2026年10月8日改訂：2025年4月5日公開の初版を、2026年10月8日時点のOpenManus公式GitHubリポジトリ（README・LICENSE・設定例）と照らし合わせて修正しました。リポジトリの移転先、設定ファイルの場所、起動コマンド、「無料」で使える範囲などを更新しています。導入手順は公式READMEの記載をもとにしたもので、本記事のために起動や動作を実測したものではありません。2025年3〜4月の出来事は当時の記録として残しています。
この記事の概要
- OpenManusの成り立ち（2025年3〜4月当時の記録）と主な特徴
- 「無料」の範囲：ソフトウェアのライセンスと、モデルAPI・GPU・ブラウザー実行の費用の違い
- 公式READMEに沿った導入・設定・起動の手順
- 想定ユースケースと、導入前に試す比較評価シート
- 開発状況と関連プロジェクト
OpenManus（オープンマナス）は、大規模言語モデル（LLM）に検索・ブラウザー操作・コード実行などのツールを組み合わせて、いくつもの手順がある作業を進めさせるAIエージェントのオープンソース実装です。2025年3月に招待制で話題になった「Manus」をきっかけに、「招待コードなしで使えるエージェント」として公開されました。本記事では、公式READMEに沿ったセットアップ手順と、個人で試すときの使いどころ・注意点を技術者向けに解説します。ソースコードは無償で使えますが、動かすためのモデル利用料などは別にかかる場合があります。性能や手軽さも、選ぶモデル・環境・タスクによって変わります。
1. OpenManusとは？概要と特徴
OpenManusの背景
OpenManusのREADMEは、招待コードを必要としないエージェント実装としてプロジェクトを紹介しています。商用サービスのManusとOpenManusは別のプロジェクトです。
OpenManusは、Manusの開発元が公開したものではありません。MetaGPT（マルチエージェントのオープンソースフレームワーク）のコミュニティに参加する開発者が、独自に立ち上げたプロジェクトです。公式READMEには、Xinbing Liang氏とJinyu Xiang氏が中心メンバーとして記載され、「プロトタイプを3時間以内に公開した」と書かれています。公開直後から多くのスターを集め、2026年10月8日時点のGitHub表示では約5.8万スターです。ただし、スター数は注目度の目安であって、品質や性能を保証するものではありません。
主な特徴（2026年10月時点のREADMEで確認）
- MITライセンスのオープンソース
LICENSEはMITライセンスです。商用を含めて利用・改変・再配布ができ、条件は著作権表示と許諾表示を残すことです。ソフトウェアは無保証で提供されるため、動作や結果の責任は使う側が負います。 - LLMとツールを組み合わせて手順を進める
LLMが次の行動を考え、ツールを呼び出しながら作業を進める仕組みです。設定例には、使うLLM、ブラウザー、Web検索、コードを隔離して動かすサンドボックスなどの設定項目があります。どこまで自律的に完了できるかは、選んだモデルとタスクの難しさに左右されます。 - マルチエージェント版は「不安定」と明記
複数のエージェントで作業を分担する実行方法（run_flow.py）がありますが、READMEでは不安定版（unstable）と書かれています。データ分析・可視化向けのDataAnalysis Agentも、設定で有効にしたときだけ使えるオプションです。 - GitHub中心のコミュニティ開発
IssueとPull Requestで貢献を受け付けており、READMEは英語のほか中国語・韓国語・日本語版もあります。更新の頻度は時期によって変わるため、導入前にコミット履歴や未解決のIssueを確認してください。
「無料」の範囲：ライセンスと実行費用は別
OpenManusで無料なのは、ソースコードを使うためのライセンス料です。エージェントを実際に動かすには、考える役のLLMと、ツールを動かす環境が必要です。そちらには別の費用や条件があり、主な内訳は次のとおりです。
| 費用の種類 | 何に払うか | 注意点 |
|---|---|---|
| ソフトウェアのライセンス | OpenManusのソースコード | MITライセンスのため不要。無保証 |
| モデルAPI | OpenAI、Anthropic、Azure OpenAI、Amazon BedrockなどのLLM | 多くは入出力のトークン量に応じた従量課金。エージェントは1つの依頼でモデルを何度も呼ぶため、単発の質問より使用量が増えやすい |
| ローカルモデル | Ollamaなどで動かすモデル（設定例にコメントで記載） | API料金はかからないが、動かすPC・GPU・電気代が必要。モデルが小さいと、複雑な手順で失敗しやすくなることがある |
| ブラウザー実行 | Browser Use、Playwright、Chrome/Chromium | READMEでは、ローカルのChrome/Chromiumにつなぐモードは APIキー不要。クラウドを使うモードはAPIキーが必要で、提供元の料金条件に従う |
