Rust on hdknr blog

claw-code-local — Claude Code風のAIコーディングエージェントをローカルLLMで動かす

Sun, 05 Apr 2026 00:00:00 +0000

Claude Code風のAIコーディングエージェント claw-code-local の紹介。Ollama や LM Studio でローカルLLMを使い、API費用ゼロ・プライバシー保護でコード生成を実現する方法を解説。

opencli-rs: Rust製の爆速Webスクレイピングツールで55以上のサイトをCLI化する

Fri, 27 Mar 2026 00:00:00 +0000

opencli-rs は、55以上の主要サイトに対応したRust製のCLIツールです。サイトごとにAPIやスクレイピング方法が異なる煩雑さを解消し、1つのコマンドで各プラットフォームの情報を取得できます。

opencli-rs とは

opencli-rs は、元々TypeScriptで実装されていた OpenCLI をRustで完全に書き直したツールです。X (Twitter)、YouTube、Reddit、Hacker News、Bilibili、Zhihu、Xiaohongshu（小紅書）など多数のプラットフォームに対応しています。Chromeのログインセッションを再利用するため、APIキーなしでデータを取得できます。

出力形式はテーブル、JSON、YAML、CSV、Markdownに対応しており、用途に応じて使い分けが可能です。また、Electronベースのデスクトップアプリをコマンドラインから制御する機能も備えており、GUIアプリの操作をスクリプト化できます。

主な特徴

処理速度が最大12倍に向上 — TypeScript版と比較して大幅な高速化（例: Bilibili Hot の取得が20.1秒から1.66秒に）
メモリ使用量を10分の1に削減 — 95-99MBから9-15MBへ
シングルバイナリで動作 — わずか4.7MB、追加のランタイム不要でどの環境にも導入可能

インストール

インストールスクリプトが用意されており、システムとアーキテクチャを自動検出してバイナリをダウンロードします。

1

curl -fsSL https://raw.githubusercontent.com/nashsu/opencli-rs/main/scripts/install.sh | sh

Rustの開発環境がある場合はソースからビルドすることもできます。

1
2
3


git clone https://github.com/nashsu/opencli-rs.git
cd opencli-rs
cargo build --release

AIエージェントとの連携

opencli-rs はAIエージェントとの連携を前提に設計されています。Claude Code や Cursor などに組み込むことで、「Hacker Newsのトップ記事を取得して要約する」「競合のX投稿を定期的にチェックする」といったWeb情報収集の自動化が可能です。

AIエージェント向けのスキルパッケージ opencli-rs-skill も提供されています。

1

npx skills add https://github.com/nashsu/opencli-rs-skill

これにより、AIエージェントが AGENT.md や .cursorrules の設定を通じて利用可能なツールを自動的に検出し、自然言語でWebスクレイピングを実行できるようになります。

Goose 完全ガイド — Block が作った無料オープンソース AI エージェントの全貌

Thu, 05 Mar 2026 00:00:00 +0000

Goose 完全ガイド — Block が作った無料オープンソース AI エージェントの全貌

Block（旧 Square）が開発するオープンソース AI エージェント Goose は、GitHub で 32,400 スターを獲得し、Linux Foundation の Agentic AI Foundation（AAIF）の創設プロジェクトに選ばれた、エージェント AI 時代の基盤ソフトウェアです。

Claude Code costs up to $200 a month. Goose does the same thing for free.

VentureBeat の見出しが示すように、Goose は無料・ローカル実行・モデル非依存という特徴で、商用 AI コーディングツールの対抗馬として注目されています。Block 内部では従業員 12,000 人の 60% が毎週 Goose を使用し、開発時間 50〜75% 削減を報告しています。

Goose とは何か

Goose は「ローカルで動く、拡張可能な、オープンソースの AI エージェント」です。単なるコード補完ではなく、プロジェクトの構築・コード実行・デバッグ・ワークフローの統合を自律的に行います。

基本情報

項目	内容
開発元	Block, Inc.（旧 Square / Jack Dorsey 創業）
公開日	2025年1月28日
ライセンス	Apache 2.0
言語構成	Rust 57.4%、TypeScript 34.9%
GitHub Stars	32,400+
コントリビューター	409 人
リリース	121 回以上（最新 v1.27.0）
インターフェース	CLI + デスクトップアプリ
対応 OS	macOS / Linux / Windows
費用	無料（LLM API 費用は別途）

