AIエージェントは、もはや会話だけの存在ではありません。ブラウザを開き、ボタンをクリックし、端末上のソフトウェアを人の代わりに動かす——こうした「managed computer agents（管理型コンピュータエージェント）」が、2026年の開発現場で注目を集めています。
この記事では、Gauntlet AIが6月24日の無料講座で解説予定の潮流と、代表フレームワークであるHermes・OpenClaw、実運用例のKellyについて整理します。
この記事でわかること
- managed computer agentsが何を指し、チャット型エージェントと何が違うか
- HermesとOpenClawがそれぞれ担う役割の違い
- Kellyが示す「今できること」と「まだ壊れるところ」
- 開発者が検討するときの判断材料
チャットの外へ出たエージェントとは何か
従来のAIアシスタントは、テキストのやり取りが中心でした。質問に答え、文章を書き、コード片を提案する——ここまでが一般的な利用範囲です。
managed computer agentsは、その一歩先に進みます。エージェントが専用のコンピュータ環境（ブラウザ、ファイルシステム、シェル）を持ち、Webページの閲覧、フォーム入力、ソフトウェア操作まで自律的に行います。裏側ではタスクの種類に応じてLLM（大規模言語モデル）を振り分け、コストと精度のバランスを取る設計が主流です。
Gauntlet AIは2026年6月22日のX投稿で、この潮流を「AI agents are leaving the chat window（AIエージェントはチャットウィンドウを離れつつある）」と表現しました。同社の講師Jason Jorgensonが、6月24日17時〜18時（CT）のNight SchoolでHermes、OpenClaw、managed computer agentsを解説し、実運用エージェントKellyのデモを行う予定です。
なぜ今、コンピュータ操作型が注目されるのか
背景には、LLMの推論力向上と、エージェント基盤の成熟が重なっています。ChatGPTやClaudeにスケジュール実行やコネクタ機能が追加され、エディタ系ツールもクラウドエージェントを標準装備し始めました。一方で、データの所在やモデル選択の自由度を重視する開発者は、自前サーバーで常時稼働するエージェントへの関心を強めています。
managed computer agentsの価値は、会話の延長ではなく「作業の完遂」にあります。メール整理、App Store申請、テスト実行、広告素材の生成など、人手が介在していた反復作業をエージェントに任せる流れが具体化してきました。ただし、認証（2FA）、CAPTCHA、メモリの不安定さといった課題も同時に表面化しています。
Hermes：学習し続けるサーバー常駐エージェント
Hermes Agentは、Nous Researchが開発するMITライセンスのオープンソースエージェントです。自前サーバーやVPS上で常時稼働し、TelegramやDiscord、Slackなど複数のメッセージング経路から同一のエージェントにアクセスできます。
公式ドキュメントによると、Hermesは47種類の組み込みツールを備え、Web検索・ブラウザ自動化・コード実行・画像生成などをカバーします。特徴的なのは「closed learning loop（閉じた学習ループ）」です。複雑なタスクの後にスキルを自動生成し、利用のたびに改善します。記憶は~/.hermes/配下のMarkdownファイルとして保存され、セッションをまたいで蓄積されます。
モデルはOpenAI、Anthropic、Google、OpenRouter経由の200以上のモデルなど、プロバイダーを自由に切り替えられます。hermes claw migrateコマンドでOpenClawからの移行にも対応しています。常時稼働とスケジュール実行（cron）を重視する開発者・チーム向けの設計です。
OpenClaw：端末を丸ごと使うパーソナルAI
OpenClawは、オープンソースのパーソナルAIアシスタントです。Mac、Windows、Linux上で動作し、WhatsApp、Telegram、Discord、Slack、Signal、iMessageなど24以上のチャネルと接続できます。
公式サイトが明示する2つの能力が、managed computer agentsの文脈で重要です。ひとつは「Browser Control」——Webの閲覧、フォーム入力、任意サイトからのデータ抽出。もうひとつは「Full System Access」——ファイルの読み書き、シェルコマンド実行、スクリプトの実行です。サンドボックス化も選べます。
