレームレートを2倍、2x＋アップスケール）、プロンプト拡張スタイル（Cinematic、Realistic、Artistic、Anime、またはraw）、WanとCogVideoX向けの低VRAMモード、およびプロンプトリスト向けのバッチキューに対応しています。
• ComfyUI連携： ワンクリックでノードエディターを開き、カスタムワークフローを作成できます。WanとLTXはComfyUI経由で動作します。LTX-2.5にはComfyUI ≥ 0.32.0と、Lightricks/LTX-2.5での初回ライセンス承認（.env内のHF_TOKEN）が必要です。ダウンロード後の生成はローカルで行われます。
• MiniMax H3は映像と音声を一度の処理で生成します。Guaardvarkがプロンプトをモデルの構造化形式（カット時刻、話者ID、タグ付きの会話を含む番号付きショット）に変換し、Film Crewが各シーンを、指定された発話ウィンドウに合わせてレンダリングします。MiniMax H3 Community Licenseに基づいてライセンスされており、MiniMaxの申請フォームが必要な地域としてEU、英国、韓国、米国が記載されています。Video Modelsダイアログにはライセンスとリンクが表示され、H3クリップを含む投稿には「Generated with MiniMax H3」の行が追加されます。
• 動画生成には16 GBクラスのカードが必要です。ただし、Wan 2.2 5Bは11 GBから使用できます。docs/HARDWARE.mdを参照してください。

LoRA のトレーニングとキャラクターの一貫性

独自の GPU で LoRA をトレーニングし、Guaardvark が作成するすべてのコンテンツで、同じキャラクター、場所、オブジェクトを使い続けられます。

• 数枚の写真から、キャラクター、環境、プロップの LoRA を作成できます。 Cast Library で参照写真を追加し、生成されたサンプルを承認してからトレーニングします。LoRA Trainer はデフォルトのベースとして Z-Image Turbo（古いセットアップでは SDXL）を使用し、bf16 でトレーニングします。512 px、400 ステップ（ランク 16）で 5 枚の写真からトレーニングしたキャラクター LoRA のサイズは、約 33 MB です。
• 一貫したキャラクター。 Images、Video Generator、Music Video の各ページで Cast メンバーを選ぶか、Film Crew の Casting ロールに割り当ててもらいます。静止画とキーフレームはそのキャラクターの LoRA でレンダリングされ、動画モデルがそれらのキーフレームに動きを付けます。そのため、すべてのショットは同じキャラクター LoRA で作成されたフレームから始まります。
• ほかの場所でトレーニングした LoRA をインポートできます。 Ostris AI-Toolkit、kohya、diffusers/PEFT で作成した .safetensors LoRA を Cast メンバーに添付できます。Z-Image Turbo と FLUX.1 Dev のレイアウトに対応しており、保存前にキーのレイアウトが検証されます。
• 動画 LoRA。 トレーニングに使用したモデルの Hugging Face URL から動画 LoRA を追加し、Video Generator で選択します。ComfyUI の Wan 2.2、LTX、HunyuanVideo、MiniMax H3 ワークフローに読み込まれます。速度向上 LoRA はカタログに用意されています。MiniMax H3 用の 8 ステップおよび 4 ステップのターボプロファイルと、Wan 2.2 14B 用の実験的な 4 ステップ Lightning プロファイルがあります。
• Hugging Face の 画像 LoRA も同じ方法で追加でき、対応するモデルでのみ使用できます。

画像とアップスケーリング

• 画像生成では、Z-Image、FLUX.1、Krea 2、SDXL、Stable Diffusion 1.5 のファインチューニングモデルを使用できます。プロンプトリストまたは CSV を使ったバッチ実行や、人体構造の制御にも対応しています。
• 写真編集では、指示による編集（Qwen-Image-Edit、FLUX.1 Kontext）、インペインティング、アウトペインティング、背景の削除が可能です。Images ページから、またはチャットから直接操作できます。
• 任意の Hugging Face モデル（チェックポイントまたは LoRA）を URL から追加できます。
• 4K および 8K のアップスケーリングを GPU 上で実行できます。HAT-L（最高品質の復元）からアニメ向けに調整された Real-ESRGAN の各種モデルまで、9 種類のモデルを使用できます。2 パスモード、オプションの torch.compile を使用した FP16/BF16、フレーム単位の動画アップスケーリング、オプションの監視フォルダーに対応しています。モデル一覧は CAPABILITIES.md をご覧ください。

