概要

OpenClawは、チャットボットでも、ファインチューニングでも、MCPでもありません。「人間がいなくても動き続ける自律エージェント」という、まったく新しいカテゴリのソフトウェアです。

• n8n・Zapierとの最大の違いは「AIが状況を判断するか、決められたルールで動くか」
• モデル本体は変わらず、指示ファイル群が育っていきます
• イベントを起点に自律実行する設計が「従業員が要らなくなるかも」と言われる正体です

OpenClawを一言で表すと

簡単に言えば「LLMを頭脳に持つ、常駐型の汎用自動化エージェント基盤」です。主要なプロパティをまとめると以下の通りです。

「実行するAI」とは何か ― 既存の自動化ツールとの違い

「n8nやZapierでもワークフローは自動化できます。OpenClawと何が違うのでしょうか？」この問いへの答えが、OpenClawの本質を一番わかりやすく説明してくれます。

「ルールで動く」と「判断して動く」の違い

n8nやZapierは、あらかじめ人間が設計したフロー通りにのみ動きます。たとえば「メールが届いたらSlackに転送する」という処理は得意ですが、「メールの内容を読んで優先度を判断し、重要なものだけ上司にエスカレーションする」といった文脈的な判断はできません。

OpenClawは逆です。LLMが毎回状況を推論して行動を決めるため、想定外の状況でも文脈に応じた判断ができます。たとえばハートビート機能によって毎時間自動でメールボックスを確認し、内容を読んで優先度を判断し、深夜2時でも重要な案件だけスマートフォンに通知する、ということが可能です。

つまり区別はシンプルです。n8n・Zapierは「人間が書いたルール通りに動く」、OpenClawは「LLMが状況を判断して動く」。

💡 初心者向け補足：ハートビートとは「定期的に動く仕組み」のことです。「毎朝8時にメールを確認する」「1時間ごとにSNSをチェックする」といった繰り返し処理を、人間が何もしなくても自動で行います。

SKILL.mdとは何か ― OpenClaw独自の指示ファイル設計

OpenClawの動作の中核は、ワークスペースに置かれたMarkdownファイル群です。その中でもSKILL.mdはタスク単位の手順書として機能し、n8nのワークフロー定義やZapierのZapに相当します。ただし設計思想は根本的に異なります。

SKILL.mdはタスク単位の手順書で、何十本・何百本と存在しえます。さらに重要なのは、エージェント自身が新しいSKILL.mdを生成・追加できる点です。公式サイトによれば、会話の中で「このタスク用のスキルを作って」と話しかけるだけで、エージェントが自分でスキルを構築します。

イベント駆動という設計思想

深夜2時にチームがオフラインの状態で、重要なクライアントから緊急メールが届いたとします。n8nで「メールをSlackに転送する」フローを組んでいれば通知は届きますが、その内容を読んで優先度を判断し、適切な担当者にエスカレーションするかどうかはルール次第です。フローに定義されていない判断は処理されません。

OpenClawベースのシステムなら、受信エージェントがメールを検知し、内容の緊急度を読み取り、担当者のスマートフォンにエスカレーションする、という流れを文脈に応じてリアルタイムで処理できます。

これが「従業員が要らなくなるかも」という言葉の実態です。AIが指示を待つのではなく、世界の変化を起点に自律的に動きます。

既存概念との比較 ― 「モデルは変わらず、ファイルが育つ」

OpenClawは事前学習でも、ファインチューニングでも、MCPでもありません。「In-Context Learningを永続化した」という第三の道です。

💡 初心者向け補足：これらの言葉が難しく感じる場合は、「AIの能力を上げる方法はいくつかあるが、OpenClawはモデルそのものを変えずに、渡すメモ書きを育てていく方法を取っている」とイメージすると理解しやすいです。

事前学習・ファインチューニングとの違い

事前学習とファインチューニングはどちらも、モデルそのものの重みを書き換えます。膨大な計算資源をかけてニューラルネットワークのパラメータを更新することで、モデルの「素の能力」を変える作業です。

OpenClawはモデルに一切手を触れません。ClaudeはClaudeのまま、GPT-4はGPT-4のままで動きます。代わりに変わるのはモデルへの指示書であるMarkdownファイル群です。

