ローカルLLM「goose」がClaude CodeとCodexを統合管理：高度なAIエージェント機能の検証と実証
本記事は、ローカル環境で動作するLLMエージェントフレームワーク「goose」の多岐にわたる高度な機能を検証した技術レポートである。筆者は、単にソースコードを読み解くだけでなく、実際にgooseをインストールし、外部APIキーなしの完全ローカル環境（Ollama、qwen3-coder:latestなど）で動作確認を行った。検証の結果、gooseが持つ複数のエージェント機能がすべて実証された。
検証された主要機能は以下の通りである。第一に「Recipe」機能は、出力スキーマを定義することで、エージェントの出力を構造化されたJSON形式（型付き関数）として確実に取得できることが証明された。第二に「sub_recipes」により、親エージェントが子エージェントをツールとして呼び出し、その結果を根拠にレポートを生成する「関数合成」が成功した。第三に、セッションの永続性として、プロセスを強制終了（kill -9）させても、会話ログから残りのタスクを正確に再開できることが確認された。また、「chatrecall」機能は、過去のセッションログから特定の作業内容を正確に検索・要約できることが実証された。
最も重要な成果は、複数のエージェントの協調動作の検証である。goose（オーケストレーター）を「ボス」として設定し、自身がローカルLLM（qwen3-coder:latest）であるにもかかわらず、認証が必要なクラウドの「Claude Code」と、サンドボックス環境を持つ「Codex」という二つの商用エージェントを、単一のタスク内で順次実行・管理させた。この「ボス実験」により、異なる権限機構を持つ複数のエージェントが、単一のワークフロー内で協調して動作することが完全に実証された。さらに、MCP（Message Communication Protocol）経由でのツール直結も成功し、gooseが部下の「道具箱」を借りるレベルの深い統合が可能であることを示した。これらの検証結果は、AIエージェントが単なるチャットボットの域を超え、複雑なワークフローを自律的に実行できる段階に到達したことを示している。
背景
近年、大規模言語モデル（LLM）の進化に伴い、「エージェント」という概念が注目されている。エージェントとは、単に質問に答えるだけでなく、目標達成のために計画を立て、外部ツールを呼び出し、複数のステップを踏んで自律的に行動するAIシステムを指す。本記事は、このエージェント技術をローカル環境で実現し、その実用性と拡張性を徹底的に検証した技術的な成果報告である。
重要用語解説
- LLMエージェント: 大規模言語モデル（LLM）を核とし、外部ツールやAPIを呼び出し、自律的に目標達成のための計画立案、実行、修正を行うAIシステム。単なる応答生成以上の行動能力を持つ。
- オーケストレーター: 複数のエージェントやツール、プロセスを管理し、全体のワークフローを調整する司令塔の役割を果たすシステム。本記事では、gooseがこのオーケストレーターとして機能している。
- ハーネス: 特定の機能や役割（例：Claude Code、Codex）を担うエージェントの枠組みやインターフェース。異なるAIモデルやサービスを、共通のワークフローに組み込むための「部品」として機能する。
今後の影響
本検証結果は、AIエージェント技術が理論段階から実用的なワークフロー自動化の段階へ移行したことを示唆する。ローカル環境での動作保証と、異なる商用エージェントの統合成功は、セキュリティやコスト面での大きなブレイクスルーとなる。今後は、より複雑な業務プロセス（例：開発、データ分析）への適用が加速し、AIによる業務自動化の標準的な手法となることが予想される。