音楽、サウンド、音声

Audio Foundry プラグインは、GPU を共有管理しながら 3 つのオーディオバックエンドを実行するため、互いに干渉したり、Ollama と VRAM を取り合ったりしません。

• 音楽： ACE-Step v1（3.5B）は、ボーカル入りの楽曲やインストゥルメンタルを作成します。ジャンル、ムード、楽器のチップを選択できます。また、オプションの LLM「Polish」処理を使うと、平易な英語の説明を ACE-Step のタグ語彙に変換し、対応するネガティブプロンプトを作成できます。オプションでインストールできる ACE-Step 1.5 には Arrange ステップがあります。曲の説明を入力し、自分で歌詞を追加するか歌詞の作成を任せた後、作曲前に生成されたカード（キャプション、テンポ、キー、拍子、言語）を編集できます。歌詞のある曲は、説明に言語（「スペイン語で歌う」など）を指定するか、カードの Language で言語を選ばない限り、英語で歌われます。インターフェースが別の言語に設定されている場合、Audio Studio はその言語でそのことを知らせます。
• FX Lab： 効果音や短い環境音の作成に Stable Audio Open を使用します。
• ニューラル音声： メインのテキスト読み上げエンジンとして Chatterbox、高速な代替エンジンとして Kokoro、ナレーション用に Piper を使用します。チャットの読み上げ、チャット内の発話（「これを声に出して」）、動画のナレーション、ボイスチャットに利用できます。
• 音声クローン： オプトイン方式です。クローンの作成または使用の前に、明示的な同意を求めます。参照音声はユーザーの管理下に置かれ、意図せず録音された音声がクローンされることはありません。
• ボイスチャット： ローカルの Whisper 音声テキスト変換、アプリ全体で使うマイク 1 台、ハンズフリーでの会話、すべてのチャット返信に表示される読み上げボタンに対応しています。
• 生成された音声はアプリ内プレーヤーで再生できます。

ディレクター：映画制作チーム、ミュージックビデオ、エディター

映画制作チームは、5つの役割を通じて1行のアイデアを完成した動画に仕上げます。キャスティングとストーリーボードの段階では、人による確認が入ります（エピソード 9）。

ビートに合わせてカットするミュージックビデオ（エピソード 8）。曲、スタイルプロンプト、短い物語を指定します。Guaardvark がテンポとビートを分析し、カットごとに個別のプロンプトを作成し、カットごとにストーリーボードの静止画をレンダリングします（キャラクターの同一性を保つため、任意でキャラクター LoRA を使用できます）。動画の GPU 処理を始める前に、承認を求めて一旦停止します。その後、画像から動画を生成するモデルで各静止画をアニメーション化し、クリップをビートに合うように組み立てます。RIFE のフレーム補間で滑らかな動きを実現します。組み立てには Shotcut の melt を使用します（設定については plugins/video_editor/README.md を参照してください）。

動画エディター。 クリップをビンに追加し、曲を選んで「Plan」を押すと、アートディレクターがカットを構成します。ディレクター向けの指示で調整した後、「Render」で MLT プロジェクトと MP4 を出力できます。元に戻す機能とキーボードショートカットも備えています。別のテキストオーバーレイツールでは、ffmpeg drawtext を使って9か所の位置にキャプションを配置できます。

