T最新テックトレンド

AIに「手」を与える：汎用エージェント「Manus AI」が描く、未来の働き方と暮らし

Anthropic
0:00--:--

はじめに：AIの夢と現実、そして「手」の探求

AIの進化は目覚ましく、「知能」という点では人間を凌駕するモデルも次々と登場しています。しかし、本当にこれらのAIは、私たちの現実世界に「真のインパクト」を与えているでしょうか？まるで天才的な頭脳を持ちながら、現実世界に働きかける「手」を持たないかのように、私たちは紙とペンだけで複雑な問題を解決させようとしてきたのかもしれません。

今回ご紹介するのは、このパラダイムに挑戦し、AIに「手」を与えることで私たちの働き方や暮らしを根本から変えようとしている革新的な汎用エージェント「Manus AI」です。共同創業者兼最高製品責任者（CPO）であるTao氏（ニックネーム：hik）は、28年間のコーディング経験を持つベテランでありながら、AI業界にはわずか2年で参入した人物です。彼の夢は、AIを通じて「1日24時間、一人のユーザーに影響を与える製品」を構築すること。そして彼は、Manus AIがその夢を年内に実現できると確信しています。

本記事では、このManus AIの哲学、具体的な機能、ビジネスや個人にもたらす影響、その構築の裏側にある技術的洞察、そしてAnthropicのClaudeモデルとの深いつながりについて、詳しく掘り下げていきます。AIが単なる対話相手ではなく、自律的に行動する真のパートナーとなる未来を、Manus AIはどのように実現しようとしているのでしょうか。

第1部: Manus AIとは何か？「AIに手を与える」という革新的思想

「Mens at Manas」：MITのモットーに宿る哲学

Manusという名前は、実はMIT（マサチューセッツ工科大学）のモットー「Mens at Manas」に由来しています。これはラテン語で「心と手」を意味します。この名前を選んだ背景には、Manus AIの根源的な哲学が隠されています。

Tao氏は、過去2年間にわたるフロンティアモデルの進化を振り返り、「これらのモデルは、すでに人間の脳のように非常に賢く、様々な種類のタスクをこなす能力がある」と語ります。彼らは「スーパー・スマート」なのです。しかし、Tao氏は続けて、「これほどまでに賢い脳を持っていても、私たちは現実世界に真のインパクトを与えることができていない」と指摘します。なぜなら、「私たちはその脳に『手』を与えていないから」です。

この問題意識を説明するために、Tao氏は自身の幼少期の経験を共有しています。1996年、9歳だった彼は、中国でコンピュータを自宅に持てるほど裕福な家庭ではありませんでした。週に2回、小学校のコンピュータ室に行けるだけでした。彼はコーディングのクラスで一番でしたが、それでもコンピュータで実際にコードをデバッグし、実行しなければ、ペンと紙だけで完璧なコードを一度で書くことはできませんでした。彼は言います。「過去2年間、まさに私たちがこれと同じことをAIにさせてきたのです。非常に賢い『心（脳）』を持っているのに、私たちが行ってきたのは、ただペンと紙を与え、複雑な問題を解決するよう求めることだけでした。」

Manus AIは、この「手がない」という問題を解決するために生まれました。私たちはモデルを訓練したり、ファインチューニングしたりするのではなく、これらのモデルのために「手」を構築しているのです。 これこそが、Manus AIという名前の背後にある核となるコンセプトです。

汎用エージェントとしてのManus AI

では、この「手」を持つAIエージェントは具体的に何ができるのでしょうか。Manus AIは、特定のタスクに特化したツールではなく、様々な「長尾タスク（long-tail tasks）」を自律的に解決できる「汎用エージェント」として設計されています。これは、ChatGPTのような単一の質問応答ではなく、複数ステップにわたる複雑な問題解決プロセス全体をエンドツーエンドで実行する能力を指します。

この「手」を持つことで、AIは単なる情報提供者から、現実世界に能動的に介入し、具体的な成果を生み出す存在へと変貌を遂げます。次のセクションでは、その驚くべき能力を具体的なユースケースを通じて見ていきましょう。

