OpenHandsは、AIを活用したソフトウェア開発のためのオープンソースプラットフォームです。エージェントがリポジトリを調べ、ファイルを編集し、コマンドを実行し、テストを走らせます。これは「エージェント的」なソフトウェア開発への移行の一部で、エージェントに完全なタスクを与えると、完了するか入力が必要になるまでステップごとに進めていきます。
この記事では、OpenHandsのアーキテクチャと主な機能を解説し、ローカルモデルでのセットアップ方法を紹介したうえで、Claude Code、Cursor、GitHub Copilotとの比較も行います。
AIエージェントとは? AI Agent Fundamentals トラック に登録して、AIエージェントが仕事の進め方をどのように変えうるかを学んでください。
OpenHandsとは?
OpenHandsは、コードを扱うAIエージェントを構築・実行するためのオープンソースプラットフォームです。
名前は2つのものを指します。1つはプロジェクト全体で、SDK、サーバー、ブラウザUI、ホスティングサービスを含む複数のリポジトリの集合体です。もう1つは、その上で動くコーディングエージェントそのものです。
仕組みは次のとおりです。
Software Agent SDK: コードを扱うエージェントを構築するためのPythonおよびREST API群で、OpenHands CLIやOpenHands Cloudのエンジンとなるもの
Agent Server: エージェントの実行、会話、ツール、ワークスペースをRESTとWebSocketのAPIで公開
Agent Canvas: 会話、ファイル、ターミナル出力、モデル設定、バックエンド、オートメーションを1つにまとめたブラウザUI
OpenHands Cloud: 自前でバックエンドやサンドボックス基盤を運用したくないチーム向けのマネージド商用サービス
多くの人が「OpenHands」と言うときは、エージェントを指します。この記事でもその部分を扱います。
通常は、エージェントにソフトウェアのタスクを与え、コードのあるワークスペースを指定すると、使用可能なツールを用いてタスクを進めます。デフォルトのツールセットは、ターミナル、ファイルエディタ、タスクトラッカーです。
ワークスペースは自分のノートPCである必要はありません。ローカルマシンを使うことも、DockerやKubernetesなどのエフェメラルなワークスペース内で実行することもできます。
OpenHandsは特定のモデルプロバイダーに縛られません。Claude、GPT、その他のLLM、ローカルモデルを含めて利用できます。Agent Canvasは、デフォルトのOpenHandsエージェントの代わりにClaude CodeやCodexなどのサードパーティ製エージェントも実行できます。
つまり、OpenHandsは自分の条件で動かせるオープンなエージェントプラットフォームです。
OpenHandsの動作
OpenHandsはループで動きます。
チャットアシスタントはプロンプトを受け取ってテキストを返します。OpenHandsエージェントはタスクを受け取り、アクションを実行し、結果を確認し、次に何をするかを決めます。
OpenHandsエージェントのループ
全体の流れは次のとおりです。
タスクの受領: 目標を平易な言葉で説明します(例:「月次レポートが異なる年の同じ月を合算しないように修正してください」)
リポジトリの調査: エージェントがディレクトリを列挙し、ファイルを開き、タスクに関連するコードを検索します
計画の立案: タスクをステップに分解し、タスクトラッカーに記録します
ファイルの編集・作成: ファイルエディタでコードを変更します
コマンドとテストの実行: ターミナルでテストスイートやアプリを実行します
結果の確認: エラーや失敗したアサーションを含む出力を読み取ります
反復: まだ問題が残っていれば、計画を調整して再試行します
タスクが完了するか、資格情報の不足や要件に関する判断など、あなたにしか提供できないものが必要になった時点でループは止まります。
手順6が、OpenHandsを競合と差別化する点です。コード補完ツールは、自分の生成したコードが実行された結果を目にしません。OpenHandsはそれを確認できるため、テスト失敗に反応して原因を修正できます。
OpenHandsの主な機能
オートコンプリートはテキストを提案しますが、OpenHandsはプロジェクトに対して行動します。具体的には次のとおりです。
コード編集
OpenHandsはファイルを直接編集し、1ファイルに限定されません。
例えば関数名の変更が必要な場合、定義を更新し、すべての呼び出し箇所を見つけ、参照するテストも更新します——これらを1つのタスクとしてまとめて行います。
ターミナルとツールの利用
エージェントは独自のターミナルを持ちます。依存関係のインストール、スクリプトの実行、テストの実行、コマンド出力の読み取りが可能です。
また、MCP(Model Context Protocol)サーバーを接続して、課題管理やデータベースクライアントなど、元々想定されていないツールも使えるようにできます。
リポジトリの理解
ほとんどのコード生成ツールは、プロンプトに貼り付けたものしか見えません。
OpenHandsはリポジトリを開いて探索します。READMEを読み、インポートをたどり、既存のテストを見てプロジェクトの構造を理解します。そのため、変更が既存コードに適合しやすくなります。
一方で、長いタスクでは別の問題が生じます——会話履歴がモデルの保持できる範囲を超えることです。OpenHandsはコンテキストコンデンサーでこれに対応し、会話の古い部分を要約して、エージェントが作業を継続できるようにします。
モデルの選択
モデル呼び出しはLiteLLMを介するため、サポートされる任意のプロバイダーやモデルを使用できます。OpenHandsのドキュメントでは、Claude、GPT、Gemini系のモデルや、OpenHands Indexで高評価のオープンウェイトモデルが推奨されています。
コードをマシン外に出せない場合は、ローカルモデルを実行できます。OpenHandsはLM Studio、Ollama、vLLM、SGLangなどのローカルサーバーに接続します。
ここで覚えておきたいのは、モデルによって結果が大きく変わることです。コンテキストウィンドウが大きくても、ツールの安定利用を苦手とするローカルモデルもあります。
自律的なタスク実行
タスクを渡したら、エージェントはループを自力で進めます。エラーをチャットに貼り戻したり、次に開くべきファイルを指示したりする必要はありません。
Agent Canvasはオートメーションでさらに踏み込みます。Slack、GitHub、Linearなどと連携し、スケジュールまたはWebhookイベントに応じて実行します。
ただし、自律性は正しさを保証しません。マージ前には差分とテスト結果を確認する必要があります。