なぜ Block が作ったのか

Goose は Block のエンジニアがソフトウェア開発を効率化するために内部ツールとして開発したことに端を発します。Jack Dorsey はオープンソースの推進者として知られ、Goose は Block の新設オープンソースオフィスから公開された最初のプロジェクトです。

OpenFang × Rust製シングルバイナリ「エージェントOS」のHandsアーキテクチャと自律型AI設計

Thu, 05 Mar 2026 00:00:00 +0000

OpenFang — Rust 製シングルバイナリの「エージェント OS」が再定義する自律型 AI の設計

@mikefutia 氏が X で紹介した OpenFang v0.3.7 のリリースが注目を集めています。

OpenFang v0.3.7 is out! here’s everything since v0.3.3

OpenFang は RightNow AI の創設者 Jaber 氏が開発する、Rust で一から構築されたオープンソースのエージェントオペレーティングシステムです。チャットボットフレームワークではなく、自律的にタスクを実行する「エージェント OS」を標榜しています。2026 年 2 月 24 日の公開から 4 日で GitHub スター 4,037 を獲得し、パーソナル AI エージェント領域で最速級の立ち上がりを見せました。

本記事では、OpenFang のアーキテクチャ、独自の「Hands」機構、Python 製フレームワークとの構造的な違いを技術的に解説します。

なぜ「エージェント OS」なのか

チャットボットフレームワークとの違い

LangChain や CrewAI のような既存のエージェントフレームワークは、基本的にユーザーのプロンプトを起点に動作します。ユーザーが指示を出し、エージェントが実行し、結果を返す。この対話ループが基本構造です。

OpenFang が「OS」と名乗る理由は、プロンプトなしで自律的に動作する設計にあります。

既存フレームワーク:
ユーザー → プロンプト → エージェント → 結果 → ユーザー
（対話ループ）
OpenFang:
スケジュール → エージェント → タスク実行 → 知識グラフ更新
↓
ダッシュボードに報告
（自律ループ、ユーザーの介入は承認ゲートのみ）

24 時間 365 日、バックグラウンドでエージェントが動き続ける。リード獲得、競合監視、SNS 投稿、コンテンツ生成を自動で行い、ユーザーはダッシュボードで結果を確認する。これが OpenFang の設計思想です。

Rust の仕事が増えていく理由 — インフラコスト削減の圧力と LLM が学習コストを消し去る構造変化

Wed, 04 Mar 2026 00:00:00 +0000

Rust の仕事が増えていく理由 — インフラコスト削減の圧力と LLM が学習コストを消し去る構造変化

@helloyuki_ 氏のポストが、Zenn の記事を紹介し反響を呼んでいます（いいね 177、ブックマーク 124）。

前職の同僚がなんか書いてた。広告配信でRustを採用した際のインフラ費の話を聞いた気がするんだけど、たしかにRustにするとこんなに削減できるのかと思った記憶がある🤔

引用元は yukinarit 氏による Zenn 記事「Rustの仕事が増えていく理由」。地図・ゲーム・証券・広告・メッセージングと多様な業界で Rust を使ってきたエンジニアが、なぜ Rust の仕事が増えていくのかを構造的に分析した記事です。

本記事では、元記事の論点を整理し、企業の実績データとLLM時代の変化を加えて解説します。

Rust 採用の構造的理由 — 2軸モデル

性能要求 × 開発コストの2軸

元記事が提示するフレームワークは、言語選定を性能要求と開発コスト許容度の2軸で整理するものです。

 高性能要求
↑
領域D | 領域C
Rust / C++ | ML研究等
|
───────────────┼───────────────→ 高コスト許容
|
領域B | 領域A
Go / Java | Ruby / Python
| TypeScript
低性能要求

領域	言語	典型的なプロダクト
A（低性能・低コスト）	Ruby, Python, TypeScript	Web アプリ、管理画面、MVP
B（中性能・中コスト）	Go, Java, C#	マイクロサービス、API サーバー
C（低性能・高コスト）	Python + CUDA	機械学習研究
D（高性能・高コスト）	Rust, C++	HFT、ゲームエンジン、広告配信

領域 B → D への圧力

重要なのは、クラウドの普及が領域 B のプロダクトを領域 D に押し上げていることです。オンプレミス時代はサーバーを買い切りだったため、CPU やメモリの使用効率が直接コストに響きにくかった。しかしクラウドでは CPU 時間・メモリ量が従量課金されるため、「Go/Java で十分」だったサービスがコスト削減のために Rust を検討するフェーズに入っています。