第2部: 具体的なユースケースで見るManus AIの驚異的な能力

Manus AIの真価は、その多様なユースケースにあります。ここでは、Tao氏が紹介した二つの実例を通じて、Manus AIがどのように「手」を使い、私たちの日常業務や生活を支援するのかを詳細に解説します。

ビジネスユースケース：東京オフィス選定と移転計画を24分で

最初の事例は、Manus AIの社内利用です。Manus AIはグローバル展開を加速しており、シンガポール、東京、サンフランシスコに次々とオフィスを開設しています。東京オフィスを選定する際、彼らはManus AIに以下のプロンプトを与えました。

プロンプト例: 「40人が東京に転居する予定だ。40人収容可能なオフィスを見つけ、彼らの宿泊問題も解決してほしい。」

このプロンプトを受けたManus AIは、まるで人間のアシスタントのように独自の計画を立て、それを実行しました。インターネット上の様々なウェブサイトを検索し、広範なブラウジングとリサーチを繰り返します。

そして驚くべきことに、わずか24分後、Manus AIは以下の内容を含むウェブサイトを生成しました。

  • 東京オフィスと宿泊施設のレコメンデーションサイト: インタラクティブな地図が冒頭に表示されます。
    • インタラクティブマップ: 10の選択肢が地図上にプロットされます。青いマーカーがオフィスの場所、緑のマーカーがそのオフィスに近い宿泊施設を示します。
    • 詳細なオプションの提示: 地図の下には、渋谷スクランブルスクエアのような高級オフィスから、スタートアップに適した手頃な価格のオフィスまで、それぞれのオプションが詳細に記述されています。
      • オフィスの情報: 価格、そのオフィスを選ぶべき理由などが示されます。
      • 宿泊施設の情報: オフィスの近くの宿泊施設の選択肢と、オフィスからの距離が明記されます。
    • 概要テーブル: 全ての選択肢を一覧できる概要テーブルも用意されています。

Tao氏は、「あなた方のインターンやアシスタントが、これほど詳細で豊富な情報をこれほど短時間で収集できるか想像してみてください」と語ります。これは単なる情報検索ではなく、複数の条件を考慮し、様々なソースからデータを統合し、最終的に意思決定を支援する形でアウトプットする、高度な「計画実行」能力をDemonstrateしています。

個人ユースケース：空き部屋から理想のIKEA家具配置まで

次に紹介するのは、ユーザー利用例です。これは、視覚情報とウェブブラウジング、そして空間認識能力を融合した応用例です。

プロンプト例: 「空き部屋の画像をManusに送り、この部屋のスタイルを分析させ、IKEAのウェブサイトから部屋に合う家具を見つけてきて、最終的な結果を生成してほしい。」

この指示を受けたManus AIは、以下のステップを実行します。

  1. 画像解析: まず、ユーザーから送られた空き部屋の画像を分析し、その部屋のスタイル、レイアウト、そしてどのような種類の家具が適切かを判断します。
  2. IKEAウェブサイトでのブラウジング: 分析結果に基づき、IKEAのウェブサイトにアクセス。部屋のスタイルに合った家具を自律的に探し、関連する家具の画像を保存します。
  3. 最終結果の生成: 最終的にManus AIは、実際のIKEAの家具を配置した部屋の画像を生成して返します。さらに、その画像で使用されている家具の購入リンクを含むドキュメントも提供します。

Tao氏はここで未来への示唆を与えます。「今はまだ、あなたのために物を購入することはできませんが、3ヶ月後にはどうなっているか誰にもわかりません。もしかしたら、支払いもできるようになっているかもしれません。」これは、Manus AIが将来的には、情報収集や計画立案だけでなく、実際の購入や予約といった「現実世界での行動」までをシームレスに実行できる可能性を示唆しています。

これらのユースケースは、Manus AIが単なるチャットボットではなく、まるで有能な秘書やアシスタントのように、複雑なタスクを自律的に計画し、インターネットやローカルリソースを駆使して実行し、具体的な成果物を生み出す「汎用エージェント」であることを明確に示しています。