| Web検索 | Google、Bing、DuckDuckGo、Baiduなどの検索 | 検索エンジン側の利用条件や回数制限を受ける |
| 実行環境 | 手元のPC、クラウドのサーバー、コンテナ | クラウドで常時動かすとサーバー費用がかかる |
APIの単価はモデルごとに違い、改定されることもあります。金額はOpenAIの料金ページやAnthropic（Claude）の料金ページなど、使う提供元の最新情報で確認してください。本記事では金額の試算はしていません。
2. OpenManusの導入方法（技術者向け）
公式READMEには、conda（Pythonの環境管理ツール）を使う方法と、uv（高速なPythonパッケージ管理ツール）を使う方法の2つが載っています。READMEが推奨しているのはuvです。以下はREADMEの手順をもとにした説明で、本記事で各OSでの起動を確かめたものではありません。READMEのuvのコマンドはmacOS/Linuxのシェル向けの書き方なので、Windowsで試す場合はWSLの利用なども検討してください。
2-1. 前提環境・必要要件
- Python 3.12
READMEの手順は、Python 3.12で仮想環境を作る形です。ほかの版で動くかは確認されていないため、手順どおり3.12を使うのが無難です。 - Gitクライアント
ソースコードをGitHubからクローンする際に必要です。 - LLMの利用手段
OpenAIやAnthropicなどのAPIキーか、Ollamaなどで動かすローカルモデルのどちらかが必要です。 - インターネット接続
クラウドのモデルAPI、Web検索、ブラウザー操作を使う場合に必要です。 - Chrome または Chromium
ブラウザー操作をローカルで行うときに使われます。
補足：リポジトリにはDockerfileが含まれています（2026年10月8日確認）。ただし、READMEにはDockerでの起動手順が書かれていないため、使う場合はDockerfileの中身を読んでから判断してください。エージェントはコードの実行やファイルの作成をすることがあります。コンテナや検証専用の環境で動かすと、手元の大事なファイルへの影響を避けやすくなります。
2-2. インストール手順
(1) Python仮想環境の作成とアクティベート
conda create -n open_manus python=3.12
conda activate open_manusAnaconda / Minicondaをインストールしていない場合は、Anaconda公式サイトからダウンロードしてください。
READMEが推奨するuvを使う場合は、(1)〜(3)の代わりに次のコマンドを実行します（macOS/Linuxのシェル向け）。
# uvをインストールする
curl -LsSf https://astral.sh/uv/install.sh | sh
# リポジトリを取得し、Python 3.12の仮想環境を作る
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
uv venv --python 3.12
source .venv/bin/activate
# 依存パッケージを入れる
uv pip install -r requirements.txtuvで入れた場合も、このあとの(4)と、設定・起動の手順は同じです。
(2) リポジトリのクローン
# 公式リポジトリ（旧URL mannaandpoem/OpenManus から移転）
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus(3) 依存パッケージのインストール
pip install -r requirements.txtrequirements.txtに書かれた依存パッケージがまとめて入ります。中身は版によって変わるので、入るパッケージを確かめたい場合はこのファイルを開いてください。
(4) Playwright（ブラウザ操作ツール）のセットアップ（オプション）
playwright installこのコマンドは、READMEではBrowserGymで使うPlaywright用ブラウザーの導入手順です。既定のBrowser Useを使う場合はuvも必要です。診断には uvx browser-use --doctor、Chromiumの導入には uvx browser-use install が案内されています。2026年10月時点のREADMEによると、OpenManusはBrowser Use CLI 3.0を既定のMCPサーバーとして起動します（MCP：AIからツールを呼び出すための共通の接続仕様）。ローカルモードは手元のChrome/Chromiumに自動で接続し、APIキーは不要です。クラウドを使う場合は、環境変数BROWSER_USE_API_KEYを設定すると説明されています。ブラウザーまわりは版によって変わりやすいので、実行前にその時点のREADMEを確認してください。また、エージェントにWebサイトを巡回させるときは、対象サイトの利用規約を守り、短時間に大量のアクセスをしないよう注意してください。
