PyGPT 2.8.13レビュー: デスクトップ常駐型マルチプロバイダAIクライアントの実像

ChatGPTの代替ではなく、APIキーの集約点として読む

PyGPTが解くのは、モデル選択の悩みではない。プロバイダごとに散らばったAPIキー、会話履歴、ファイル添付、音声入出力を1つのデスクトップ画面にまとめる問題である。READMEは対応先としてOpenAI、Google Gemini、Anthropic Claude、xAI Grok、Perplexity / Sonar、DeepSeek、HuggingFace、LlamaIndex、OpenAI互換API、ローカルのOllamaを列挙している。対象読者は、複数のモデルを用途で使い分けている個人開発者や、社内で小さな検証を回しているチームだ。ブラウザでタブを開き分ける代わりに、ローカルのPythonアプリに履歴と設定を集約する。会話コンテキストはアプリ側に保存され、過去のコンテキストへ戻る操作も用意されている。クラウド側のアカウントに履歴を預けたくないが、モデルの品質はクラウドAPIに頼りたい、という層にちょうど重なる。

11モードとプラグインが同じプロセスに同居する構造

READMEが挙げる動作モードは11種類ある。Chat、Chat with Files、Realtime + audio、Research (Perplexity)、Completion、画像と動画の生成、Experts、Computer use、Agents v2 (beta)、Agents、Autonomous Modeだ。モードはUIの切り替えに見えるが、実体はモデル呼び出しの経路とツール権限の束である。Chat with FilesはLlamaIndexを介してtxt、pdf、csv、docx、epub、xlsx、xml、Webページ、Google、GitHub、動画や音声、画像を読み込む。埋め込みは自動で行われ、ベクトルデータベースを内蔵する。エージェント系のモードでは、モデルがファイル入出力、Python実行、システムコマンド、外部API呼び出し、Web検索をツールとして呼ぶ。Web検索はDuckDuckGo、Google、Microsoft Bingが選択肢として示されている。MCPにも対応し、プラグインはFiles I/O、Code Interpreter、Web Search、Google、Facebook、X/Twitter、Slack、Telegram、GitHubなどが同梱される。ここで注意したいのは、これらが別プロセスに隔離されたマイクロサービスではなく、単一のデスクトップアプリ内で動く点だ。利便性の源泉であり、同時に最大の制約でもある。

インストール経路は4つ、Python制約は3.10以上3.14未満

入手経路はREADMEに4つ書かれている。PyPiのpygpt-net、Snap Store、Microsoft Store、GitHub ReleasesのAppImageだ。LinuxとWindows 10/11向けにはコンパイル済みバイナリが配布されている。Mac向けのバイナリは存在しないと明記されており、MacではPyPiかソースコードから起動する。ソースから入れる場合、Pythonのバージョンは3.10以上3.14未満に収める必要がある。ここは見落としやすい。3.14が入った環境ではそのままでは動かない前提で読むべきだ。APIキーはアプリの設定画面でプロバイダごとに入力する。ローカルモデルだけを使う場合、外部APIの認証情報は不要とREADMEは説明している。Ollamaを先に立ち上げ、モデルを引いてからPyGPT側で接続先を設定する流れになる。バイナリ版はPython環境を汚さずに試せるが、同梱の依存関係が固定されるため、プラグインを自分で書き換える用途にはソースからの起動が向く。

ツール実行権限がローカルに開くという代償

PyGPTの最も実務的な制約は、機能の多さではなく権限の広さにある。Python/OSツールはリアルタイムのPython/IPython実行を提供し、プラグイン経由でローカルファイルシステム、システムコマンド、カスタムコマンドに到達する。これは「コンピュータ操作」を名乗るモードの前提条件であり、同時に、モデルが誤った判断をしたときの影響範囲がそのユーザーの権限と等しいことを意味する。READMEはサンドボックスや権限分離について何も述べていない。したがって、本番サーバー上で常駐させる、共有アカウントで動かす、認証情報を環境変数に置いたままエージェントモードを有効にする、といった使い方は避けるべきだ。もう1つの失敗モードはバージョンドリフトである。v2.8.13、v2.8.12、v2.8.10のリリースが2026年9月6日から9月9日までの数日間に並んでいる。修正速度は速いが、同じ速度で設定項目やプラグインの挙動が動く可能性を前提に、検証環境と常用環境を分けておきたい。