OpenHandsの使い方
OpenHandsを理解する最良の方法は、バグを与えて何をするかを見ることです。
このセクションでは、OpenHandsをDockerでローカル実行し、Ollama経由でローカルモデルに接続し、小さなPythonプロジェクトのバグ修正を依頼します。
OpenHandsをセットアップする
OpenHandsの実行方法はいくつかあります:
CLIランチャー: uv tool install openhands --python 3.14 でインストールし、openhands serve でGUIを起動
Docker: 単一の docker run コマンドでアプリコンテナを直接実行
Agent Canvas: ローカル、自前ホスト、Cloud、Enterpriseの各バックエンドに接続する新しいブラウザクライアント
OpenHands Cloud: 自分で何も動かしたくない場合のホスティング版
ここではDocker経由でLocal GUIを使います。OpenHandsのドキュメントでは現在、これは非推奨のDockerベースのブラウザアプリとして記載され、後継としてAgent Canvasが案内されていますが、依然として手順が整備されており、GUIを最速で立ち上げる方法です。
macOS、Linux、WSL搭載のWindowsでDocker Desktopが必要です。macOSではDocker Desktopを開き、Settings > Advanced に進み、デフォルトのDockerソケットを有効にしてください。
次にアプリを起動します:
docker run -it --rm --pull = always \
-e AGENT_SERVER_IMAGE_REPOSITORY = ghcr.io/openhands/agent-server \
-e AGENT_SERVER_IMAGE_TAG = 1.26 .0-python \
-e LOG_ALL_EVENTS = true \
-v /var/run/docker.sock:/var/run/docker.sock \
-v ~/.openhands:/.openhands \
-p 3000 :3000 \
--add-host host.docker.internal:host-gateway \
--name openhands-app \
docker.openhands.dev/openhands/openhands:1.8提供:
OpenHandsはDockerソケットのマウントを使って別のサンドボックスコンテナを起動し、エージェントはホストではなくそのサンドボックス内でコマンドを実行します。
ログでサーバーの起動が確認できたら、ブラウザで http://localhost:3000 を開いてください。
OpenHandsのウェルカムページ
モデルを接続する
モデルを設定しない限り、OpenHandsは何もできません。
ここではMistralのエージェント的コーディング向け24BモデルであるDevstral Small 2を使います。単一のRTX 4090や32GB RAMのMacで動作可能で、Ollama 0.13.3以降が必要です。
Ollamaを大きめのコンテキストウィンドウで起動し、モデルを取得します:
OLLAMA_CONTEXT_LENGTH = 32768 OLLAMA_HOST = 0.0 .0.0:11434 ollama serve &
ollama pull devstral-small-2:24b提供:
コンテキスト長を軽視しないでください。Ollamaのデフォルトは4096トークンで、OpenHandsのシステムプロンプトすら収まりません。ドキュメントでは最低22000を求めています。
OpenHandsで Settings を開き、LLM タブへ進み、Advanced をオンにします。次を設定してください:
Custom Model: openai/devstral-small-2:latest
Base URL: http://host.docker.internal:11434/v1
API Key: 任意のダミー値(例:local-llm)
ローカルOllamaモデル向けのLLM設定
openai/ プレフィックスは、OpenAI互換API経由でOllamaと通信するようOpenHandsに指示するものです。APIキー自体は使われませんが、空欄にはできません。
リポジトリを開く
OpenHandsはデフォルトではファイルを見られません。プロジェクトをサンドボックスにマウントする必要があります。
この例では、budget-tracker/project というフォルダに2つのファイルを用意します。1つ目は月ごとの支出合計を算出します:
def monthly_totals ( transactions) :
"""Sum spending per month, keyed as 'YYYY-MM'.
Each transaction is a (date, amount) tuple, for example ("2025-01-15", 42.0).
"""
totals = { }
for date, amount in transactions:
month = date[ 5 : 7 ]
totals[ month] = totals. get( month, 0 ) + amount
return totals提供:
ドックストリングではキーが YYYY-MM とされていますが、date[5:7] は月しか保持しません。2025年1月と2026年1月が同じバケットに入ってしまいます。
2つ目のファイルには、このバグを検出する2つのテストが入っています:
from budget import monthly_totals
def test_same_month_in_different_years ( ) :
transactions = [
( "2025-01-10" , 50.0 ) ,
( "2025-01-20" , 100.0 ) ,
( "2026-01-12" , 60.0 ) ,
]
assert monthly_totals( transactions) == { "2025-01" : 150.0 , "2026-01" : 60.0 }
def test_single_month ( ) :
transactions = [ ( "2026-03-01" , 20.0 ) , ( "2026-03-15" , 5.5 ) ]
assert monthly_totals( transactions) == { "2026-03" : 25.5 } 提供:
フォルダをGitリポジトリにしておけば、後でエージェントが何を変更したか確認できます:
cd budget-tracker
git init
git add .