自己改善、システムマップ、コードインテリジェンス

• 自己改善。 Guaardvark は自らテストを実行し、コーディングエージェントにエラーとソースコードを調査させ、修正案を作成して検証し、レビュー用の保留中の修正として準備します。自動で修正を適用する機能は、有効にしない限りオフのままです。モードは3種類あります。スケジュール実行（6時間ごと）、リアクティブ（サーバーエラーが繰り返し発生した後）、指示実行（ユーザーが指定したタスク）です。コードベースロックですべての変更を停止でき、学習内容はインターコネクターを通じて他のマシンと共有できます（エピソード 11）。
• 自己分析と自己編集。 Guaardvark 自身についての質問（「シードボックスは値をどこに保持しているか？」など）をすると、システムマップを起点に、関連する可能性が高いファイル、名前を指定して読み込まれる関数、その呼び出し元、テストを調べます。回答中の各 file:line は、該当ファイルと照合されます。自身のコードを変更する場合は、まず計画を立て、変更対象のファイルを復元ポイントにコピーし、構文チェック、インポートチェック、対象ファイルをカバーするテストを実行します。いずれかに失敗した場合は、ファイルを元に戻します。チャットカードと「自己改善」ページから変更を取り消せます。
• システムマップ。 チェックアウト内のすべての Python モジュールと JavaScript モジュールを、実際のインポートに基づいて描画する、力学ベースの星座図です。ライフサイクルタグ（アクティブ、休止中、自動読み込み、テスト、スクリプト、設定）と、自己改善エージェントに渡せる優先順位付きの調査結果が表示されます。エージェントはレビュー用に修正案を準備します。チャットまたは MCP 経由で system_map_query を使うか、/sysmap <question> を使ってコードについて質問できます。たとえば、機能がどこにあるか、関数を呼び出すものは何か、モジュールに依存するものは何か、変更後にどのテストを実行すべきか、といった質問ができます（エピソード 14）。
• コードインテリジェンス。 タブとアシスタントペインを備えた Monaco コードエディターに、リポジトリマップ、依存関係グラフ、AST 対応の検索機能（get_repository_map、read_ast_node、search_code。MCP 経由でも利用可能）を搭載しています。AI によるコードの書き込みはすべて、コードベースロックの背後にある、検証済みの厳密置換ゲートを通過します。

プライバシーと安全性

• デフォルトでローカル。 設定して送信しない限り、データ、モデル、LoRA、生成メディアはお使いのマシン上に留まります。すべての外部送信経路は scripts/inbound_guard/egress.json に記載されており、設定を変更するか人が有効にするまでオフです。モデルはインストール時、またはディスク上にないモデルを初めて使うときにダウンロードされます。ウェブアクセスは設定のスイッチで有効にでき、デフォルトではオフです。
• オフラインで動作。 モデルをダウンロードしておけば、チャット、RAG、エージェント、生成はインターネット接続なしで動作します。また、Swarm には専用のフライトモードがあります。
• 承認。 公開、アウトリーチの下書き、保留中のコード変更は、それぞれ専用のタブがある「承認」ページで保留されます。
• チャットモデルがアクセスできる範囲。 モデルが記述した Python と JavaScript は、ネットワークなしで実行されます（Linux では bubblewrap のネットワーク名前空間内で実行され、作成できない場合は実行されません）。ただし、設定 → チャットで「実行するコードのインターネットアクセス」をオンにした場合を除きます。ウェブ取得は、チャットで指定されたサイト、またはそのチャット内で実行した検索結果に含まれるサイトのみを対象とします。外部ホストを指定する、ホストされた AI クライアントをインポートする、または TLS チェックを無効にする自己編集には、毎回承認カードが表示されます。
• MCP はデフォルトで拒否。 デスクトップ、エージェント制御、シェル、ブラウザー、テスト用のツールは、許可リストに追加しない限り MCP クライアントから隠されます。
• 受信ガード。 scripts/check_inbound.py は、コードが取り込まれる前に、プルリクエスト内と製品内でコードを読み取り、強制モードではリスクのある変更を人が確認できるよう保留します。
• Uncle Claude は、Anthropic の API を呼び出す任意利用のセカンドオピニオンおよびコードレビュアーです。環境に ANTHROPIC_API_KEY が設定されていない場合、何も送信しません。キーが設定されている場合も、起動したときだけ動作します。ただし、次の 2 つの設定のいずれかを変更した場合は異なります。
  • 起動時： チャットで /claude … を実行すると、そのメッセージと直近 10 件のメッセージが送信されます。「接続をテスト」では固定のテスト行が送信されます。依頼したアドバイスでは GPU メモリの数値が送信されます。依頼に応じてエージェントが行ったコード変更は、ファイルの抜粋（最大 3,000 文字）と差分がレビュー用に送信されます。
  • エスカレーション：常時（設定、デフォルトではオフ）：すべてのチャットメッセージと直近 10 件のターンが Anthropic に送信され、ローカルの回答は Claude の回答に置き換わります。
  • 定期送信（設定 → Uncle Claude、デフォルトではオフ）：1 日 2 回のアドバイス（時刻、ノード ID、GPU 名、メモリ）と、自己改善ループが自動で行う変更のレビュー（ソースの抜粋と差分）が送信されます。
  • レビューによって何かが適用されることはありません。ステージ済みの修正も、引き続きお客様の確認を待ちます。使用量は月間トークン予算に対して計上されます。