Open WebUIとの違いは実行場所とデータの置き場

比較対象として素直なのはOpen WebUIだ。どちらも複数プロバイダとOllamaを1つのUIから扱い、RAGとツール呼び出しを持つ。違いはアーキテクチャにある。Open WebUIはサーバーとして動かし、ブラウザから複数ユーザーがアクセスする前提で設計されている。PyGPTはPythonのデスクトップアプリで、会話履歴もベクトルDBもそのマシンのローカルに置かれる。この差は次のように現れる。チームで1つのモデル設定を共有したいならサーバー型が有利で、APIキーを1か所に集約できる。逆に、自分のノートPCの中だけで完結させ、履歴を外部に置きたくないならPyGPTが素直だ。もう1点、PyGPTにはLLM以外の周辺機能が多い。音声合成はOpenAI、Microsoft Azure、Google Cloud / GenAI、Eleven Labs、xAIに対応し、音声認識はOpenAI WhisperのAPIまたはローカル、Google系、Microsoft Bing、xAI Grok Voiceが挙がっている。カメラキャプチャによるリアルタイム画像解析、カレンダー、ノート、ペイントツール、ノードベースのAgents Builderまで同梱される。統合の度合いが価値であり、不要な人には重荷になる。

Agents v2はベータ表記のまま、リリース間隔は日単位

READMEはAgents v2をベータと明記し、ユーザー向けのOrchestratorと動的に管理されるワーカーエージェントによる多エージェント構成だと説明している。ノードベースのAgents Builderも同梱される。ここは判断が分かれる部分だ。オーケストレーションの設計は魅力的に見えるが、ベータ表記が外れていない以上、ワークフローをこれに依存させるのは早い。同梱のプラグイン群も同様で、Facebook、X/Twitter、Slack、Telegramといった外部サービス連携は、それぞれのAPI側の仕様変更に追随し続ける必要がある。リリースが2026年9月6日、8日、9日と連続している事実は、開発が活発であることと、変更が頻繁であることの両方を示す。長期運用を前提にするなら、使うモードをChatとChat with Filesに絞り、エージェント系は検証用のプロファイルで試すほうが安全だ。

ライセンス表記はNOASSERTION、ここは自分で確認する

リポジトリのメタデータが示すライセンス識別子はNOASSERTIONであり、これは自動判定が標準的なライセンス名に一致しなかったことを意味する。README自体はアプリケーションを無料でオープンソースだと述べ、ソースコードはGitHubで公開されていると書くが、配布条件の全文はそこにはない。社内利用や再配布を検討する場合、LICENSEファイルを開いて条項を直接読む必要がある。ここで法的な助言はできないが、少なくとも「オープンソースと書いてあるから自由に使える」と読み替えるのは危険だ。加えて、PyGPTは利用者自身のAPIキーで各プロバイダに接続する設計であり、モデル利用料はプロバイダ側の契約に従う。アプリのライセンスとAPI利用規約は別物として扱う。メンテナンスコストは、更新頻度が高いぶん、設定の再確認とプラグインの追従に継続的な手間がかかる側に寄っている。

編集部の結論

PyGPTは、複数プロバイダのAPIキーをすでに持っていて、チャット、RAG、音声、画像生成を別々のツールで管理したくない個人や小規模チームに向く。逆に、サーバー側で集中管理したい場合や、監査可能な権限分離が要件の組織には向かない。デスクトップアプリがローカルファイルとシェルコマンドに触れる設計だからだ。導入前に確認すべきは3点ある。第一にライセンスで、リポジトリのメタデータはNOASSERTIONであり、配布条件は自分で読む必要がある。第二にPythonのバージョン制約で、READMEは3.10以上3.14未満と明記している。第三にAgents v2がベータ表記のままで、v2.8.13時点のリリースが数日間隔で並んでいる点だ。まずはOllamaのローカルモデルだけで起動し、APIキーを後から足す順序が被害を小さくする。

公式情報源

1. Issues
2. Project website
3. README
4. Releases
5. szczyglis-dev/py-gpt on GitHub