Superexpert.AI
Superexpert.AI · コーディング
Superexpert.AIは、マルチタスクAIエージェントを組めるオープンソースのノーコード基盤だ。Web画面でタスクを組み立て、モデルをつなぎ、Node.jsとPostgreSQLが動く場所へ配備する。
Superexpert.AI について
What Is Superexpert.AI
Superexpert.AIは、AIエージェントを組み、コードを自分で握れる場所へ配備するためのオープンソース基盤だ。ベンダーが預かるダッシュボードに閉じ込める代わりに、完全なソースコードを渡す。だからチームはエージェントのあらゆる部分を読み、フォークし、広げられる。売りは所有権にある。組んだエージェントは自分のもので、その先の展開も他社のリリース日程に縛られない。
基盤は二つの考えで全体をまとめる。エージェントは自分が作るアシスタントだ。タスクは各エージェントが担う具体的な仕事で、一つのエージェントが多くを抱えられる。ホームタスクが利用者を正しいタスクへ導くので、一つのエージェントが訪問者に挨拶し、そのまま購入フローや注文照会へ引き渡せる。利用者がメニューを選ぶ必要はない。各タスクの指示は自然言語で書き、モデルはタスクごとに切り替える。軽い仕事に安いモデル、重い仕事に高いモデルを当てられる。
技術スタックはあえて平凡に選んである。Superexpert.AIはNext.js、TypeScript、PostgreSQLの上で動き、検索用の埋め込み（Embeddings）はpgvectorが受け持つ。この組み合わせはVercel、AWS、GCP、Azure、そしてNode.jsとPostgreSQLが動く任意のホストへ配備できるので、一つのクラウドに縛られない。最も重い制約は利便性の天井だ。自分でホストし保守する以上、データベース移行、APIキー、更新も自分の側に来る。電話口に誰かいてほしいマネージドサービスを好むチームは、このコストを感じる。
Getting Started
- demo.superexpert.aiのホスト版デモを試して登録するか、GitHubのリポジトリを複製して自分で動かす。
- Node.js 18.18以降とPostgreSQLを入れ、ベクトル埋め込み用にpgvectorを足す。
- データベースを作り、.envファイルにDATABASE_URLとプロバイダーのAPIキーを設定して、npm run migrateを実行する。
- エージェントを作り、ホームタスクを定義し、buy-robotやorder-statusといったタスクを自然言語の指示つきで追加する。
- クライアント、サーバー、コンテキストのツールをつなぎ、保存してChatボタンからエージェントを試す。
AIツール情報
Superexpert.AI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
- コードを自分のものにしたい開発者。基盤全体がオープンソースなので、ソースを読み、フォークし、ベンダーの順番を待たずに変更を出せる。その代わりNode.jsとPostgreSQLへの慣れが要る。
- サポートや営業のエージェントを組む小さなプロダクトチーム。挨拶し、振り分け、答えるマルチタスクのエージェントを、大きな開発部隊なしで立ち上げられる。ただしデータベースを回せる人が必要だ。
- コストを気にするスタートアップ。タスクごとのモデル切り替えと自前インフラのホスティングで、請求は実際の利用に連動し、人数課金のサブスクには縛られない。
- データに敏感なチーム。セルフホストならプロンプト、文書、応答が自分で握る環境に残る。第三者SaaSを方針で禁じている場合に効いてくる。
タスク
- マルチタスクの顧客アシスタントを組む。一つのエージェントが購入、注文追跡、質問へ利用者を振り分け、それぞれに固有の指示とモデルを持たせる。
- 自社文書に根拠を置いて答える。検索拡張生成を使えば、エージェントは答える前に大きなコーパスから適切な一節を引き出せる。
- エージェントを自社システムにつなぐ。クライアント、サーバー、コンテキストのツールで、エージェントは自分のコードを通じてデータを読んだり動作を起こしたりできる。
- エージェントの挙動を素早く試す。自然言語の指示とタスクごとのモデル設定で、コードを書く前に振り分けの流れを確かめられる。
- 基盤を広げる。プラグインで新しいAIモデル、ツール、テーマを足せるので、同じ導入が要望に合わせて育つ。
シーン
- 小売店の買い物アシスタント。ホームタスクが顧客を、支払い同意の対話つきの購入フローへ、あるいは求めに応じて配送情報を出す注文照会へ導く。
- 閉域網の社内ナレッジボット。チームは自前のファイアウォールの内側に置き、検索先を社内文書に向ける。
- コストを抑えたいスタートアップの最初のエージェント。軽いタスクは安いモデルで回し、重いタスクは強いモデルを使う。どれも同じコードの中にある。