脆弱性を報告するには、SECURITY.md をご覧ください。

さらに充実した組み込み機能

• 承認制のアウトリーチ。 Reddit、YouTube、Discord、Facebook のスレッドへの返信を作成します。自身のインデックス済みドキュメントに基づき、キューに入る前に関連性を評価します。承認するまで投稿されることはありません。Reddit、YouTube、Facebook への投稿は、Agent Screen を見ながら一度に 1 件ずつ実行されます。キルスイッチ、プラットフォームごとの投稿頻度制限、JSONL 監査ログを備えています。
• ファイルとプロジェクト。 フォルダーをウィンドウとして表示し、ドラッグ＆ドロップや右クリックメニューを備えた、デスクトップスタイルのファイルマネージャーです。クライアント、プロジェクト、ウェブサイト、メモを相互にリンクし、再帰的にインデックス化します。ファイルはブラウザー内蔵のプレーヤーやビューアーにストリーミングされるため、コーデックパックがなくても動画を再生でき、ダウンロードの完了前に PDF の表示が始まります。
• ルール、プロンプト、レッスン、メモリー。 持ち運び可能なルールのバンドル、良い実行結果からエージェントに学習させるレッスン、チャットをまたいで保持される「remember …」メモを備えています。
• チャット、/imagine による画像生成、自身のインストール環境を対象にした検索のための Discord bot プラグイン。
• WordPress（オプトイン）：自身のサイトから固定ページや投稿を取り込み、コンテンツを一括生成して、サイトに反映できます。
• マルチマシン・インターコネクター。 承認ゲート、コードとデータの同期、学習内容の共有を備えたマスターノードとクライアントノード。
• 運用機能。 ジョブとスケジューリング（Celery beat）、スキーマを考慮したバックアップと復元、GPU と CPU のライブ監視、ヘルスチェックと GPU メモリーオーケストレーターを備えたファーストパーティプラグイン 11 種。

Guaardvark の比較

ローカル AI のエコシステムには、チャット UI、RAG ワークスペース、ノードグラフ型メディアパイプライン、コーディングエージェント、アシスタントゲートウェイなど、それぞれの用途に優れたツールがそろっています。Guaardvark の目指す方向は異なります。1 台の GPU 上に 1 つインストールするだけで、GPU オーケストレーターが全体を調整するスタジオとして機能します。

各列はカテゴリーの一般的な特徴を示しており、特定のプロジェクトを指すものではありません。いくつかのプロジェクトは、一部の点でカテゴリーの範囲を超えています。

特定の機能だけが必要なら、優れた専門ツールをお使いください。Open WebUI のようなチャット UI、ComfyUI のようなノードグラフ（Guaardvark からワンクリックで連携できます）、AnythingLLM のような RAG ワークスペースなどがあります。Guaardvark は、1 台のマシンにスタジオ全体を揃えたい場合に最適です。

実際のシステムが実際の作業を行う様子を、システム内蔵の音声エンジンによるナレーション付きで短い画面録画にまとめました。プレイリスト全体を見る。

ビートに同期したミュージックビデオ（短い動画を見る）：スタイルのプロンプトと短い物語を入力するだけです。Guaardvark が各ショットのプロンプトを作成し、絵コンテを生成し、動画をレンダリングして、曲から検出したビートに合わせて編集しました。（グリッチ効果は後から Shotcut で追加し、曲は Suno で作成しました。）

その他のスクリーンショットは guaardvark.com でご覧いただけます。

要件

お使いのマシンはどのクラスですか？ docs/HARDWARE.md では、CPU のみ、8～12 GB、設計目標の 16 GB、または 24 GB 以上の余裕がある場合に実行できる機能を説明しています。

* Wan 2.2 5B の下限は 11 GB です。11 GB のカードでは手動で選択でき、12 GB 以上では自動選択されます。12 GB でのフルレンダリングはまだ確認されていません。他の動画モデルファミリーにはすべて 16 GB クラスのカードが必要です。docs/HARDWARE.md をご覧ください。

プラットフォーム。 主な対象は NVIDIA カード 1 枚を搭載した Linux です。Apple Silicon もサポートしており、GPU 機能は Metal で利用できます（現時点で利用できる機能については INSTALL.md をご覧ください）。WSL2 経由の Windows は検証中です。