第3部: Manus AIはいかにして構築されたのか？その設計思想と技術的基盤

Manus AIの驚くべき能力は、その背後にある独自の設計思想と堅牢な技術的基盤によって支えられています。共同創業者であるTao氏、Pig氏、Red氏の3人は、長年のコーディング経験を持つプロフェッショナルであり、その知見が製品開発に大きく活かされています。

Cursorからの着想：「コードは中間ステップに過ぎない」

Manus AIのアイデアの源泉となったのは、コードエディタである「Cursor」の利用体験でした。3人の創業者は皆コーダーであるため、Cursorを「異なる言語でコードを書くのを助け、効率を高める素晴らしい製品」として評価していました。

しかし、最も興味深い洞察は、非プログラマーの友人や同僚がCursorを使う様子を観察したことから生まれました。彼らはCursorの左側のコードパネルには全く注意を払わず、ただひたすら「Accept」ボタンを押し続けていました。彼らが求めていたのはコード自体ではなく、データ可視化、バッチファイル処理、動画ファイルの音声変換といった「日常業務の解決」でした。

この観察から、彼らは重要な結論に達します。「これらの非プログラマーたちは、Cursorを使って日々のタスクをこなしているに過ぎない。彼らはコードを気にしていない。次に同じタスクがあっても、そのコードを再利用するのではなく、再度Cursorに新しいコードを生成させるだろう。」つまり、コードは究極の目標ではなく、問題解決のための中間ステップに過ぎない、という考え方です。

この洞察に基づき、Manusの創業者は「Cursorの右パネル（結果表示側）を構築すべきだ」というアイデアを思いつきます。そして、もう一つ重要な要素として、「右パネルをクラウド上で実行すること」を決定します。

クラウド実行の重要性：安全性とユーザーアテンションの解放

なぜクラウド上での実行にこだわるのでしょうか？ Tao氏は、ローカルPCでCursorを実行する場合の課題を指摘します。

  • 安全性: ローカルPCでAIが行動を起こすには、ユーザーの許可が必要です。依存関係のインストールやソフトウェアの導入など、AIが行う全てのアクションがPCを破壊するリスクを伴う可能性があります。
  • アテンションの拘束: ユーザーはAIの進行状況を監視するために、PCの前にいる必要があります。

これに対し、クラウド上で実行するManus AIは、これらの問題を解決します。

  • 安全性: 全ての操作が分離されたクラウド環境で行われるため、ユーザーのローカルPCに悪影響を及ぼす心配がありません。
  • ユーザーアテンションの解放: ユーザーはManusにタスクを割り当てた後、ラップトップを閉じたり、スマートフォンをポケットにしまったりして、別の作業に取り組むことができます。タスクが完了すれば、通知を受け取ることができ、結果を確認するだけで済みます。

この「ユーザーのアテンションを解放する」という思想は、Tao氏が抱く「1日24時間ユーザーに影響を与える」という夢と深く結びついています。ユーザーが意識することなく、バックグラウンドでAIが働き続ける未来を目指しているのです。この構想は昨年10月に生まれ、わずか5ヶ月後の3月5日には、私たちが今日目にするManus AIがリリースされました。

Manus AIの3つの主要コンポーネント：「手」を具体化する要素

Manus AIがAIに「手」を与えるために不可欠な要素として、3つの主要コンポーネントが挙げられます。

  1. 「コンピュータ」の提供：フル機能の仮想マシン Manus AIが他のチャットボットと決定的に異なる点の1つは、各Manusタスクに完全に機能する仮想マシンを割り当てることです。この仮想マシン内で、Manusは以下のリソースを自由に利用できます。
    • ファイルシステム
    • ターミナル
    • VS Code
    • リアルなChromiumブラウザ（ヘッドレスブラウザではない）

これら全てが仮想マシン内で動作することで、Manusは多種多様な問題解決の機会を得ます。例えば、数百ものPDFを含む圧縮ファイルをManusに送り、それを解凍させ、それぞれのPDFから非構造化データを抽出して構造化されたスプレッドシートにまとめる、といった複雑なタスクも可能になります。これは、AIが仮想的な作業環境の中で、まるで人間のようにコンピュータを操作できることを意味します。

