OpenSquillaは、トークンコストを削減するオープンソースのマイクロカーネルAIエージェントフレームワークです。

OpenSquillaとは何ですか？

OpenSquillaは、オープンソースで自己ホスト型のトークン効率の高いマイクロカーネルAIエージェントランタイムであり、「同じ予算でより高い知能密度」を実現することを重視しています。最小限のマイクロカーネルアーキテクチャ（コア部分はわずか約100行のコード）を採用し、ローカルMLモデルルーティング、適応型推論深度、4層構造の認知メモリシステム、オンデマンドスキルロードにより、トークンコストを60～80%削減します。OpenAI、Anthropic、DeepSeek、Geminiなど、20以上の主要なLLMプロバイダーをサポートし、組み込みの階層型セキュリティサンドボックス、マルチチャネル統合ゲートウェイ（Web/Slack/Lark/DingTalkなど）、豊富なツールセットを備えています。また、OpenClawおよびHermes Agentからの移行ツールも提供しています。

OpenSquillaの主な機能

SquillaRouter スマートルーターローカルのLightGBM + ONNX分類器は、メッセージ長、言語、コードブロック、キーワード、および意味埋め込みスコアを統合し、タスクを4つのレベル（T0～T3）で最も安価なモデルに自動的に振り分けます。分類プロセスはすべてデバイス上で実行されます。
適応型推論深度高度な推論は複雑なクエリに対してのみ有効になり、単純な質問では推論トークンは消費されません。システムプロンプトは、タスクの複雑さに応じて自動的に調整され、過剰な消費を防ぎます。
複数のLLMプロバイダーへの統一アクセスOpenRouter、OpenAI、Anthropic、Ollama、DeepSeek、Gemini、Qwen/DashScope、Moonshot、Mistral、Groqなど20以上のプロバイダーをサポートし、プライマリモデルとバックアップモデル間の自動切り替えにも対応しています。
4層構造の認知記憶アーキテクチャワーキングメモリ、エピソードメモリ、意味メモリ、原始メモリ、サポートベクター意味検索（sqlite-vec）+ BM25キーワード検索+ 自動メモリ減衰と「バブル」プロモーション+ ドリームモード（アイドル時間中に新しいスキル候補を自動的に凝縮）。
MetaSkillsの構成可能なワークフロー構成可能なワークフローオーケストレーション、メタスキルクリエーターによるセルフサービス作成、10種類以上の組み込みスキルとN種類以上のコミュニティスキルの自動取得をサポートし、ドリームモードでのリプレイ再生と自己進化をサポートします。
階層化された安全砂場分離レベルは、標準、厳格、ロックの3段階が用意されています。Linux環境では、システムコールレベルの分離（CPU/メモリ/実行時間/ネットワーク）にBubblewrapを使用し、Dockerを使用せずにサーバーレス環境にデプロイできます。
統合ゲートウェイとマルチチャネルアクセス: Starlette ASGI に基づくローカルゲートウェイ (デフォルト)127.0.0.1:18791Web UI、CLI、Slack、Discord、Telegram、Lark、DingTalk、WeChat Work、QQ、Matrixなどは、同じTurnRunnerループを共有しています。
豊富な組み込みツールセット主な機能は以下のとおりです。ファイルの読み書きおよび編集、シェルおよびバックグラウンドプロセス、Git、Web検索（Brave/DuckDuckGo）、SSRF保護、PPT/Word/Excel/PDF生成、画像生成、TTSなど。
コスト追跡と割り当て管理トークンと手数料はラウンド/セッションごとに集計され、組み込みのクォータフックにより自動的に費用を節約し、過剰支出を防ぎ、より洗練されたコスト管理を実現します。
マイクロカーネルプラグインアーキテクチャコアオーケストレーターはわずか100行程度のコードで構成されており、ステートマシンとパイプラインのオーケストレーションを担当します。プロバイダー、メモリ、チャネル、ツール、サンドボックスなど、すべての機能は「ユーザー空間」のプラグインとして実行され、プラグインのクラッシュはコアに影響を与えません。