Guaardvark の実行

手動でインストールする

git clone https://github.com/guaardvark/guaardvark.git
cd guaardvark
./start.sh

1 行のインストーラーも同じ処理を行い、~/guaardvark にクローンします（GUAARDVARK_HOME=/path で変更できます）。再実行すると既存のインストールが更新されます。初回実行時には、Python 3.12、仮想環境、Node の依存関係、PostgreSQL、Redis、Ollama、Whisper.cpp、データベースのマイグレーション、フロントエンドのビルド、およびすべてのサービスをまとめてセットアップします。PostgreSQL のセットアップ時にシステムパスワードを 1 回求められます（Linux の新規インストールでは、apt パッケージのインストール時にも求められる場合があります）。

./start.sh                    # Full startup with health checks
./start.sh --fast             # Reuse venv + node_modules as they are: no installs, no frontend build, no preflight
./start.sh --test             # Health diagnostics
./start.sh --plugins          # Start all enabled plugins
./start.sh --external-ollama  # You run Ollama yourself; never started or stopped by these scripts
./stop.sh                     # Stop Guaardvark (and only the Ollama that start.sh launched)
./stop.sh --keep-ollama       # Stop Guaardvark, leave Ollama running whoever started it
./stop.sh --all               # Also stop your own `ollama serve` and the systemd service

./start.sh より前から実行中の Ollama は、そのまま引き継がれ、再起動されません。また、./stop.sh を実行しても停止しません。どちらかのポリシーを恒久的に適用するには、Settings → Product Profile → Ollama で切り替えるか、.env に GUAARDVARK_OLLAMA_KEEP_RUNNING=1／GUAARDVARK_OLLAMA_EXTERNAL=1 を設定してください。

プロファイルを選ぶ

初回起動時に、この環境で Guaardvark を何に使うかを尋ねられます。Creator ではメディアのワークフロー（画像、動画、音声、Film Crew、LoRA、アップスケーリング）が表示され、エージェント、ナレッジインデックス、アウトリーチ、自動化はインストールされたまま、目立たない位置に置かれます。Workstation ではすべてが利用できます。どちらも出発点であり、上限ではありません。Settings → Product Profile で切り替えるか、./start.sh --profile creator を実行してください。詳しくは backend/profiles/README.md をご覧ください。独自のディストリビューションの構築については docs/EXTENSIONS.md をご覧ください。

操作方法を確認する

インターフェースの多くの機能は、右クリック、ドラッグ、またはキー操作ですぐに使えます。ダッシュボードのカードやほとんどのリストにあるメニュー、移動やサイズ変更ができるカード、Files に直接ドロップしたファイルやチャットに追加した画像、現在のページを認識するフローティングチャット、ハンズフリー音声、キーボードショートカットを表示する ? などがあります。docs/interface.md ですべてを説明しています。

高速化

チャットとエージェントの応答時間は、いくつかの設定に左右されます。特に記載がない限り、すべて Settings にあります。システムを使い始める間は、状況を把握しやすいよう初期設定されています。安心して使えるようになったら、次の設定を切り替えてください。

• Thinking mode をオフにします。 拡張推論（/thinking、または Settings のチャットの思考に関する初期設定）を有効にすると、毎回の応答で長い推論処理が追加されます。オフにすれば、簡単な質問には1、2秒で回答します。
• 開発者向けの切り替え項目をオフにします。 RAG Debug、Verbose Logging、LLM Debug はそれぞれ、リクエストごとの処理を増やします。
• 信頼できるモデルを1つ選び、使い続けます。 モデルを切り替えるたびに、GPU 上の重みが解放され、再読み込みされます。常駐し続ける中規模モデルのほうが、切り替えを繰り返す大規模モデルより優れています。
• VRAM を使う他の処理に注意します。 生成処理は GPU の空きを待ちますが、VRAM を確保しているアイドル状態のサービス（音声モデル、画像パイプラインなど）があると、すべての処理の開始が遅くなります。Plugins ページで、どのサービスが何を確保しているか確認できます。