例えるなら、事前学習・ファインチューニングは「社員の脳を鍛え直す」作業。OpenClawは「社員の脳はそのままに、マニュアルと引き継ぎノートを充実させていく」作業に相当します。

MCPとの違い

MCPはAIが外部ツールを呼び出すための接続プロトコルの標準規格です。「どうやってツールと繋ぐか」という接続仕様を定めています。

OpenClawはそのMCPを内部で活用しつつ、その上にエージェントのランタイム全体を構築しています。セッション管理、記憶の永続化、スキルの自動選択、自己改善ループ――これらはMCPが定義する範囲外です。MCPが「電話回線の規格」だとすれば、OpenClawは「その回線を使って24時間稼働するコールセンター全体」に相当します。

In-Context Learningの永続化という新しいカテゴリ

LLMには「In-Context Learning」と呼ばれる特性があります。プロンプトの中に例や指示を含めるだけで、モデルの挙動が変わる現象です。ただし通常のIn-Context Learningはセッションが終わると消えてしまいます。

OpenClawはコンテキスト（トークンウィンドウ内の一時的な情報）とメモリ（ディスクに永続化される情報）を明確に区別しています。この設計によって、使うたびに蓄積された経験がファイルとして残り、次のセッションでコンテキストに注入されます。モデルの重みは変わらないが、モデルに渡す文脈は使うほどに豊かになっていきます。

汎用自動化エージェント基盤との比較

OpenClawと同じ「汎用自動化・エージェント」カテゴリに属するプロダクトはいくつかあります。それぞれの設計思想は大きく異なります。

OpenClawとAutoGPTはどちらもLLMが判断する点で同じ系譜ですが、OpenClawは日常のメッセージアプリを通じた操作とファイル=人格という透明な設計で差別化しています。n8nやZapierとの最大の違いは、定義済みフロー外の状況でも文脈判断できるかどうかです。

アーキテクチャ概観 ― ファイルがエージェントそのものである

OpenClawの設計で最も特徴的なのは、エージェントの「人格・記憶・行動ルール」がすべて普通のテキストファイルとして存在することです。

3層のアーキテクチャ

OpenClawは「チャンネル・ブレイン・ボディ」という3層構造で設計されています。

• チャンネル層（入口）：WhatsApp・Telegram・Slack・Discord・iMessage・Signal・Microsoft Teamsなど、50以上のメッセージプラットフォームとの接続を管理します
• ブレイン層（頭脳）：Claude・GPT・Gemini、あるいはOllamaで動くローカルモデルも接続できます。モデル非依存なので、プロバイダを替えても他の部分を作り直す必要がありません
• ボディ層（手足）：ファイルシステム・ブラウザ・シェル・外部APIなど、実際にアクションを起こすすべての実行環境です

💡 初心者向け補足：「ゲートウェイ」とは、チャットアプリとAIをつなぐ橋渡し役のプログラムです。これをMac・Windows・Linuxのいずれかのマシンで常時起動させておくことで、OpenClawが24時間動き続けます。

ワークスペースファイル群 ― ファイルがエージェントの人格を作る

OpenClawのエージェントはデータベースや設定パネルの中に存在するのではなく、ワークスペースフォルダ内のプレーンテキストファイルとして存在します。セッション開始時にこれらのファイルを読み込み、エージェントの人格・行動ルール・記憶・タスクスケジュールをその場で組み立てます。ファイルがエージェントそのものです。

SOUL.mdはエージェントの根幹となるアイデンティティレイヤーで、OpenClawはこれを起動時に読み込み、すべてのやり取りにシステムレベルのプロンプトとして適用します。朝のメッセージへの返信でも、メールの下書きでも、深夜3時のスケジュールタスクでも、常に同じ口調・同じ優先順位・同じルールで動きます。

