Open Scienceで証跡をたどれるAI研究ワークスペースを作る
このプロジェクトは「Open Science is an open-source, local-first, model-agnostic AI research workbench for scientific discovery.」を基盤として、実践的に使えるオープンソース実装を提供し、再利用可能なツールチェーンと統合手段を備えています。
ひと目でわかる
- これは何？
- ローカルファーストでPython・R、科学データ接続、AIエージェント、成果物の来歴を一つの研究プロジェクトにまとめるデスクトップアプリ。
- 誰に向いている？
- Open Scienceは、研究ファイルと実行結果をローカル中心に管理し、生成物の根拠を追跡したい研究者に向きます。まず公式Releaseから環境別インストーラーを選び、初回設定でモデル接続とPythonまたはRの実行を別々に確認してください。
- 商用利用できる？
- できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 1 日前です。
- 何の言語で書かれている？
- 主に TypeScript です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月14日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
研究データを持ち込む前の小規模試験
外部ゲートウェイや科学データコネクタを使う前に、公開サンプルだけでファイル読込、検索、Python実行、図の生成を一巡させます。認証情報の集中管理画面、承認モード、Variablesビューを確認し、どの操作がネットワークへ出たかを記録します。機密データはこの結果と所属機関の規程を照合してから扱います。
研究成果を再実行できる単位
検証用プロジェクトには小さな入力、使用モデル、実行したスキル、PythonまたはRのコード、生成された表と図を同梱します。セッション分岐を作って元の結果へ戻り、Provenanceに表示される証拠とローカルファイルを突き合わせられれば、研究者が結果の由来を点検できます。
研究目標から成果物までを一つのプロジェクトに置く
Open Scienceは、科学者と研究者向けのオープンソースAI研究ワークベンチです。READMEはlocal-first、model-agnosticと説明し、ファイル読込、ウェブ検索、コード実行、科学データソースへの問い合わせ、レポート・表・図の生成を一つのワークスペースで扱います。機械学習、統計、生命科学、化学、材料、物理、環境科学が想定分野です。
研究はプロジェクトとセッションで整理します。目標、入力データ、制約、欲しい出力、確認方法を自然言語で記述し、ファイルを添付してモデルと承認モードを選びます。AIの回答だけで結論を確定するアプリではなく、実行内容と出力を研究記録へつなぐ器として読むのが適切です。
分岐した会話とProvenanceで判断の経路を残す
READMEのクイックスタートでは、以前のユーザーメッセージを編集して新しいブランチで再送信し、メッセージのリビジョン操作で経路を戻せると説明しています。別の仮説や条件を試すとき、元のやり取りを壊さず比較できる設計です。
生成された成果物にはProvenanceビューがあり、バージョンと選択結果を支える証拠を確認できます。図のワークフローも来歴を意識した機能として紹介されています。検証では同じ入力を二回実行し、ファイル、コード、図、参照元がどの画面で結び付くかを具体的に記録します。
初回設定は五つの実行条件を順番に確認する
初回起動の手順は、Environment、Agent runtime、Model provider、Notebook runtime、Data locationの五段階です。互換性、保存領域、認証情報の保管、ネットワークを確認し、Claude Code、OpenCode、Codex、CodeBuddyからエージェント実行環境を選びます。Node.jsやnpm、管理者パスワードなしでアプリ管理ランタイムを入れられる場合もあります。
モデル接続はテストに成功しないとセットアップを終えられません。PythonとRは任意ですが、カーネル実行中のVariablesビューで名前、型、形、プレビューを読み取り専用で確認できます。データ場所は後で設定変更できるため、最初は小さな研究フォルダを指定し、生成物の保存先を実測します。
スキルと科学データコネクタを研究手順に合わせる
エージェントはソースファイルを読み、ウェブを検索し、PythonやRを実行し、科学データを照会して成果物を作ります。プロジェクトファイルは`@`で参照し、`/`で有効なスキルを明示選択できるとREADMEにあります。機能を増やすほど、どのコネクタとスキルが実行に関与したかを記録する意味が増します。
データコネクタの利用可否、取得元の認証、ネットワーク接続の範囲はサービスごとに異なります。入力ファイル一つと短いPython計算から始め、エージェントのツール活動、承認要求、出力表の単位、Provenanceの証拠を照合します。READMEが保証していない科学的妥当性を、アプリの機能説明から推測してはいけません。
モデルプロバイダーとエージェントバックエンドを切り分ける
Open Scienceは特定モデルに固定されず、組み込みプロバイダー、カスタムゲートウェイ、ClaudeやCodexのサブスクリプションログインを選べます。リリースv0.22.0では永続エージェントメモリ、GitHubトークンとコネクタログインの集中管理、使用量ダッシュボード、Tencent TokenHubが追加されたとREADMEは述べています。これはREADMEおよびリリースノートによる説明です。
モデル選択とランタイム選択は別の設定です。接続テストが通っても、同じプロンプトが同じコードや図を返すとは限りません。モデル名、設定、実行ログ、補助モデル呼び出しの使用量を保存し、セッションをまたいだメモリが研究結果へ混入しないかを小規模な検証で見る必要があります。
ローカル保存と承認モードを機密データの境界にする
READMEは、データ、権限、信頼を独立した設計項目として扱い、機密操作の前に承認できるワークフローを示しています。生成物をプレビューし、エージェントのツール活動を確認してから操作を許可する流れです。ローカルファーストという説明は、すべての接続先がローカルになるという意味ではありません。
導入前は、研究ファイル、認証情報、モデルゲートウェイ、科学データ接続のそれぞれについて、どこへ送られるかと誰が承認するかを整理します。公式ReleaseのmacOS DMG、Windows x64、Linux AppImageまたはDebianパッケージを選び、SECURITY.mdのダウンロード検証を確認します。ライセンスはApache-2.0です。
編集部の結論
Open Scienceは、研究ファイルと実行結果をローカル中心に管理し、生成物の根拠を追跡したい研究者に向きます。まず公式Releaseから環境別インストーラーを選び、初回設定でモデル接続とPythonまたはRの実行を別々に確認してください。小さな入力でエージェントのツール履歴、生成図のProvenance、承認が必要な操作を確かめてから、機密データを含む研究へ広げます。
コミュニティノート