CLI

pip install guaardvark

このパッケージは guaardvark コマンドです。Typer、Rich、prompt_toolkit で構築されています（Episode 20 で使い方を説明しています）。設定されたポートで実行中のバックエンドと通信するか、GUAARDVARK_ROOT またはカレントディレクトリから見つけたチェックアウトで start.sh を実行してバックエンドを起動します。チェックアウトが見つからない場合は、「Guaardvark installation not found」というメッセージを表示して終了します。MCP クライアントは、pip でのインストールとチェックアウトを使って guaardvark mcp serve を実行し、サーバーを起動できます。

guaardvark                              # Interactive REPL
guaardvark status                       # System dashboard
guaardvark chat "explain this codebase" # Chat with RAG context
guaardvark search "query"               # Semantic search
guaardvark files upload report.pdf      # Upload and index
guaardvark plugins list                 # ComfyUI / Ollama / …
guaardvark gpu status                   # VRAM and owner lock
guaardvark mcp install --client cursor  # Wire Guaardvark into Cursor
guaardvark completion zsh               # Shell completion script

/imagine <prompt>       Generate an image (inline preview in Kitty/iTerm)
/video <prompt>         Generate a video from text
/voice <text>           Text-to-speech (plays locally)
/agent [on|off|shot]    Screen-agent mode; shot = desktop screenshot
/web [images|chat]      Open the web UI on the real frontend port
/ingest <path>          Index files or directories for RAG
/plugins list|start     GPU / service plugins
/gpu status|release     VRAM and owner lock
/audio tts|music|sfx    Audio Foundry
/swarm run <prompt>     Parallel agents in worktrees
/lessons begin|end      Lesson pearls
/skills                 List SKILL.md files
/help [query]           Full command reference, or one command

アーキテクチャ

Browser / CLI (PyPI: guaardvark) / MCP Client (Claude Desktop, Cursor, etc.)
    | HTTP + WebSocket / stdio MCP
    v
Flask (about 96 API modules, auto-discovered) + Socket.IO
    |
    +-- AgentBrain (3-tier routing: Reflex → Instinct → Deliberation)
    |
Service Layer (many modules; plugin sidecars for heavy GPU work)
|-- Agent Executor (ReACT + 100+ registered tools + BrainState)
|-- Screen Control (See-Think-Act-Verify + live reasoning stream)
|-- RAG + Autoresearch + Entity extraction
|-- Self-Improvement (detect/fix/verify/broadcast + guardian)
|-- Generation (image/video/audio/voice/content)
|-- Swarm + Film Crew (isolated worktrees + 5-role pipeline)
|-- Servo + Vision Pipeline
|-- System Mapper / Repo intelligence (AST dependency graphs)
|-- GPU Memory Orchestrator + Plugin runner (CUDA sidecar safety)
\-- Interconnector (multi-machine sync + cluster)
    |
+---+---+---+---+---+
v   v   v   v   v   v
PostgreSQL  Redis  Ollama  Agent Display (:99, on-demand)  ComfyUI / Audio Foundry (plugins)
            Celery

ロードマップ

短期

• 動画エディターに手動編集可能なタイムラインを追加します。ドラッグして順序を変更し、カットごとにトランジションを設定できるほか、プランにテキストオーバーレイを追加できます。
• 動画のレンダリングで ComfyUI を起動するのと同じように、各パイプラインが独自のサービス（ミュージックビデオ、Film Crew、画像、音声）を起動するようにします。
• メモリとコンテキストの予算をモデルに合わせて調整し、埋め込みを使ったセマンティックメモリの想起を実現します。
• X への投稿機能を、エンドツーエンドで検証したうえで提供します。
• Audio Studio から Music Video ページへ曲を直接送れるようにします。

長期

• 複数マシン構成向けのクラスターダッシュボードを追加します。フリート、ルーティング、ノードのリアルタイム状態を確認できます。
• JavaScript と TypeScript 向けの AST レベルのコードツールを追加します。
• 同意と電子透かしに対応した歌声クローン機能を提供します。

ロードマップ対象外： クラウドをデフォルトとすること、または SaaS ホスティングを主な利用形態とすること。ローカル優先がこの製品の方針です。

FAQ

Guaardvark は私のデータをどこかに送信しますか？ いいえ、機能を有効にしない限り、送信されません。モデルはローカルで実行され、すべての外部通信経路（モデルのダウンロード、ウェブ検索、投稿、Discord ボット、リモート Ollama）は egress.json で宣言されており、設定を変更するか、誰かが開始するまでオフのままです。