  1. 「事前準備された知識」：プライベートデータベースとAPIへのアクセス 現代において、全ての情報が公開されたインターネット上にあるわけではありません。ペイウォールの後ろや、企業のプライベートデータベースの中に、多くの貴重な情報が存在します。Manus AIは、このような非公開情報へのアクセスも可能にします。

    Manus AIは消費者市場をターゲットとしているため、平均的なユーザーはAPIの呼び出し方やデータベースへのアクセス方法を知らないことがほとんどです。そこでManus AIは、リアルタイムの金融データなど、ユーザーがコードを書かずにアクセスできるよう、これらのプライベートデータベースやAPIを事前に準備し、提供します。 これにより、ユーザーは情報の取得方法を気にすることなく、必要なデータにアクセスできるようになります。

  2. 「パーソナルロジックシステム」：AIがユーザーから学習する能力 Manus AIは、ユーザーがAIに問題解決方法を「教える」ことができる「パーソナルロジックシステム」を実装しています。Tao氏は、ChatGPTの「Deep Research」機能が質問をさらに問い返す体験を「好きではない」と述べます。彼はAIにタスクを解決してほしいのであって、質問に答えてほしいわけではないからです。

    しかし、チーム内にはこの体験を好むメンバーもいたため、Manus AIはハードコードされたワークフローではなく、パーソナルロジックシステムを通じてこの要望に応えました。例えば、ユーザーはManusに「次回リサーチを行う際は、始める前に全ての詳細を私に確認してから実行するように」と教えることができます。Manusはその知識をパーソナル知識システムに記憶し、次回からはリサーチタスクの前にユーザーに確認を取るようになります。

    これにより、ユーザーは自分好みの動作やワークフローをManusに学習させ、AIをよりパーソナライズされたアシスタントへと育成することができます。

核心思想：「Less structure, more intelligence」（より少ない構造、より多くの知能）

上記の3つのコンポーネントはManusを強力にするものですが、Tao氏は「魔法が起こる本当の理由」は、これら3つのコンポーネントそのものではなく、Manus AIの根底にある哲学的思想にあると語ります。それは、公式ウェブサイトの最下部にも掲げられているスローガン、「Less structure, more intelligence」（より少ない構造、より多くの知能） です。

Manus AIの核心には、「ゼロ」の事前定義ワークフローしかありません。非常にシンプルで堅牢な構造を持っているだけです。知能の大部分は、基盤となる大規模言語モデル（LLM）に委ねられています。当初はClaude Sonnet 3.7、現在はClaude 4を使用しています。

Tao氏は説明します。「私たちは『手』を構築しているのであり、これら（コンピュータ、データベース、パーソナルロジック）は全て、モデルにより多くのコンテキストを提供するためのものです。私たちはより少ないコントロールをします。」ここで言う「より少ないコントロール」とは、例えば「これはコーディングエージェント」「これは検索エージェント」といったように、役割を特定した「マルチロールエージェントシステム」のようなものを指します。Tao氏は、このようなコントロールがLLMの真の可能性を制限すると考えています。

Manus AIは、モデルに豊富なコンテキストを与え、あとはモデルが自ら即興で（improvise）実行することを信じています。このシンプルでありながら強力なイデオロギーこそが、Manus AIから生まれる全ての「魔法」の源泉なのです。

第4部: なぜClaudeモデルを選んだのか？Anthropicとの戦略的連携

Manus AIの「Less structure, more intelligence」という哲学を具現化する上で、基盤モデルの選択は極めて重要でした。開発当初、Manus AIはAnthropicのClaude Sonnet 3.7を主要モデルとして採用し、現在ではClaude 4へと移行しています。Tao氏は、AnthropicのClaudeモデルを選んだ3つの主要な理由を明らかにしています。

1. 長期的な計画能力 (Long Horizon Planning)

エージェント製品におけるタスク実行は、チャットボットとは根本的に異なります。チャットボットは、通常、ユーザーの質問に対し1ターンで回答を完結させようとします。モデルの多くは、チャットボットシナリオ向けにファインチューニングされているため、数回のやり取りで回答を生成しようとする傾向があります。

しかし、Manusのようなエージェントシナリオでは、平均的なタスクでも完了までに30〜50ステップを要します。これは、単一の質問に答えるのではなく、一連の複雑な行動を計画し、実行し、観察し、修正するという「巨大なエージェントループ」を回す必要があるためです。