git commit -m "Initial commit" 提供:
今 python -m pytest を実行すると、両方のテストが失敗します:
テスト失敗の様子
OpenHandsにアクセス権を与えるため、コンテナを停止し、docker run コマンドに1行追加します:
-e SANDBOX_VOLUMES = $HOME /budget-tracker:/workspace:rw \ 提供:
つまり、完全なコマンドは次のようになります:
docker run -it --rm --pull = always \
-e AGENT_SERVER_IMAGE_REPOSITORY = ghcr.io/openhands/agent-server \
-e AGENT_SERVER_IMAGE_TAG = 1.26 .0-python \
-e LOG_ALL_EVENTS = true \
-e SANDBOX_VOLUMES = $HOME /Desktop/budget-tracker:/workspace:rw \
-v /var/run/docker.sock:/var/run/docker.sock \
-v ~/.openhands:/.openhands \
-p 3000 :3000 \
--add-host host.docker.internal:host-gateway \
--name openhands-app \
docker.openhands.dev/openhands/openhands:1.8提供:
形式は host_path:container_path:mode です。プロジェクトはサンドボックス内の /workspace に現れ、rw はエージェントによる編集を許可します。
エージェントに変更させたいプロジェクトだけをマウントしてください。/workspace に読み書きでマウントされたものは、エージェントにより変更され得ます。
エージェントにタスクを与える
新しい会話を開始し、バグレポートを書くように問題を説明します:
月次合計が、異なる年の同じ月の支出を合算してしまいます。
原因を見つけて修正し、テストが通ることを確認してください。
以上です。budget.py を指し示したり、どの行が誤りか伝えたりする必要はありません。
会話の出力
先ほどのエージェントループがここから動きます。エージェントは /workspace を探索し、両方のファイルを読み、何が失敗するかを見るためにテストを実行します。その後コードを編集し、再度テストを実行します。
サンドボックスのターミナルでpytestを実行するエージェント
変更をレビューする
エージェントは完了と報告しました。コードエディタを開き、コードの変更点を確認して差分を見られます。
正しい修正は、budget.py の1行です:
month = date[ : 7 ] 提供:
修正後の budget.py
また、git diff で差分を確認することもできます。
確認すべきポイントは次のとおりです:
ソースコード: 修正は budget.py に入っていること
テスト: アサーションを通すために test_budget.py を編集していないこと
テスト実行: python -m pytest を自分で実行し、エージェントの要約に依存しないこと
OpenHandsのアーキテクチャ
OpenHandsは6つの主要コンポーネントからなり、それぞれが1つの役割を担います。
OpenHandsコンポーネントの接続関係
AIモデル
モデルは推論を行います。タスクと会話履歴を受け取り、メッセージまたはツール呼び出しで応答します。
モデル自体はファイルを変更したり何かを実行したりはしません。次に何をすべきかを決めるだけです。モデル呼び出しはLiteLLMを介するため、この記事のDevstral構成のように、ホスティング型プロバイダーでもローカルモデルでも同じエージェントを使えます。
エージェントロジック
エージェントはモデルとその他すべての間に位置します。推論—アクションのループを回し、モデルに次のアクションを問い合わせ、ツールを実行し、結果やエラーを処理します。
また、モデルに何を見せるかも制御します。エージェントはコンデンサーで会話履歴を管理し、各モデルクエリにスキルやプロンプトを追加します。
各ステップは記録されます。エージェントはアクションを実行し、観測結果を受け取り、会話にイベント履歴として保持します。モデルは次のターンでそれらのイベントを参照でき、既に何が起きたかを把握します。
ツールとアクション
ツールは、エージェントがモデル外に影響を与える手段です。標準セットにはターミナル、ファイルエディタ、タスクトラッカーが含まれ、MCPサーバーを通じて拡張できます。
モデルは「pytest を実行」や「budget.py の8行目を置換」といったアクションを要求します。ツールはそれを実行し、テスト出力や更新されたファイルといった観測結果を返します。
アクションの実行前にはセキュリティチェックが行われます。セキュリティアナライザーが各アクションを評価し、必要に応じてエージェントを一時停止して承認を求めます。
開発環境
ツールはあなたのマシン上ではなく、サンドボックス内で動きます。
Docker構成では、OpenHandsはエージェントサーバーを専用のDockerコンテナ内で動かします。この記事でDockerソケットをマウントするのは、そのアプリコンテナがサンドボックスを起動するために必要だからです。
サンドボックスはローカルである必要はありません。DockerやKubernetesなどのエフェメラルなワークスペースでも動作し、Agent Serverは実行、ツール、ワークスペースをRESTとWebSocketのAPIで公開します。サンドボックスの場所に関わらず、エージェントロジックは同じです。
リポジトリ
リポジトリはエージェントの作業対象です。サンドボックスに取り込む方法は2つ——本記事のようにローカルフォルダをマウントするか、GitHub、GitLab、Bitbucketの連携経由で接続します。
リポジトリはエージェントの挙動も指示できます。ルートにある AGENTS.md は会話開始時にシステムプロンプトへ挿入されます。より絞り込んだ指示は .agents/skills/ に置き、エージェントはまず要約を見て、必要になったときに全文を読み込みます。