2-3. config設定と起動
READMEの手順では、configフォルダーにある設定例をコピーして、設定ファイルconfig/config.tomlを作ります。
# OpenManusフォルダーで実行する
cp config/config.example.toml config/config.toml次に、config/config.tomlの[llm]欄に、使うモデル・接続先・APIキーを書きます。READMEには、OpenAIのAPIを使う次のような例が載っています。
[llm]
model = "gpt-4o" # 使うモデル名
base_url = "https://api.openai.com/v1" # APIの接続先
api_key = "<YOUR_API_KEY>" # 自分のAPIキーに置き換える
max_tokens = 4096 # 1回の応答の最大トークン数
temperature = 0.0 # 出力のばらつき（0で最小）一方、2026年10月8日時点の設定例ファイルは、AnthropicのClaudeモデル（claude-3-7-sonnet-20250219）を使う内容です。Amazon Bedrock、Azure OpenAI、Ollamaなどの書き方もコメントで添えられています。モデル名は提供元の都合で廃止・変更されることがあるため、使う時点で有効なモデル名に置き換えてください。また、APIキーを書いたconfig.tomlはGitHubなどに公開しないよう注意しましょう。
設定ができたら、OpenManusフォルダーで起動コマンドを実行します。READMEに載っている起動方法は次の3つです。
# 基本の起動方法
python main.py
# MCPツール版
python run_mcp.py
# マルチエージェント版（READMEで不安定版と明記）
python run_flow.py起動後は、ターミナルから自然言語で作業内容を入力する形です（本記事では起動画面を確認していません）。データ分析・可視化向けのDataAnalysis Agentを使いたい場合は、config.tomlのuse_data_analysis_agentをtrueにします（既定は無効）。
3. 想定ユースケース（指示の例）
ここで紹介するのは、OpenManusに頼めそうな作業と指示の例です。本記事で実行した結果ではなく、成功や出力の品質を保証するものでもありません。結果は使うモデルや設定、指示の具体さで大きく変わります。試す場合は、この章の最後にある比較評価シートで確かめてから本格的に使ってください。
3-1. ウェブサイトのひな形づくり
「旅行ブログ用の静的サイトのひな形を作って」のように頼み、エージェントにHTMLやCSSのファイルを作らせる使い方が考えられます。ページ構成や文章の量、デザインの質は、モデルと指示の具体さで大きく変わります。生成された文章は事実関係を確かめ、公開前に必ず中身を見直してください。
- 指示の例：
python main.pyを起動し、「index.htmlとstyle.cssの2ファイルで、トップページと記事一覧を持つ旅行ブログのひな形を作って。記事本文はダミー文章でよい」のように、作るファイルと範囲を具体的に伝えます。
3-2. リサーチアシスタント
テーマについてWebを検索させ、要点をまとめたレポートを作らせる使い方です。ただし、検索結果が古い、要約が元の記述と食い違う、もっともらしい誤り（ハルシネーション）が混じる、といったことが起こりえます。レポートには出典URLを付けさせ、重要な点は元の資料で確かめてください。
- 指示の例：「再生可能エネルギーに関する2025年以降の公的機関の発表を探し、要点を5つにまとめて。各要点に出典URLを付けて」。
3-3. データ分析・テキストマイニング
手元のCSVなどを読み込ませ、集計やグラフ作成、レビュー文の傾向整理をさせる使い方です。データ分析・可視化向けのDataAnalysis Agentも、設定で有効にすれば使えます。クラウドのモデルAPIを使う場合はデータが提供元へ送られるため、個人情報や社外秘の情報は含めないか、匿名化してから扱ってください。
- 指示の例：「reviews.csvのレビュー文を肯定・否定・どちらでもないに分類し、それぞれによく出る語を10個ずつ挙げて。集計に使ったPythonコードも見せて」。コードを出させておくと、集計が正しいか自分で確かめやすくなります。
3-4. 日常タスクの自動化
献立案や予定の整理のような作業も頼めます。ただ、検索やファイル操作を伴わない相談なら、ふだんのチャットAIで十分な場合もあります。エージェントを使う意味があるのは、Webで情報を集める、ファイルを作るといった「ツールを使う手順」を含む作業です。栄養や健康に関わる内容は一般的な参考情報として扱い、必要に応じて専門家に相談してください。