Tao氏は、Manus AIの構築中に試した他の全てのモデルが、わずか1〜3回のイテレーション後に「もう十分だ、今すぐ質問に答えるべきだ」と考えて失敗したと語ります。しかし、Claude Sonnetだけが、この巨大なエージェントループの途中にいることを理解し、最終結果を出す前にさらに多くの情報を収集しようとしました。 この長期的視点に立った計画能力こそが、Manus AIのような多段階タスクを自律的に実行するエージェントにとって不可欠であり、Claudeモデルが持つ顕著な強みでした。

2. ツール利用能力 (Tool Use)

エージェント製品は、その性質上、外部ツールやAPIの利用（関数呼び出し）に大きく依存します。Manus AIは仮想マシン内に27種類のツール（ファイルシステム、ブラウザ、ターミナルなど）を内蔵しており、エージェントフレームワークは、これらのツールの中から適切なものを選択し、正しいパラメータで呼び出す必要があります。

開発当初、Claudeモデルには「sync tool」のような機能がありませんでした。そこでManus AIチームは、独自に「coot injection」と呼ばれるメカニズムを実装しました。これは、あらゆる関数呼び出しの前に、別の「プランナーエージェント」を用いて推論を行い、その推論（コード）をメインエージェントに注入してから関数を呼び出すというものです。この工夫により、関数呼び出しのパフォーマンスを大幅に向上させることができました。

興味深いことに、Anthropicも3月末にリリースした論文で同様の発見をしており、Claude 4ではツール利用におけるネイティブなサポートが強化されています。このことは、Manus AIチームが、基盤モデル開発者と共通の理解を持ち、エージェントの最適化において先駆的なアプローチを取っていたことを示唆しています。

3. エージェント使用とのアライメント (Agentic Usage Alignment)

Tao氏は、Anthropicがブラウザやコンピュータの使用に関するアライメントに多大なリソースを投入していると指摘します。エージェントがコンピュータ環境やウェブブラウザと効果的にインタラクションするためには、モデルがそれらの複雑なインターフェースを正確に理解し、適切に操作できることが不可欠です。Anthropicモデルは、この「コンピュータを使う」というエージェントの使用シナリオにおいて、最も優れたアライメントを持っているとManus AIチームは評価しています。

これらの理由から、Manus AIはAnthropicのClaudeモデルを主要な基盤モデルとして選択しました。実際、その投資は莫大であり、Tao氏がGTCイベントで着用していたTシャツには「WE SPENT $1M ON CLAUDE IN THE FIRST 14 DAYS」（最初の14日間でClaudeに100万ドルを費やした）というメッセージが印字されていました。この巨額の投資は、Manus AIがClaudeモデルの可能性にどれほど深く信頼を置いているかを示すものです。

第5部: 未来への展望と競争優位性

Manus AIが示す未来は、AIが単なる情報処理装置ではなく、自律的に現実世界で行動し、私たちの生産性や生活の質を劇的に向上させるパートナーとなる世界です。しかし、基盤モデルの能力が日々進化する中で、Manus AIのような「ラッパー企業」（基盤モデルの上にサービスを構築する企業）がどのように競争優位性を維持していくのでしょうか。

「イノベーションのペース」こそが唯一の競争優位性

Tao氏は、この「ラッパー企業としての競争優位性（mode）」に関する問いに、率直かつ明確に答えています。彼は、「特定の技術やフレームワークだけでは競争優位性は生まれない。なぜなら、技術は非常に速く陳腐化するからだ。モデルでさえそうだ」と語ります。

彼が考える唯一の勝利戦略は、「イノベーションのペース」です。

Manus AIの「Less structure, more intelligence」というシンプルな哲学と堅牢なフレームワークは、このイノベーションのペースを加速させることを可能にしています。Tao氏はDeep Researchのユースケースを例に挙げます。Deep ResearchはManus AIの主要なユースケースの一つであり、ユーザーの約20%が毎日利用していますが、ManusチームはDeep Researchのために一切の開発労力を費やしていません。