なぜファイルだけでイベント駆動ができるのか

「ファイルが常駐しているのではなく、ゲートウェイデーモンが常駐していて、イベントのたびに必要なファイルだけ読み込む」という設計です。

外部イベント発生（メール着信・時刻・webhook）
        ↓
ゲートウェイデーモン（常時起動）が検知
        ↓
新しいターン（LLM呼び出し）を開始
「今回必要なファイルだけ」をコンテキストに組む
  - SOUL.md（毎回読む）
  - HEARTBEAT.md（毎回読む）
  - SKILL.mdは名前とパスだけ → 必要なものだけ本文を読む
  - 会話履歴は直近N件だけ
        ↓
LLMが推論・アクション実行
        ↓
結果をディスクに書き込み（セッション終了）

コンテキストが埋まる問題への対策が3つあります。

1. SKILLは目次だけ読む：スキルはメタデータ（名前・説明・ファイルパス）だけがシステムプロンプトに入り、必要と判断したときだけ本文をオンデマンドで読み込みます
2. ハートビートは軽量コンテキストで動く：HEARTBEAT.mdだけを読み込むオプションや、毎回フレッシュなセッションで動かすオプションでトークンを大幅削減できます
3. セッションはターンごとに完結する：「深夜3時に何かした」ように見えても、タイマーがその時刻にイベントを生成し、エージェントが1ターン実行して終了しただけです

コストのトレードオフ

OpenClaw自体は完全無料・オープンソース（MITライセンス）ですが、LLMのAPIを使う分だけAPIコストがかかります。実際の月額コスト感は以下の通りです。

最大の節約策はモデルの使い分けです。ハートビートや簡単な分類には安価なモデル、コードレビューや複雑な判断だけ高性能モデルを使う「80/20ルーティング」でAPIコストを60〜80%削減できます。また、OllamaでローカルLLMを動かせばAPIコストをゼロにすることも可能です。

なぜ今バイラルになったのか

「AIがタスクを実行する」という概念を、コードを書かない人たちが日常のアプリを通じて初めてリアルに体感できました。それがOpenClawの爆発的な普及の本質です。

OpenAI・GitHub・NVIDIA・Vercelといった大手企業がスポンサーとして名を連ねており、個人開発から始まったプロジェクトがすでに業界の注目を集めていることがわかります。

「車の値引き交渉」が証明した現実

クラウドインフラ企業DatadogのスタッフエンジニアAJ Stuyvenbergは、ヒュンダイ・パリセードを買いたかったが、ディーラーとの交渉プロセスを避けたいと考えていました。彼はOpenClawに「車の価格を調べ、ディーラーに連絡し、最良の条件を交渉せよ」と指示しました。エージェントはWebを検索し、ディーラーにメールを送り、返信に対応し、電話に誘導しようとするディーラーには「今は電話に出られない」という言い訳まで自動で作り上げました。

これはChatGPTにメール文面を作らせて自分でコピペするのとは根本的に違います。AIが人間の代わりに数日間、実際の交渉を完結させたのです。

Karpathyの一言が火をつけた

元TeslaのAIディレクターAndrej Karpathyは、OpenClawを「最も驚くべきSF的テイクオフに近いものを最近見た」と表現しました。Karpathy自身も自宅をOpenClawで管理するエージェント「Dobby」を設置し、玄関カメラがFedExのトラックを検知すると自動でWhatsAppに通知が届く仕組みを構築。「Dobbyが家を管理している」と語っています。

権威ある人物が「自分も使っている」と語ったことで、夢物語ではなく現実の話として一気に広まりました。

Mac Miniが売り切れた

OpenClawは24時間365日稼働し続ける必要があるため、開発者たちはAppleのMac Miniが最適なホストマシンだと気づきました。これが「OpenClawを動かすためにMac Miniを買う」というブームに火をつけ、Appleストアで在庫切れが相次ぎました。Xやオンラインコミュニティでは、Mac Miniにターミナルが映った画像を投稿することがギークのステータスシンボルになっています。

普及スピードの比較

OpenClawの成長速度は既存のOSSプロジェクトと比較すると異常値に近いです。

プロダクトハントへの掲載もなく、ローンチイベントもなく、純粋な口コミだけで広まりました。WhatsAppやTelegramという日常のツールを通じて、コードを書かない人たちが「AIが仕事をする」という感覚を初めてリアルに体感できたことが、本質的な理由です。