オフラインでも使えますか？ はい。使用するモデルをダウンロードしてあれば使えます。ウェブ検索、投稿、Discord ボットなど、設計上ほかのサービスに接続する機能のみ、接続が必要です。

どのようなハードウェアが必要ですか？ NVIDIA GPU を 1 基搭載した Linux が必要です。チャット、RAG、音声、コーディングスウォームは CPU のみで動作します。8～12 GB で、ベクトル RAG、画面エージェント、画像、アップスケーリング、音楽を利用できます。動画生成には 16 GB クラスのカードが必要です。詳細は docs/HARDWARE.md をご覧ください。

macOS や Windows で動作しますか？ Apple Silicon に対応しており、GPU 機能は Metal を通じて利用できます。INSTALL.md をご覧ください。WSL2 経由での Windows 対応は検証中です。

Claude Code、Cursor、Codex から使えますか？ はい。クイックスタートにある 2 行のコマンドで Claude Code プラグインをインストールするか、python -m backend.mcp install を実行して、検出されたすべてのエージェントクライアントに MCP サーバーを接続してください。MCP サーバー、エージェントスキル、エージェントプラグインをご覧ください。

ComfyUI や Open WebUI との違いは何ですか？ それぞれ、特定の分野に優れています。Guaardvark はチャット、RAG、エージェント、コーディングスウォーム、メディアパイプライン全体を、1 つの GPU を共有する 1 つのインストール環境にまとめています。また、ノードグラフを使いたい場合は、ワンクリックで ComfyUI に引き継げます。Guaardvark の比較をご覧ください。

無料ですか？ はい。Guaardvark は MIT License のもとでオープンソースとして公開されており、実行にかかる費用はご自身のハードウェアと電気代のみです。

参加する

Guaardvark はオープンソース（MIT）で、開発の過程を公開しています。ボットを試す、小規模な PR を送る、お使いの環境で発生した不具合を報告するなど、参加するための簡単な手順をご案内します。

1. コミュニティに参加する

2. 実行する

1 行のクイックスタートを使うか、手動でインストールしてください。Web UI → http://localhost:5173 · API → http://localhost:5000（macOS：5055）。
詳細：INSTALL.md · エージェントのメンタルモデル · 機能一覧：CAPABILITIES.md

3. 最初に取り組む課題を選ぶ

初心者向けの課題には good first issue ラベルが付いており、それぞれに受け入れ条件と明確な対象外の一覧があります。募集中の課題がない場合は、以下の安全な領域から始めるのがおすすめです。

重要な PR は 24～48 時間以内にレビューすることを目指しています。

4. 安全な貢献領域とリスクの高い領域

エージェントのレシピ、ルールとレッスンのバンドル、スキル、エージェント指示ファイルはメンテナーが作成します。新しい動作を追加するには、その内容を説明する Issue を作成してください。セットアップ、スタイル、PR に関する要件の詳細は、CONTRIBUTING.md をご覧ください。

Guaardvark を使用するコーディングエージェントは、まず AGENTS.md と、その運用上の契約である AGENT_GUIDE.md を確認してください。人間でもエージェントでも、貢献者は CONTRIBUTING.md に従ってください。製品内では、AI によるコードの書き込みはすべて、検証済みの単一のゲート guarded_code_service.py::apply_exact_replacement を通過します。

5. その他の支援方法（コード不要）

• リポジトリにスターを付け、短いデモを共有する（画面エージェント、Film Crew、または Discord の /imagine）
• GPU モデルと logs/ のログを添えて、インストール時の問題を報告する（Issue、または [email protected] へのメール）
• すぐに使えるようになってほしいワークフローを提案する

プロジェクトを支援する

Guaardvark が役に立った場合は、開発を支援できます。

• Ko-fi（手数料ゼロ！）
• GitHub Sponsors
• PayPal

興味を持ったら、リポジトリにスターを付けてください。他の人が見つけやすくなります。

質問、インストール時の問題、フィードバックは [email protected] までお寄せください。報道、提携、ビジネスに関するお問い合わせは [email protected] までお願いします。

ライセンス

MIT License — Copyright (c) 2025-2026 Albenze, Inc.

「Guaardvark」™ と Guaardvark のロゴは、Albenze, Inc. の商標です。MIT License の対象はコードであり、名称ではありません。事前の許可なく名称を使用できる範囲については、TRADEMARK.md をご覧ください。