この機能は、Manus AIの非常にシンプルなエージェントフレームワークから「創発（emergence）」した能力なのです。OpenAIがDeep Researchのような特定のユースケースのために半年かけてエンドツーエンドのトレーニングを行う必要があるかもしれない一方で、Manus AIはフレームワーク自体からその能力を自然に引き出すことができます。これにより、半年後にはDeep Researchのようなユースケースが数百にも増える可能性があるとTao氏は予測しています。

また、Manus AIは「世界最高のモデルを選択する柔軟性」も持っています。特定のモデルにロックインされることなく、常に最も性能の良いモデルを統合し、その恩恵を享受できるのです。

クラウドへのこだわりと未来の拡張性

Manus AIは、あくまでクラウド上での実行にこだわり続けます。ローカル環境でのブラウザ利用も技術的には可能ですが、Tao氏は「ユーザーのアテンションを解放する」という核心価値のために、クラウド実行が不可欠だと考えています。これにより、ユーザーはタスクをAIに任せた後、PCやスマートフォンから離れても、AIが安全かつ自律的に作業を継続できるのです。

現在のLinux仮想マシンに加え、Manus AIは将来的にはWindows仮想マシンやAndroid仮想マシンも提供する計画です。これにより、AIが操作できる環境はさらに広がり、より多様なソフトウェアやアプリケーションをAIが自律的に利用できるようになるでしょう。これは、AIが私たちのデジタルライフのあらゆる側面に深く統合される未来を予感させます。

ブラウザ利用の技術的詳細：視覚とテキストの融合

質疑応答では、Manus AIがウェブブラウザをどのように「理解」しているかという技術的な質問が出ました。Tao氏は、オープンソースプロジェクト「browser use」のプロトコルから着想を得て、モデルに以下の3つの情報を送っていると明かしました。

  1. ビューポート内のテキスト: ウェブページの主要なテキストコンテンツ。
  2. スクリーンショット: ウェブページの視覚的な全体像。
  3. バウンディングボックス付きスクリーンショット: クリック可能な要素や重要と思われる領域が強調表示されたスクリーンショット。これにより、モデルはどの領域をクリックすべきかを視覚的に判断できます。

このテキストと視覚情報の統合は、AIが人間のようにウェブページを「見て」「読んで」理解し、適切に操作するための重要な鍵となります。

結論：AIが「手」を得て、私たちの世界を変革する日

Manus AIは、AIが単なる「心」だけでなく、「手」を持つことで、いかに現実世界に具体的な価値をもたらすかを鮮やかに示しています。MITのモットーにインスパイアされた「心と手」という哲学は、現代AIの限界を見事に捉え、それを超克する明確なビジョンを提示しています。

東京オフィスの選定や、部屋のイメージに合わせたIKEA家具の提案といった具体的なユースケースは、Manus AIがビジネスと個人の両面で、時間と労力を劇的に削減し、これまで人間でなければ不可能だった複雑なタスクを自律的にこなす能力を持っていることを証明しました。

その裏側には、「コードは中間ステップに過ぎない」という深い洞察から生まれた「Less structure, more intelligence」という設計思想、そして仮想マシン、プライベートデータベースへのアクセス、パーソナルロジックシステムという堅牢な技術的基盤があります。さらに、長期的な計画能力、優れたツール利用能力、そしてエージェント使用との高いアライメントを持つAnthropicのClaudeモデルを戦略的に選択することで、Manus AIはそのポテンシャルを最大限に引き出しています。

Tao氏の「イノベーションのペースこそが唯一の競争優位性」という言葉は、急速に進化するAI業界において、いかに柔軟な思考と迅速な実行が重要であるかを教えてくれます。そして、クラウド上でWindowsやAndroidの仮想マシンまでを操作する未来の構想は、Manus AIが私たちの働き方、学び方、そして生き方そのものを根底から変革していく可能性を示唆しています。

AIが私たちの生活に真に溶け込み、私たちの最高のパートナーとなる日。Manus AIはその実現に向けた、最も力強い一歩を踏み出したと言えるでしょう。私たちは今、AIが「手」を得て、世界を動かし始める瞬間に立ち会っているのかもしれません。

← 一覧に戻る