- 指示の例：「平日5日分の夕食の献立案と、まとめ買い用の買い物リストをmenu.mdに書き出して。1食の調理時間は30分以内」。
3-5. 導入前の比較評価シート
OpenManusが自分の用途に合うかは、小さなタスクを実際に試し、ふだん使っているツールと比べると判断しやすくなります。以下は、そのために本記事で用意した架空のタスクと採点表のひな形です。結果の数値は入れていないので、自分の環境で試した結果を書き込んで使ってください。
| No. | 架空のタスク | 指示の内容 | 合格の目安 |
|---|---|---|---|
| A | 出典付きの調べもの | 「Pythonの環境管理ツールvenv・conda・uvの違いを、公式ドキュメントのURL付きで5項目にまとめて」 | 全項目に出典URLがあり、リンク先の記述と食い違いがない |
| B | ファイル作成 | 「架空の喫茶店『ねこ堂』の営業時間ページを、HTMLファイル1枚で作って」 | 指定どおりのファイルができ、ブラウザーで表示でき、指示にない情報を勝手に足していない |
| C | データ集計 | 架空の売上CSV（20行：日付・商品・金額）を渡し、「商品別の合計金額と上位3商品を出して」 | 表計算ソフトで出した答えと一致する |
| D | 失敗時のふるまい | 存在しないURLを渡し、「このページを要約して」 | 取得できなかったと報告し、内容をでっち上げない |
| 評価項目 | 確かめ方 | OpenManus | 比較対象（例：ふだん使うチャットAI） |
|---|---|---|---|
| 成功率 | 各タスクを3回試し、合格の目安を満たした回数 | __ / 3 | __ / 3 |
| 所要時間 | 指示してから完了するまでの時間 | ||
| 費用 | APIの管理画面で、試す前後の使用量・請求額の差を見る | ||
| 手間 | 初期設定にかかった時間と、やり直し・手直しの回数 | ||
| 安全性 | 想定外のファイル操作や外部へのアクセスがなかったかを、ログで確かめる | ||
| 再現性 | 同じ指示で結果がどれくらいぶれるか |
公平に比べるため、できるだけ同じモデルと同じ指示文を使います。試すときは、大事なファイルのないフォルダーや検証用の環境で動かしましょう。API提供元の管理画面で利用上限を設定できる場合は設定しておくと、想定外の費用を防ぎやすくなります。
4. 開発状況と関連プロジェクト
リポジトリの移転とコミュニティ
OpenManusはMITライセンスで公開されています。初版で紹介したmannaandpoem/OpenManusには現在、移転のお知らせが置かれています。最新のソースコードはFoundationAgents/OpenManusで公開されており、2026年10月8日時点のGitHub表示では、スターは約5.8万、フォークは約1万です。開発のペースは時期によって変わるため、使う前に最近のコミットやIssueの状況を確認してください。
関連研究：OpenManus-RL
OpenManus-RLは、UIUC（イリノイ大学アーバナ・シャンペーン校）の研究グループUlab-UIUCとMetaGPTが共同で進める研究プロジェクトです。強化学習（RL：試行錯誤の結果から学ばせる手法）でLLMエージェントを調整することを目指しています。OpenManus本体とは別のリポジトリで、ライセンスもApache-2.0と異なります。OpenManusに組み込めばすぐ性能が上がる「強化版」ではなく、研究の成果がどう反映されるかは、今後の公開内容を見て判断する必要があります。
マルチエージェント機能の位置づけ
複数のエージェントが作業を分担するrun_flow.pyは、READMEで不安定版と明記されています。仕組みを学んだり試したりするには面白い機能ですが、チーム開発や業務での利用を前提にできる段階ではありません。使う場合は、前章の評価シートで小さく試し、ログを確かめながら進めてください。
まとめ
OpenManusは、ソースコードをMITライセンスで自由に使えるオープンソースのAIエージェントです。ライセンス料はかかりませんが、モデルAPIやGPU、ブラウザー実行などの費用は別に考える必要があります。性能や手軽さも、選ぶモデルと環境によって変わります。
- LLMと検索・ブラウザー操作・コード実行などのツールを組み合わせて、手順のある作業を進める枠組み
- 導入は公式READMEのconda版かuv版の手順に沿い、設定は
config/config.tomlに書く - マルチエージェント版は不安定版。まず架空のタスクで小さく試し、成功率・費用・安全性を比べてから使う
AIエージェントの仕組みを手元で確かめたい方は、公式リポジトリのREADMEを読んだうえで、検証用の環境で試してみてください。ソースコードを読んだり改変したりできるので、学生や個人開発者がエージェントの作り方を学ぶ教材としても役立ちます。
