ローカルLLMのgooseがClaude CodeとCodexを部下にするまで。7ハーネス調査の検証編

前回の連載でローカルLLMのgooseについてソースコード調査を行ったが、今回は実際に動かしてみた。環境はMac Apple Silicon、モデルはQwen、外部APIキーなし。検証結果はシンプル：全部動いた。

gooseの最大の特徴は「エージェントを関数のように定義できる」ことだ。実験では、コミットログを分類するレシピをYAMLで定義し、5つのコミットを feat/fix/docs に正しく分類した。返り値はJSON。これを複数組み合わせ、「コミット分類」から「日本語レポート生成」と連鎖させることも可能だ。さらに衝撃的だったのは復旧能力。kill -9で強制終了したセッションをresumeオプションで再開すると、中断地点から続きを再実行した。会話ログが唯一の状態管理だからこそ、プロセスがいつ死んでも再開できるわけだ。

ここが重要だ。OpenAIやClaudeのクラウドAPIを使わずに、企業の自社VPS上だけでAIエージェントを動かす基盤が、実質的に使えるレベルに達した。データをクラウドに送りたくない製造業・金融機関にとって、「秘匿情報を社内に留めながらAI自動化する」という長年の宿題が、解き得る課題になった。コストはほぼゼロ。クラウドAPI利用料は発生しない。中小企業が社内にデータを留めたままAI自動化を進めるなら、ローカルLLM＋gooseの組み合わせを検討する価値がある。ただし、セットアップと運用には技術的知見が要る。まだ一般向けの商用サービス化はされていないため、開発チームが居る企業向けだ。