- エージェントの仕組みを学ぶ開発者。公開コードは、タスク、ツール、モデルアダプターがどう噛み合うかを示す手本になる。
主な機能
Multi-Task Agents with Task Routing
一つのエージェントが多くのタスクを抱え、どのタスクに利用者を届けるかはホームタスクが決める。振り分けの規則は自然言語で書くので、エージェントは訪問者を挨拶から購入フローへ、さらに注文照会へと運べる。利用者がメニューを選ぶ必要はない。各タスクは固有の指示と設定を保つため、複雑なエージェントも読める状態を保ち、巨大なプロンプト一つにはならない。
Per-Task Model Selection
タスクごとに既定のモデルを決めてもよく、仕事ごとに別のモデルを選んでもよい。Superexpert.AIはOpenAI、Anthropic、Googleのモデルを登録し、GPT-4.1、Claude 3 Opus、Gemini 2.0 Proを含む。新しいモデルはアダプターのファイルを一つ編集すればつながる。軽い仕事に小さなモデル、重い仕事に大きなモデルを当てれば、肝心なところの品質を落とさずコストを削れる。
Custom Client, Server, and Context Tools
TypeScriptの関数を登録するとツールになり、基盤はそれを呼び出せる動作としてモデルに渡す。クライアントのツールは利用者に問いかけ、サーバーのツールは自分のバックエンドで動き、コンテキストのツールはエージェントに必要なデータを供給する。エージェントが支払いを確認し、注文の状況を生きたまま読み、すでに動かしているシステムへ手を伸ばせるのは、この仕組みのおかげだ。
Retrieval-Augmented Generation
RAGを使えば、エージェントは答える前に大きなデータ群から関連する一節を引き出せる。応答はモデルの記憶ではなく自分のコンテンツに根ざす。基盤は埋め込みにpgvectorを使うので、設定はすでに入れたPostgreSQLのデータベースに乗る。当てずっぽうのエージェントと、自分の資料を引くエージェントの違いがここにある。
Model-Agnostic Architecture
基盤はモデルとエージェントを切り離すので、プロバイダーの乗り換えは設定の変更であって書き直しではない。同じエージェントの中で、あるタスクはGemini、別はOpenAI、三つ目はAnthropicで回せる。この混ぜ方のおかげで、製品全体を一社や一世代のモデルに賭けずに済む。
Open Source and Self-Hosted Deployment
完全なソースコードは開いたライセンスで公開され、アプリはNext.js、TypeScript、PostgreSQLの上で動く。Vercel、AWS、GCP、Azure、そしてNode.jsとPostgreSQLを支える任意のホストへ配備できる。セルフホストはデータを自分で握る環境に置き、ホスト型エージェント基盤が取る人数課金もなくす。
Extensible Plugins and Themes
プラグインは、プロジェクト全体をフォークせずに新しいAIモデル、ツール、チャットテーマを足せる。テーマは三つが最初から入っており、ブランドや用途に合わせて自作もできる。プラグインの仕組みにより、基盤は頼んでいない更新を押しつけずに、自分のプロジェクトとともに育つ。
メリットとデメリット
メリット
- 基盤全体がオープンソースなので、ベンダーの枠内で我慢せず、どこでも点検し、フォークし、変更できる。
- マルチタスクの振り分けで一つのエージェントが複数の仕事を担えるため、企業が維持するボットの数を減らせる。
- タスクごとのモデル選択で、安いモデルを軽い仕事に、強いモデルを重い仕事に残せて、コストを抑えられる。
- セルフホストはプロンプトと文書を自分で握る環境に置くので、データ規範の厳しいチームに向く。
- 配備はVercel、AWS、GCP、Azure、またはNode.jsとPostgreSQLのある任意のホストで動き、強制されるクラウドはない。
デメリット
- 配備は自分で維持するので、データベース移行、APIキー、更新はベンダーではなく自分のチームに来る。
- 動かすにはNode.js、PostgreSQL、pgvectorが要るので、技術に明るくない利用者は手助けなしでは導入できない。
- マネージドのクラウド版が同梱されていないため、電話口に誰かを求めるチームはその支援を自分で組むことになる。
- 新機能が文書より先に来ることがあり、最新を保つにはソースを読むことが前提になる。
よくある質問
自分で完全に握れるマルチタスクのAIエージェントを組むために使う。エージェントを作り、自然言語の指示でタスクを与え、AIモデルをつなぎ、成果を自前のインフラかクラウドホストへ配備する。
関連コンテンツ
Superexpert.AIに関連するツール、スキル、記事を探す。
Superexpert.AI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。