たとえば「pytest ではなく make test でテストを実行する」といった、エージェントが推測できないプロジェクトのルールをここに記述します。
人によるレビュー
最後の構成要素はあなたです。
OpenHandsは3つの確認ポリシーをサポートします:すべて承認、承認なし、リスクの高いアクションのみ承認。最後のものはセキュリティアナライザーに依存し、各アクションをLOW、MEDIUM、HIGH、UNKNOWNのリスクに分類します。デフォルトはNeverConfirmで、変更しない限りエージェントは停止せずに実行します。
2つ目の検問は最後にあります。差分を読み、テスト結果を確認して、はじめてエージェントの仕事は完了します。
OpenHandsのワークフロー
この記事では1行のバグ修正を示しましたが、もちろんOpenHandsはもっと大きなタスクも扱えます。
共通するのは、いずれも複数ステップを必要とする作業であることです。エージェントループが適する6つの作業タイプを紹介します。
バグ修正
この記事のバグは1ファイル内で見つけやすいものでしたが、現実ではそうとは限りません。
たとえば本番環境のアプリケーションログに KeyError があり、スタックトレースが不正なデータ流入元から3回先の関数を指しているとします。スタックトレースをOpenHandsに貼り付け、修正を依頼します。
エージェントは呼び出しチェーンをデータの出所までたどり、エラーを再現するテストを書いて失敗を確認します。次にコードを修正し、他に影響がないかフルテストを実行します。
再現テストを書いているかが重要なチェックポイントです。これは、エージェントがエラーの発生箇所を当てただけでなく、実際のバグを突き止めた証拠になります。
機能実装
機能開発は、予想以上に多くのファイルを変更することがよくあります。
たとえば、コマンドラインのレポートスクリプトに日付で取引をフィルタする --since フラグが必要だとします。エージェントは引数パーサーを見つけてフラグを追加し、値をフィルタロジックに渡し、ヘルプテキストを更新します。さらに新しい動作のテストを書き、READMEを更新します。
小さな機能でも4〜5ファイルに及ぶことがあります。エージェントはタスクトラッカーで管理するため、最初の1つが動いた時点で止まりません。
リファクタリング
リファクタリングは、挙動を変えずに構造を変えることです。そしてテストスイートが、挙動が変わっていないことの証明になります。
たとえば、日付、文字列、ファイルのヘルパーが混在する巨大な utils.py があるとします。OpenHandsに対して3つのモジュールに分割するよう依頼します。
エージェントは新しいモジュールを作成し、関数を移動し、コードベース全体のインポートを更新します。移動のたびにテストを実行します。これにより、何かが壊れた場合に、どの移動が原因かを特定できます。
テスト作成
テストがないコードは、エージェントに任せる出発点として一般的です。タスクが明確で、検証も簡単だからです。
日付パースのモジュールにテストがないとします。エージェントは関数を読み、通常入力と、空文字・うるう年・不正形式などの境界ケースに対するpytestケースを書き、実行します。
新しいテストが失敗した場合、テストが間違っているのか、コードにバグがあるのかを判断する必要があります。そこは自分でチェックすべきポイントです。
既存コードベースの調査
すべてのタスクがコード変更を必要とするわけではありません。
OpenHandsには「このアプリはデータベース到達前にユーザー入力をどこでバリデーションしていますか?」といった質問ができます。エージェントはコードベースを検索し、ファイルをまたいで関数呼び出しを追跡し、ファイルパスと行番号付きで回答します。
新しいプロジェクトに参加する際や、数カ月ぶりに触るコードを扱う際に便利です。読み取り専用の作業であれば、:rw の代わりに :ro モードでマウントし、誤っても変更できないようにしてください。
アプリケーションの実行とデバッグ
一部のバグはアプリケーションを実行しないと現れません。
例えばAPIエンドポイントが500エラーを返し、テストでカバーされていないとします。エージェントはターミナルでサーバーを起動し、curl でリクエストを送り、サーバーログのトレースバックを読み取ります。
その後コードを修正し、サーバーを再起動し、同じリクエストを再送します。レスポンスがまだおかしければ、そこからループを継続します。
これは、あなた自身が行う編集—実行—確認のサイクルと同じで、再起動や再試行をすべてエージェントが担う点が異なります。
OpenHandsと他のAIコーディングエージェントの比較
OpenHands以外にも、タスクを受け取り自力で進めるツールは存在します。Claude Code、Cursor、GitHub Copilotにもエージェント機能がありますが、重要な点で違いがあります。
OpenHands vs Claude Code
この2つは最も近い存在です。どちらもコードを読み、ファイルを編集し、コマンドを実行し、結果を確認するエージェントループを回します。
最初の違いは所有形態です。各OpenHandsの公開リポジトリは個別のオープンソースライセンスを持ち、すべてを閲覧・改変・自前ホストできます。Claude Code はAnthropicのプロプライエタリなエージェント的コーディングツールで、ターミナル、IDE、デスクトップアプリ、ブラウザで利用できます。
そこからモデルの話につながります。Claude CodeはAnthropicのClaudeモデルを中心に構築されています。OpenHandsはLiteLLMがサポートする任意のプロバイダーのモデルを利用でき、この記事のローカルOllama構成も含まれます。
日々のワークフローも異なります。Claude Codeはターミナルツールとして始まり、今でも多くの開発者がそこで使っています。OpenHandsはブラウザUIに依存しており、CLIは機能的には揃っていますが、主に安定性のために保守されています。
どちらもエージェントの振る舞いを制御できます。Claude Codeは .claude ディレクトリの CLAUDE.md、設定、フック、スキル、コマンド、サブエージェントを読み込みます。OpenHandsはリポジトリの AGENTS.md やスキルを読み、SDKでPython製の独自エージェントを構築できます。