WeChatでフォローして「オープンソース”参加するAIオープンソースプロジェクトに関するディスカッショングループ

OpenSquillaの使い方

環境準備と設置システムにPython 3.12以降がインストールされていることを確認してください。 uv このツールを使用すると、Windows、macOS、Linuxを含むすべてのプラットフォームに対応したOpenSquilla（現在のバージョンは0.3.1）をワンクリックでインストールできます。
初期化設定：走る opensquilla onboard デフォルトのLLMプロバイダー、APIキー、メモリ保存パス、セキュリティサンドボックスポリシー（標準/厳格/ロック）の設定など、初期ブート構成を完了します。
ローカルゲートウェイを起動します：埋め込む opensquilla gateway run Starlette ASGI をベースとした統合ゲートウェイを起動します。このゲートウェイはデフォルト設定に基づいて動作します。 127.0.0.1:18791ブラウザアクセス http://127.0.0.1:18791/control/ ウェブコンソールにアクセスしてください。
複数のLLMプロバイダーを設定するOpenAI、Anthropic、DeepSeek、Gemini、Qwen、Moonshotなど20以上のプロバイダーのAPIキーをコンソールまたは設定ファイルに追加し、プライマリモデルとバックアップモデルを設定し、SquillaRouterを有効にして自動ルーティングを実行します。
Web UI を介して操作するコンソールにタスクを直接入力すると、システムが自動的にモデルルーティング、推論深度判定、メモリ取得、ツール呼び出しを実行し、各ラウンドのトークン消費量とコストをリアルタイムで表示します。
マルチチャネルプラットフォームへのアクセスSlack、Discord、Telegram、Lark、DingTalk、WeChat Work、QQ、Matrixなどのチャネル向けにWebhookまたはボットトークンを設定することで、複数のプラットフォーム間で同じエージェントを共有できるようになります。
メタスキルの活用と作成: 組み込みのスキルを使用して一般的なタスクを処理するか、 meta-skill-creator セルフサービス作成機能により、ワークフローを組み合わせることが可能です。ドリームモードを有効にすると、システムがアイドル状態のときに自動的に新しいスキル候補を生成します。
メモリとコンテキストの管理このシステムは、ワーキングメモリ、コンテキストメモリ、セマンティックメモリ、プリミティブメモリの4層アーキテクチャを自動的に維持し、メモリエントリの手動表示と編集、および自動減衰とバブル促進戦略の設定をサポートします。
セキュリティサンドボックスの設定Linux環境でBubblewrapのシステムコールレベルの分離を有効にすることで、CPU、メモリ、実行時間、ネットワークアクセスを制限し、Dockerを使用せずにシェル操作やファイル操作を安全に実行できます。
監視と割り当て管理コンソールで各ラウンド／セッションのトークンと手数料の概要を確認し、割り当てしきい値を設定することで、支出を自動的に削減し、予算超過を防ぐことができます。
データ移行（オプション）OpenClawまたはHermes Agentから移行する場合は、公式の移行ツールを使用して、記憶、パーソナリティファイル、スキル、チャンネル構成をインポートし、競合をプレビューして解決してください。

OpenSquillaの公式ウェブサイトアドレス

プロジェクト公式サイト: https://opensquilla.ai/zh/ または https://opensquilla.ai/
GitHubリポジトリ：https://github.com/opensquilla/opensquilla

OpenSquillaの主な利点

トークンコストが60～80％削減ローカルMLインテリジェントルーティング、適応型推論深度、Promptオートスケーリング、オンデマンドスキルロードにより、同じ予算でより高いインテリジェンス密度を実現します。
ミニマリストのマイクロカーネルアーキテクチャコアオーケストレーターのコードは約100行程度で、すべての機能はプラグインとしてユーザー空間で実行されます。プラグインが1つクラッシュしてもコアには影響せず、コアのアップグレードによってプラグインが動作しなくなることもありません。
ローカルインテリジェントモデルルーティングSquillaRouterはLightGBM+ONNX分類器を使用してデバイス上でローカルにスコアリングを実行し、クラウドルーティングのオーバーヘッドをゼロにして、利用可能な最も安価なモデルに4つのレベル（T0～T3）で自動的にタスクを割り当てます。
4層認知記憶システム作業記憶、エピソード記憶、意味記憶、および原始記憶の階層的管理を特徴とし、ベクトル検索、BM25キーワード検索、自動減衰、および「バブリング」促進をサポートしており、使用すればするほど記憶の精度が向上します。
適応推論とプロンプト高度な推論は複雑なクエリに対してのみ有効になり、単純な質問では推論トークンは消費されません。システムプロンプトは、タスクの複雑さに基づいて自動的にスケーリングされ、過剰な呼び出しを回避します。
システムレベルのセキュリティサンドボックスBubblewrapはLinux上で使用され、CPU、メモリ、実行時間、ネットワークのシステムコールレベルの分離を実現することで、Dockerを必要とせずにサーバーレス環境への安全なデプロイを可能にします。
マルチチャネル統合ゲートウェイStarlette ASGIをベースとしたローカルゲートウェイにより、Web UI、CLI、Slack、Discord、Telegram、Lark、DingTalk、WeChat Workなどのアプリケーションが同じTurnRunnerループを共有できるため、プラットフォーム全体をカバーするためのデプロイメントを一度行うだけで済みます。
メタスキル自己進化組み合わせワークフロー、セルフサービス作成、自動コミュニティ検索をサポートします。ドリームモードと組み合わせることで、アイドル時間中に新しいスキル候補を自動的に集約し、エージェントの能力を継続的に進化させることができます。