コミュニティ製のスキル（ClawHub）で機能を拡張する設計が強みです。一方、2026年時点ではClawHub内の悪意あるスキルが複数のセキュリティ調査で指摘されており、スキルの選定には注意が必要です。チャネル接続の幅広さと、端末操作の柔軟さを優先する場合に向いています。
HermesとOpenClawの使い分け
両者はどちらもオープンソースで自前ホスト可能ですが、設計思想が異なります。
Hermesは、エージェントが経験からスキルを自動生成・改善する「自己改善型ランタイム」です。手続き的メモリの蓄積と、cronによる自律実行を軸に据えています。OpenClawは、人間が作成・選別したスキルと豊富なチャネル連携を軸にした「コントロールプレーン」に近い立ち位置です。
ブラウザ操作については、OpenClawがネイティブのChrome CDP（Chrome DevTools Protocol）制御を持つ点が強みとして挙げられます。Hermesもブラウザ自動化ツールを内蔵していますが、学習ループとマルチサーバー実行（Docker、SSH、Modalなど6種のターミナルバックエンド）の統合が差別化要因です。既存のOpenClawユーザーが学習機能を求めるならHermesへの移行、チャネル数とプラグイン生態系を重視するならOpenClaw継続、という判断が現実的です。
Kellyが示す実運用の輪郭
Kellyは、Gauntlet AI創業者のAusten AllredがOpenClaw上に構築した自律型ソフトウェアファクトリーです。Xアカウント名は@KellyClaudeAIで、2026年3月のSXSW期間中にGauntlet HQで公開デモが行われました。
Kellyの仕組みは3層です。最上位のKellyが全体を統括し、プロジェクトリードが各アプリのビルドを管理、サブエージェントがフェーズごとの実作業を担当します。アイデア調査からSwiftによるiOSアプリ開発、App Store申請、マーケティング素材の生成までをパイプライン化しています。
公開時点の実績は、App Store承認済みアプリ9本、累計収益約144ドルと報告されています。1アプリのビルド時間は当初2時間から、インフラスクリプトの整備後20〜30分に短縮されました。運用コストは最適化前に1日あたり約1000ドル、モデル振り分けとスクリプト化の徹底後は約1ドルまで下がったとも述べられています。
ここから読み取れるのは、managed computer agentsが「理論上可能」から「実際に回る」段階に入ったという事実です。同時に、限界もはっきりしています。2FA対応のためにスマホ画面をカメラで撮る回避策が必要だったこと、CAPTCHAのチェックボックスをエージェントが躊躇したこと、OpenClaw標準のメモリが不安定でAGENTS.mdへの指示記述を優先したこと——これらはGauntlet側が公開した振り返りに基づく事実です。
モデル振り分けがコストを左右する
Kellyの運用で繰り返し強調されたのが、「タスクごとに適切なモデルを選ぶ」設計です。すべてを高性能モデルに任せると、同じ作業でも最大100倍のコスト差が出るとGauntlet側は説明しています。オーケストレーションにCodex 5.4、実装にCodex 5.3、一部タスクにSonnet 4.6を使い分ける構成が採用されました。
ブラウザ操作は特にコストが膨らみやすい領域です。画面を画像としてモデルに渡し、クリック先を推論するループはトークン消費が大きいため、Kellyでは結果が決定的な処理をシェルスクリプトにオフロードする方針が取られています。managed computer agentsを本番で回すなら、エージェント基盤の選定と同じくらい、モデルルーティング設計が実務の要になります。
開発者が今から押さえるべきポイント
managed computer agentsは、チャット型AIの延長ではなく、端末操作を含む自律作業基盤として位置づけられます。Hermesは学習とスケジュール実行、OpenClawはチャネル接続と端末操作の柔軟性、Kellyはその組み合わせによる実ビジネス自動化の試金石です。
導入を検討する際は、次の3点を先に確認するのが現実的です。データを自前サーバーに置けるか、ブラウザ操作が本当に必要か（APIやスクリプトで代替できないか）、失敗時の人間介入フローを用意できるか。Gauntlet AIのNight School（毎週水曜17時CT、無料）は、こうした実装の詳細をライブで追える機会です。6月24日の回では、Jason JorgensonによるHermes・OpenClaw・Kellyのデモが予定されており、「何が動き、どこで壊れるか」を直接確認する価値があります。
誇大宣伝ではなく実装の現在地を知りたい開発者にとって、チャットを離れたエージェントの輪郭は、もう十分に具体化し始めています。