自律性の扱いもそれぞれ異なります。Claude Codeはパーミッションモード、フック、許可/拒否ルールでツール利用を制御し、コマンドをサンドボックス化できます。OpenHandsはすべてのコマンドをデフォルトでDockerサンドボックス内で実行し、その上に確認ポリシーを加えます。
要するに、Claude Codeは導入してすぐ使える磨き上げられた選択肢で、OpenHandsはセットアップの手間と引き換えにより強いコントロールを提供します。両者は排他的でもありません。Agent CanvasはデフォルトのOpenHandsエージェントの代わりにClaude Codeを実行できます。
OpenHands vs Cursor
Cursor はAIコードエディタで、OpenHandsはエージェントプラットフォームです。これが主な違いで、ほとんどの相違はここから派生します。
Cursorではエディタ内で作業し、エージェントは横で動きます。編集がファイルに現れ、受け入れるか拒否し、作業を続けます。OpenHandsではタスクを記述し、エージェントはサンドボックス内で作業し、結果をレビューします。GUIにはサンドボックスを覗くVS Codeビューもありますが、主戦場ではありません。
リポジトリアクセスも同様です。Cursorのエージェントはエディタで開いているコードを扱い、OpenHandsはサンドボックスにマウントされたもの、あるいはGit連携で接続したものを扱います。
CursorのCloud Agentsでは差が縮まります。クラウドで無人実行され、ブランチやプルリクエストで成果を返します。GitHub、GitLab、Azure DevOps、Bitbucketの接続と有料プランが必要です。これはOpenHandsに近い動作ですが、Cursorのインフラ上で行われます。
拡張性は最も異なる点です。CursorはMCPサーバーとプロジェクトルールをサポートしますが、エディタとエージェント自体はクローズドです。OpenHandsはエージェントそのものを変更でき、どこにでもホストでき、ローカルモデルでも動かせます。
OpenHands vs GitHub Copilot
GitHub Copilot はエディタ内のオートコンプリートから始まり、そこからエージェント機能が拡張されました。OpenHandsは最初からエージェントとして始まりました。
Copilotの最大の強みは居場所です。VS CodeやJetBrains IDE内で動作し、クラウドエージェントはGitHub上で直接動きます。OpenHandsにはこのレベルのIDE統合はありません。
リポジトリ単位のタスクについては、Copilotのクラウドエージェントが最も近い比較対象です。課題を割り当てると、GitHub Actionsで動くエフェメラルな開発環境内で作業し、テストやリンターを実行してからプッシュします。OpenHands Cloudも、issueやPRコメントで @openhands に言及すると類似の動きをします。
主な違いはプラットフォームです。Copilotのクラウドエージェントは、有料のCopilotプランでGitHub上のリポジトリに対して利用可能です。OpenHandsはGitHub、GitLab、Bitbucket、ローカルフォルダのいずれでも動作し、必要なら自分のハードウェア上で走らせられます。
Copilotでもタスクごとにモデルを選べますが、GitHubが提供するモデルに限られます。OpenHandsにはその制限がありません。
以下は簡単なまとめです:
OpenHands Claude Code Cursor GitHub Copilot ソース オープンソース プロプライエタリ プロプライエタリ プロプライエタリ モデル ローカルを含む任意のLiteLLMプロバイダー Claudeモデル 複数プロバイダー+自社モデル GitHubが提供するモデル 主なインターフェース ブラウザUI、SDK ターミナル、IDE、デスクトップ、ブラウザ AIコードエディタ IDE拡張、GitHub エージェントの実行場所 ローカル/リモートのDockerサンドボックス 自マシンまたはAnthropicのクラウド エディタ内またはCursorのクラウド IDE内またはGitHub Actions 自前ホスティング 可 不可 Enterpriseのみ 不可
他のAIエージェントとの比較
ソフトウェアエンジニアリングチームにおけるOpenHands
個人開発者にとって、OpenHandsは必要なときに開くツールかもしれませんが、チームでは事情が異なります。
多くのチームは既に課題単位で作業を管理しており、OpenHands Cloudはそこに統合されます。GitHub、GitLab、Bitbucketに加え、Slack、Jira、Linearとも連携します。issueやプルリクエストのコメントで @openhands に言及すれば、エージェントがそのタスクを引き受けます。
さらに、誰も直接は頼まないが皆が必要とする仕事もあります。Agent Canvasのオートメーションは、スケジュールまたはWebhookイベントに応じて実行されます。例えば、チームでコードレビューや依存関係更新のために1つのAgent Serverを共有しつつ、各開発者は自分のノートPCでパーソナルエージェントを動かすといった使い方ができます。
テストは記事で説明したとおりに機能します。エージェントは報告前にサンドボックス内でテストスイートを実行します。ただし、サンドボックスでの実行はCIの代わりではありません——人手のコードと同様、各プルリクエストでパイプラインが実行されます。
プルリクエストについても触れておきます。OpenHands CloudがGitHubと連携する際は、8時間で失効する短期トークンを要求し、コンテンツ、issue、プルリクエスト、ワークフローへの読み書き権限を持ちます。自前ホストのEnterprise構成では、エージェントはトリガーしたユーザーのGitHub認可を使用するため、すべての変更は人に紐づいて追跡されます。
これが責任の持ち方として望ましい姿です。エージェントはプルリクエストを作成できますが、承認するのは開発者です。ブランチ保護や必須レビューは、エージェントのプルリクにも他の人と同じように適用されます。