OpenSquillaと類似製品との比較

寸法	OpenSquilla	OpenClaw	Hermes Agent
建築	マイクロカーネル、5層構造、ミニマルなコア、プラグインの自動スキップとロールバック機能。	プラグインのエコシステムは成熟しているが、階層が多すぎる。	単一エンティティの同期メインループ、論理的に密接に結合
コスト最適化	MLルーティング、推論階層、プロンプトキャッシュ、オンデマンドスキルにより、60～80%のコスト削減を実現。	プライマリ/セカンダリモデルチェーンは設定ファイルにハードコードされているため、自動的に選択されません。	キーワードと単語数のみに基づいて大まかな判断を下すと、単一ルート
MetaSkills	組み合わせ可能なワークフロー + セルフサービス作成 + コミュニティベースの自動検索 + 夢の進化	メタプロトコル層を介さずに、プロンプトによって連結されたスキルチェーン。	再利用可能なワークフロー抽象化はなく、毎回ゼロから書き直す必要がある。
メモリシステム	ベクトル + キーワード + 重複排除 + 劣化 + バブルソート + 自動転送	崩壊／泡立ち／多様性の再編成は見られるが、4層構造の認知構造は欠如している。	キーワード検索のみ。意味記憶機能を利用するには外部プラグインが必要です。
安全サンドボックス	システムコールレベルの分離、Docker不要、サーバーレス環境に適しています。	Dockerも選択肢の一つです。OpenShellは軽量ですが、それでも重いです。	危険なコマンド承認 + 6つの実行環境
コスト追跡	通話ごとの実費＋自動クォータ制限	料金表が組み込まれており、料金はセッションメタデータに書き込まれます。	入力トークン、出力トークン、キャッシュトークン、推論トークンはそれぞれ個別に追跡されます。

OpenSquillaの応用シナリオ

個人および開発者向けの低価格AIアシスタントSquillaRouterは、インテリジェントなルーティングと適応型推論によりトークンコストを60～80%削減するため、個人開発者、独立系クリエイター、予算が限られている学生にとって、日々のプログラミング、執筆、質問への回答を行うAIアシスタントとして最適です。
企業向けマルチプラットフォーム対応インテリジェントカスタマーサービスおよびオフィスアシスタント統合ゲートウェイを介して、Lark、DingTalk、WeChat Work、Slack、Discordなど複数のチャネルに同時にアクセスできます。単一のエージェント機能で社内コミュニケーションプラットフォーム全体をカバーし、社内問い合わせ、作業指示の転送、質疑応答などを自動的に処理します。
機密性の高いデータを扱うシナリオにおける民間AIの導入完全なセルフホスト型およびローカル運用に対応し、4層のメモリデータがローカルに保存されます。Bubblewrapのシステムレベルセキュリティサンドボックスと組み合わせることで、金融、医療、法律など、データプライバシーとコンプライアンスに対する要求が極めて高い業界に適しています。
自動化されたワークフローとタスクオーケストレーションMetaSkillsを使用すると、ワークフローと組み込みツールセット（ファイル編集、Git、Web検索、ドキュメント生成）を組み合わせて、レポート生成、コードレビュー、データスクレイピング、PPT/Excelファイルのバッチ処理などの反復作業を自動化できます。
マルチモデル戦略管理とA/Bテスト20社以上のLLMプロバイダーに同時に接続し、プライマリモデルとバックアップモデルを設定できます。企業はタスクの複雑さに応じてモデルリソースを動的に割り当てることができ、異なるモデル間のパフォーマンス比較やコスト最適化実験にも利用できます。
サーバーレスおよびエッジコンピューティングの導入マイクロカーネルアーキテクチャは軽量であり、セキュアサンドボックスはDockerなしでも動作するため、低リソース消費の組み込みAIサービスとして、サーバーレス関数コンピューティングやエッジデバイスへの展開に適しています。