AIエージェントが、自分で作ったアプリを会話の中でそのまま動かせる時代が来ました。

この記事では、Abacus.AIのCEOであるBindu Reddy氏が2026年6月21日に発表した新機能の概要と、複数LLMを組み合わせる設計、データセンターや科学研究向けの3D可視化の活用例を整理します。

この記事でわかること

  • Abacus AI Agentが「任意のアプリを埋め込み利用できる」とは何を意味するか
  • Opus 4.8・GLM 5.2・GPT-5.5を組み合わせるマルチLLM設計の仕組み
  • システム設計や3D可視化など、実務で使えるユースケース
  • 既存のAgent SwarmやEffort Levelとの関係
Abacus.AI - Abacus AI Agent
A very powerful general-purpose agent
Abacus.AI

対話の中でアプリを動かす新展開

2026年6月21日、Bindu Reddy氏はX（旧Twitter）で次の機能を告知しました（参考）。

  • AIエージェントが任意のアプリを埋め込み、利用できる
  • 詳細なシステム設計やエンジニアリング設計を行える
  • データセンターや科学研究向けの3Dモデルを作成できる

投稿には、Abacus AI Agentがデータセンターの3D設計を行うデモ動画も添えられています。従来は「アプリを作ってデプロイする」までが主な流れでしたが、エージェントの作業空間そのものにアプリを組み込み、対話しながら操作できるようになった点が今回の変化です。

Abacus AI Agentとは

Abacus AI Agent（旧称DeepAgent）は、Abacus.AIが提供する汎用AIエージェントです。自然言語の指示からアプリ構築、レポート作成、プレゼン資料の生成、外部サービスとの連携までを一気通貫で実行します（公式FAQ）。

公式ドキュメントでは、次のような能力が掲げられています。

  • フルスタックアプリやWebサイトの作成・デプロイ
  • GmailやJira、Slackなど100以上のサービス連携
  • CSVやExcelを使ったデータ分析とダッシュボード生成
  • MCP（Model Context Protocol）を介したGitHubやNotionなどのツール接続

MCPは、AIエージェントが外部ツールやデータソースと標準的な方法でやり取りするためのプロトコルです。エージェントが「作ったアプリ」だけでなく、既存のSaaSや社内システムとも接続できる基盤になっています。

複数LLMを役割分担させる設計

Bindu Reddy氏の投稿では、Opus 4.8・GLM 5.2・GPT-5.5を組み合わせて使うと明記されています。Abacus.AIの公式ヘルプでも、エージェントは20以上のAIモデルを使い分けると説明されています（公式ヘルプ）。

Effort Level（努力レベル）という設定で、タスクの難易度に応じてモデルを切り替えます。

モード 主な用途 使われるモデルの例
xHigh 複雑なコーディングや設計 GPT-5.5 xHigh、Opus 4.8 xHigh
Auto（推奨） コストと性能のバランス RouteLLMが自動選択
xLow 軽いタスクの低コスト処理 GLM 5.2、Kimi 2.7 Code

GLM 5.2はZ.aiが公開した大規模言語モデルで、エージェントのツール呼び出し性能が高く、コスト効率にも優れています。Opus 4.8は複雑な推論や長時間の設計タスク向け、GPT-5.5は汎用的なツール連携に強みがあります。Abacus.AIはRouteLLMというルーターで、サブタスクごとに最適なモデルへ振り分けます。

データセンターの3D設計のように、空間配置の判断とコード生成、UIレンダリングが混在するタスクでは、この役割分担が効きます。高難度の設計判断をOpus 4.8に任せ、量の多い実装をGLM 5.2で処理し、ツール連携のハブをGPT-5.5が担うイメージです。

システム設計と3D可視化のユースケース

Abacus.AIの公式ブログでは、Abacus AI Agentがシステムアーキテクチャの設計やマイクロサービス構成、インフラのコード化まで対応すると紹介されています（公式ブログ）。

データ分析面では、Plotlyなどを使ったインタラクティブなダッシュボードやチャートの生成にも対応します。Bindu Reddy氏のデモが示すデータセンター3Dモデルは、この可視化能力をインフラ設計領域に広げた事例と読めます。ラック配置、冷却動線、電力容量といった制約を3D空間で確認しながら、設計を修正できるワークフローが想定されます。

科学研究の分野でも、Bindu Reddy氏は3Dモデル作成を明示しています。公式ブログでもPlotlyを使ったインタラクティブな可視化やダッシュボード生成が紹介されており、公開データを読み込んで地形や計測結果を可視化する流れに応用できます。研究者はコーディングに時間を割かず、仮説検証や解釈に集中できます。

Agent Swarmとの関係

今回の「アプリ埋め込み」は、2026年春に追加されたAgent Swarmとも親和性が高い機能です。Agent Swarmは、複数のAIエージェントを並列・協調させて大規模タスクを処理する仕組みです（プラットフォーム更新情報）。

たとえばモバイルアプリとWebダッシュボードを同時に作る場合、従来は順番に構築する必要がありました。Swarmモードでは要件を一括で評価し、共有バックエンドを設計したうえで並列開発できます。各サブエージェントが作ったアプリをマスター会話に埋め込んで統合テストする、という流れが自然に成立します。

Swarmはプロジェクト内から起動する必要があり、トークン消費も大きくなります。小規模なプロトタイプなら単一エージェント＋アプリ埋め込み、大規模なシステム開発ならSwarm、と使い分けるのが現実的です。

料金と始め方

Abacus AI AgentはChatLLMのサブスクリプションに含まれ、月額10ドル/ユーザーから利用できます（公式FAQ）。Proティア（追加10ドル/月）では、より高性能なエージェントモードや追加クレジットが使えます。

利用の流れはシンプルです。

  1. ChatLLMまたはAbacus AI Agentのページからサインアップする
  2. Agentモードでタスクを自然言語で指示する
  3. 生成されたアプリをプレビューし、必要ならチェックポイントで巻き戻す
  4. 問題なければワンクリックでデプロイする

アプリのデプロイ先は、Abacus提供のサブドメイン（例: myapp.abacusai.app）か、自社ドメインを選べます（アプリ構築ガイド）。

エージェントが「作る」から「使う」へ

AIコーディングツールの進化は、コード生成の精度向上だけではありません。エージェントが生成したアプリを対話空間に埋め込み、設計・検証・修正を同じ画面で回せるようになる点が、今回の発表の本質です。

Bindu Reddy氏の投稿は週末のローンチと銘打たれ、X上で340万回以上表示されています。データセンター設計から科学研究まで、専門領域の可視化を自然言語で回せるようになれば、エンジニア以外の担当者も設計レビューに参加しやすくなります。複数LLMの組み合わせとアプリ埋め込みが標準装備になれば、「プロンプトを投げてコードをもらう」段階から、「エージェントと一緒に動くプロトタイプを育てる」段階へ、開発体験全体が移行しつつあります。