分離された環境が、これらをスケールで実現します。各タスクは専用のサンドボックスで動作するため、2つのエージェントが2つのバグを修正しても、互いのファイルを上書きしたり同じポートを奪い合ったりしません。
OpenHandsのセキュリティとサンドボックス
コード補完ツールは常にテキストを提案し、受け入れるかどうかはあなた次第です。
エージェントは異なります。プロジェクト全体を巡回し、コマンドを実行し、パッケージをインストールし、ファイルを自律的に編集します。しばしば確認なしで。問いは「このコードは正しいか?」から「結果に至るまでにエージェントは何を実行したか?」へと変わります。
分離された実行環境
Dockerサンドボックスは、ホストのファイルやプログラム、リソース、他のコンテナやプロセスを保護します。エージェントが破壊的コマンドを実行しても、影響はコンテナ内に限定されます。
ローカル構成で注意すべき例外が1つあります。アプリコンテナはサンドボックスを起動するためにホストのDockerソケットをマウントしており、そのソケットへのアクセスはマシン上のDockerの制御を意味します。
リポジトリ権限
サンドボックスは、マウントしていないものだけを保護します。マウントされたファイルやディレクトリは変更・削除される可能性があります。
作業対象のプロジェクトだけをマウントし、ホームディレクトリを決してマウントしないでください。コード調査のような読み取り専用タスクでは :ro モードを使い、Git連携ではエージェントに必要最小限のリポジトリアクセスだけを与えてください。
シークレットと認証情報
APIキーやトークンなどの認証情報を提供すれば、エージェントはそれを使用できます。そして、シークレットを読み取れるエージェントは、ログに出力したり外部に送信したりもできます。
したがって、本番キーを含む .env ファイルを置いたフォルダをマウントしないでください。スコープを絞ったテスト用認証情報を与え、頻繁にローテーションしてください。
ネットワークアクセス
デフォルトで、エージェントはコンテナ内からインターネットにアクセスできます。パッケージのインストールに必要ですが、あらゆる外部サービスにも到達できます。
これはプロンプトインジェクションの余地を生みます。ウェブページやissueのコメントが、エージェントが従い得る指示を含むことがあります。GitHubは自社のクラウドエージェントでは、デフォルトでインターネットアクセスを制限するファイアウォールでこのリスクを抑えています。OpenHandsでも同様の制限を検討する価値があります。
コマンド実行
承認なしで実行できるコマンドを制御できます。OpenHandsは3つの確認ポリシーをサポートします:すべて承認、承認なし、リスクの高いアクションのみ承認。デフォルトはNeverConfirmです。
「リスクの高いアクション」には注意点があります。デフォルトのLLMセキュリティアナライザーは、モデル自身が各アクションに付与するリスクレベルを使います。モデルが破壊的コマンドをLOWと誤判定すれば、承認なしで実行され得ます。アナライザーはポリシーレイヤー向けにリスクを分類するだけで単独では何もブロックしません。ドキュメントではDockerによる隔離と併用を推奨しています。
生成された変更のレビュー
ここまでの対策はエージェントが「できること」を制限します。しかし、最終段階のレビューは「何をしたか」を確認するために重要です。
期待していたファイルだけでなく、完全な差分を読みましょう。CI設定、依存関係ファイル、スクリプトには特に注意してください。OpenHands Cloudでは、エージェントのGitHubトークンにワークフローへの書き込み権限が含まれるため、.github/workflows の変更はパイプラインで実行される内容を変え得ます。
OpenHandsの制限事項
OpenHandsが書くコードにもバグは残り得ます。テストが通ることはテストに合致していることを示すだけで、エージェントがテストもコードも書いているかもしれません。テストが弱ければ、通っても間違っていることがあります。
複雑なタスクでは、人の介入がしばしば必要です。曖昧な要件やエージェントが判断できない設計判断は、エージェントを停止させるか、悪い方向へ進ませます。
強力なホスト型モデルなら、OpenHandsは複数ファイルにまたがるタスクをうまく扱えます。小さなローカルモデルでは、ツール呼び出しの失敗やチャットボット的な回答が発生しやすく、大きなコンテキストウィンドウがあっても、ツールを安定して使えないローカルモデルがあります。
エージェントループはチャットよりコストがかかります。各ステップで会話履歴全体をモデルに送り、長いタスクは多くのステップを要します。OpenHandsのドキュメントは、エージェントがLLMに多くのプロンプトを発行すると警告しており、上限設定と使用状況の監視を推奨しています。コンテキストコンデンサーは助けになりますが、古いステップを要約するため、長いタスクでは詳細が失われる可能性があります。
ツールアクセスにはセキュリティリスクが伴います。ターミナルとネットワークにアクセスできるエージェントは、悪い指示に従えば実害を出し得ます。だからこそ、サンドボックスとあなたのレビューが非常に重要です。
そして最終的な承認は常に人が行います。その点を常に忘れないでください。
OpenHandsとAIコーディングエージェントの未来
AIコーディングツールは、オートコンプリートからチャットを経て、タスク全体を進めるエージェントへと進化してきました。OpenHandsは、その最後の段階を推し進めるプロジェクトの1つです。
業界全体の方向性は明らかです。Cursorは、自律的なクラウドエージェントが長期間にわたるより大きなタスクを担う時代の到来を語っています。CopilotはGitHubやLinearから課題を受け取れるようになりました。Claude Codeはターミナル、ブラウザ、Slackで動作します。
オープンソースのプラットフォームは、この転換の中で特別な役割を持ちます。OpenHandsなら、エージェントの仕組みを精査でき、自前インフラで動かし、モデルを選べます。厳格なデータ規則を持つチームでは、これがエージェントを使う唯一の許容手段であることも多いのです。
