Cyberdesk
Cyberdesk · コーディング
Cyberdeskは自ら学習するコンピュータ操作エージェントで、Windowsデスクトップの作業を自動化する。タスクを覚えて素早く再生し、画面に変化が出れば即時推論に切り替える。
Cyberdesk について
About
Cyberdeskとは何か
Cyberdeskは、デスクトップ作業のうち地味で壊れやすい部分を自動化するプラットフォームだ。ワークフローを一度書けば、エージェントがWindowsマシン上で実行し、Cyberdeskがその成功した経路をキャッシュする。次回の実行は速く、安く済む。開発元は同名のCyberdeskで、Y CombinatorのSummer 2025バッチに採択され、2025年7月中旬にローンチした。
狙っている課題は、デスクトップのスクリプトを書いたことがある人なら誰でも知っている。クリックの多い作業をPythonや古いRPAツールで自動化しても、こうしたWindows自動化は1週間は問題なく動く。ところがある日アプリが更新されたり、ポップアップが1つ出たりして、それだけで壊れる。コンピュータ操作エージェントはこれを解決するはずだったが、遅く、高くつき、決定性に乏しい。Cyberdeskはその上に乗り、経路を学習し、画面に本当の変化が出たときだけ推論モデルを呼び起こす。
入口は2つある。ホステッド版のプラットフォームではダッシュボード、Cyberdriverというコネクタ、TypeScriptとPythonのSDKが使える。中核の基盤はApache 2.0でオープンソース化もされており、チームは自前の環境で仮想デスクトップのオーケストレーションを組める。注意点は、開発者と企業向けであり、一般ユーザー向けではないことだ。有料のサブスクリプションが必須で、無料プランは存在しない。
はじめかた
- Cyberdeskのアカウントを作る。有料プランでない場合はデモの予約から始める。
- WindowsマシンにCyberdriverを入れ、組織のAPIキーを貼り付けてデスクトップをオンラインにする。
- ダッシュボードでワークフローを作り、メインプロンプトに作業内容を書き、見分けにくいアイコンの画像を添える。
- ダッシュボードかSDKから実行を開始し、記録された軌跡を承認して高速なキャッシュ実行を有効にする。
AIツール情報
Cyberdeskの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- コンピュータ操作エージェントを作る開発者。Cyberdeskがデスクトップのオーケストレーション、再試行、キャッシュを引き受けるので、エージェントのロジックに集中できる。ただしSDKに慣れている必要がある。
- 医療やバックオフィスのチーム。患者受付を電子カルテの画面でクリックして自動化する事例が公開されており、レガシーなシステムに縛られたチームに向く。
- 社内業務を自動化したいスタートアップ。建設や会計などの企業が、まともなAPIのなかった反復的なデスクトップ作業を片付けるために使っている。AIエージェントのワークフローにも自然に組み込める。
タスク
- デスクトップアプリで予約を入れる。エージェントは人間と同じ画面を打ち、クリックし、新しい記録ごとに流れを繰り返す。
- レガシーERPでファイルを処理する。Cyberdeskは画面を読み、ファイルを書き出して実行に添付する。データを手で写す手間が消える。
- APIのないアプリから構造化データを取り出す。視覚ベースの抽出が画面上の値をJSON出力に変え、後続のシステムに渡せる。
シーン
- 3つのデスクトップツールにまたがる週次レポート。ワークフローを1回走らせ、経路をキャッシュし、あとはスケジュールで再生する。
- 毎朝まとめて新しい記録を登録する。ループ系のツールが入力の配列に対して同じ手順を繰り返すので、1件ごとに実行しなくてよい。
- たまにポップアップに引っかかる長いワークフロー。エージェントが変化を検知してその場で処理し、終わればキャッシュ経路に戻る。
主な機能
軌跡とキャッシュ
これがCyberdeskを他と分ける機能だ。軌跡キャッシュは成功した実行を記録し、以降の実行は推論モデルを呼ばずに再生できる。公式ドキュメントではキャッシュ実行はエージェントステップの5〜10倍速く、キャッシュステップの費用も安いとしている。ポップアップやクラッシュが起きれば、エージェントは即時のコンピュータ操作に切り替え、中断したところから続ける。
Cyberdriverデスクトップコネクタ
CyberdriverはWindowsマシンとCyberdeskをつなぐ。1.x系はWindowsサービスとして入り、起動時に立ち上がり、Windowsのログイン画面まで操作できる。誰も前に座らないマシンではここが効く。到達性も報告するので、デスクトップが落ちれば黙って失敗せず、警告が届く。
フォーカスアクションと視覚抽出
フォーカスアクションを使うと、キャッシュ済みのワークフローが特定の対象、たとえば残高やステータス欄をいったん見て、その内容から判断できる。プロンプト抽出は視覚で画面のデータを抜き出し、速度をどれだけ重視するかに応じて同期、バッチ、実行単位の非同期を使い分けられる。
型付きSDKとREST API
公式のTypeScriptとPythonのSDKは型ヒントを完備し、REST APIはワークフロー、実行、マシン、プールなどを網羅する。実行を開始し、状態を追い、構造化された出力を自社システムに取り戻せる。
Webhookと連携
Cyberdeskはrun_completeのWebhookを送るので、ポーリングしなくてよい。同じイベントはSlackやZapierにも流せる。人の確認を挟みたいチームでは、実行が終わったタイミングで通知が届き、その間もエージェントは働き続ける。
自前のキーとモデル制御
Anthropic、OpenAI、Google Cloud、AWS Bedrockの自社の資格情報でワークフローを走らせ、モデルをワークフロー単位、さらには実行単位で固定できる。既存のAI契約や厳しいデータ要件を抱える企業には、この柔軟さが効く。
メリットとデメリット
メリット
- キャッシュが反復実行の費用と時間を削る。単なるデスクトップエージェントより選ばれる最大の理由だ。
- 公式のTypeScriptとPythonのSDKがあり、ノーコードの玩具ではなく本物の開発ツールになっている。
- Apache 2.0のオープンソース基盤により、セルフホストとスタックの検証ができる。
- WebhookとSlack、Zapierの連携で、すでに回している業務フローにエージェントを組み込める。
- 自前のキーに対応するので、会社がすでに契約しているAIプロバイダーを使い続けられる。
デメリット
- 無料プランがない。何かを動かす前に有料契約かデモ通話が必要で、気軽な試用には向かない。
- 料金は契約ごとに決まり公開された数字がないため、営業に聞くまで費用を見積もれない。
- デスクトップ自動化はWindows専用で、macOSやLinuxの環境は今のところ対象外だ。
- 価値を引き出すには開発の手間がかかる。開発者向けの作りで、実行を1回起こすだけでもNode.jsかPython 3.10以上が要る。
よくある質問
AIエージェントにWindowsマシンを操作させ、人間と同じようにクリックと入力をしてデスクトップ作業を自動化する。その後、成功した経路を覚えて次の実行を速くする。
関連コンテンツ
Cyberdeskに関連するツール、スキル、記事を探す。
Cyberdeskの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。