長時間のタスクは新たな課題も生みます。1時間動くエージェントは1分動くエージェントより多くの決定を下し、各決定は意図から逸れる機会になり得ます。より良いモデルは助けになりますが、サンドボックス、確認ポリシー、レビューも同様に有効です。
結論
OpenHandsを競合と分けるのは「コントロール」です。ソースを読めて、自前ハードウェアでホストでき、ローカルを含む任意のモデルで動かせます。Claude Code、Cursor、GitHub Copilotのような商用の緊密なツールは、より優れた体験を提供しますが、その条件は彼らの側にあります。
とはいえ、ターミナルやリポジトリにアクセスできるエージェントの成果には、必ず人の確認が必要です。常に差分を読み、自分でテストを実行してください。
ゼロから自分のエージェントを作る方法を学びたい場合は、Introduction to Creating AI Agents in Python のウェビナーをご覧ください。
OpenHandsは、AIを活用したソフトウェア開発のためのオープンソースプラットフォームです。エージェントがリポジトリを調べ、ファイルを編集し、コマンドを実行し、テストを走らせます。これは「エージェント的」なソフトウェア開発への移行の一部で、エージェントに完全なタスクを与えると、完了するか入力が必要になるまでステップごとに進めていきます。
この記事では、OpenHandsのアーキテクチャと主な機能を解説し、ローカルモデルでのセットアップ方法を紹介したうえで、Claude Code、Cursor、GitHub Copilotとの比較も行います。
AIエージェントとは? AI Agent Fundamentals トラックに登録して、AIエージェントが仕事の進め方をどのように変えうるかを学んでください。
OpenHandsとは?
OpenHandsは、コードを扱うAIエージェントを構築・実行するためのオープンソースプラットフォームです。
名前は2つのものを指します。1つはプロジェクト全体で、SDK、サーバー、ブラウザUI、ホスティングサービスを含む複数のリポジトリの集合体です。もう1つは、その上で動くコーディングエージェントそのものです。
仕組みは次のとおりです。
多くの人が「OpenHands」と言うときは、エージェントを指します。この記事でもその部分を扱います。
通常は、エージェントにソフトウェアのタスクを与え、コードのあるワークスペースを指定すると、使用可能なツールを用いてタスクを進めます。デフォルトのツールセットは、ターミナル、ファイルエディタ、タスクトラッカーです。
ワークスペースは自分のノートPCである必要はありません。ローカルマシンを使うことも、DockerやKubernetesなどのエフェメラルなワークスペース内で実行することもできます。
OpenHandsは特定のモデルプロバイダーに縛られません。Claude、GPT、その他のLLM、ローカルモデルを含めて利用できます。Agent Canvasは、デフォルトのOpenHandsエージェントの代わりにClaude CodeやCodexなどのサードパーティ製エージェントも実行できます。
つまり、OpenHandsは自分の条件で動かせるオープンなエージェントプラットフォームです。
OpenHandsの動作
OpenHandsはループで動きます。
チャットアシスタントはプロンプトを受け取ってテキストを返します。OpenHandsエージェントはタスクを受け取り、アクションを実行し、結果を確認し、次に何をするかを決めます。
OpenHandsエージェントのループ
全体の流れは次のとおりです。
タスクが完了するか、資格情報の不足や要件に関する判断など、あなたにしか提供できないものが必要になった時点でループは止まります。
手順6が、OpenHandsを競合と差別化する点です。コード補完ツールは、自分の生成したコードが実行された結果を目にしません。OpenHandsはそれを確認できるため、テスト失敗に反応して原因を修正できます。
OpenHandsの主な機能
オートコンプリートはテキストを提案しますが、OpenHandsはプロジェクトに対して行動します。具体的には次のとおりです。
コード編集
OpenHandsはファイルを直接編集し、1ファイルに限定されません。
例えば関数名の変更が必要な場合、定義を更新し、すべての呼び出し箇所を見つけ、参照するテストも更新します——これらを1つのタスクとしてまとめて行います。
ターミナルとツールの利用
エージェントは独自のターミナルを持ちます。依存関係のインストール、スクリプトの実行、テストの実行、コマンド出力の読み取りが可能です。
また、MCP(Model Context Protocol)サーバーを接続して、課題管理やデータベースクライアントなど、元々想定されていないツールも使えるようにできます。
リポジトリの理解
ほとんどのコード生成ツールは、プロンプトに貼り付けたものしか見えません。
OpenHandsはリポジトリを開いて探索します。READMEを読み、インポートをたどり、既存のテストを見てプロジェクトの構造を理解します。そのため、変更が既存コードに適合しやすくなります。
一方で、長いタスクでは別の問題が生じます——会話履歴がモデルの保持できる範囲を超えることです。OpenHandsはコンテキストコンデンサーでこれに対応し、会話の古い部分を要約して、エージェントが作業を継続できるようにします。
モデルの選択
モデル呼び出しはLiteLLMを介するため、サポートされる任意のプロバイダーやモデルを使用できます。OpenHandsのドキュメントでは、Claude、GPT、Gemini系のモデルや、OpenHands Indexで高評価のオープンウェイトモデルが推奨されています。
コードをマシン外に出せない場合は、ローカルモデルを実行できます。OpenHandsはLM Studio、Ollama、vLLM、SGLangなどのローカルサーバーに接続します。
ここで覚えておきたいのは、モデルによって結果が大きく変わることです。コンテキストウィンドウが大きくても、ツールの安定利用を苦手とするローカルモデルもあります。
自律的なタスク実行
タスクを渡したら、エージェントはループを自力で進めます。エラーをチャットに貼り戻したり、次に開くべきファイルを指示したりする必要はありません。
Agent Canvasはオートメーションでさらに踏み込みます。Slack、GitHub、Linearなどと連携し、スケジュールまたはWebhookイベントに応じて実行します。
ただし、自律性は正しさを保証しません。マージ前には差分とテスト結果を確認する必要があります。
OpenHandsの使い方
OpenHandsを理解する最良の方法は、バグを与えて何をするかを見ることです。
このセクションでは、OpenHandsをDockerでローカル実行し、Ollama経由でローカルモデルに接続し、小さなPythonプロジェクトのバグ修正を依頼します。
OpenHandsをセットアップする
OpenHandsの実行方法はいくつかあります:
CLIランチャー:
uv tool install openhands --python 3.14でインストールし、openhands serveでGUIを起動Docker: 単一の
docker runコマンドでアプリコンテナを直接実行Agent Canvas: ローカル、自前ホスト、Cloud、Enterpriseの各バックエンドに接続する新しいブラウザクライアント
OpenHands Cloud: 自分で何も動かしたくない場合のホスティング版
ここではDocker経由でLocal GUIを使います。OpenHandsのドキュメントでは現在、これは非推奨のDockerベースのブラウザアプリとして記載され、後継としてAgent Canvasが案内されていますが、依然として手順が整備されており、GUIを最速で立ち上げる方法です。
macOS、Linux、WSL搭載のWindowsでDocker Desktopが必要です。macOSではDocker Desktopを開き、
Settings > Advancedに進み、デフォルトのDockerソケットを有効にしてください。次にアプリを起動します:
OpenHandsはDockerソケットのマウントを使って別のサンドボックスコンテナを起動し、エージェントはホストではなくそのサンドボックス内でコマンドを実行します。
ログでサーバーの起動が確認できたら、ブラウザで
http://localhost:3000を開いてください。OpenHandsのウェルカムページ
モデルを接続する
モデルを設定しない限り、OpenHandsは何もできません。
ここではMistralのエージェント的コーディング向け24BモデルであるDevstral Small 2を使います。単一のRTX 4090や32GB RAMのMacで動作可能で、Ollama 0.13.3以降が必要です。
Ollamaを大きめのコンテキストウィンドウで起動し、モデルを取得します:
コンテキスト長を軽視しないでください。Ollamaのデフォルトは4096トークンで、OpenHandsのシステムプロンプトすら収まりません。ドキュメントでは最低22000を求めています。
OpenHandsで
Settingsを開き、LLMタブへ進み、Advancedをオンにします。次を設定してください:Custom Model:
openai/devstral-small-2:latestBase URL:
http://host.docker.internal:11434/v1API Key: 任意のダミー値(例:
local-llm)ローカルOllamaモデル向けのLLM設定
openai/プレフィックスは、OpenAI互換API経由でOllamaと通信するようOpenHandsに指示するものです。APIキー自体は使われませんが、空欄にはできません。リポジトリを開く
OpenHandsはデフォルトではファイルを見られません。プロジェクトをサンドボックスにマウントする必要があります。
この例では、
budget-tracker/projectというフォルダに2つのファイルを用意します。1つ目は月ごとの支出合計を算出します:ドックストリングではキーが
YYYY-MMとされていますが、date[5:7]は月しか保持しません。2025年1月と2026年1月が同じバケットに入ってしまいます。2つ目のファイルには、このバグを検出する2つのテストが入っています:
フォルダをGitリポジトリにしておけば、後でエージェントが何を変更したか確認できます:
今
python -m pytestを実行すると、両方のテストが失敗します:テスト失敗の様子
OpenHandsにアクセス権を与えるため、コンテナを停止し、
docker runコマンドに1行追加します:つまり、完全なコマンドは次のようになります:
形式は
host_path:container_path:modeです。プロジェクトはサンドボックス内の/workspaceに現れ、rwはエージェントによる編集を許可します。エージェントに変更させたいプロジェクトだけをマウントしてください。
/workspaceに読み書きでマウントされたものは、エージェントにより変更され得ます。エージェントにタスクを与える
新しい会話を開始し、バグレポートを書くように問題を説明します:
月次合計が、異なる年の同じ月の支出を合算してしまいます。
原因を見つけて修正し、テストが通ることを確認してください。
以上です。
budget.pyを指し示したり、どの行が誤りか伝えたりする必要はありません。会話の出力
先ほどのエージェントループがここから動きます。エージェントは
/workspaceを探索し、両方のファイルを読み、何が失敗するかを見るためにテストを実行します。その後コードを編集し、再度テストを実行します。サンドボックスのターミナルでpytestを実行するエージェント
変更をレビューする
エージェントは完了と報告しました。コードエディタを開き、コードの変更点を確認して差分を見られます。
正しい修正は、
budget.pyの1行です:修正後の budget.py
また、
git diffで差分を確認することもできます。確認すべきポイントは次のとおりです:
ソースコード: 修正は
budget.pyに入っていることテスト: アサーションを通すために
test_budget.pyを編集していないことテスト実行:
python -m pytestを自分で実行し、エージェントの要約に依存しないことOpenHandsのアーキテクチャ
OpenHandsは6つの主要コンポーネントからなり、それぞれが1つの役割を担います。
OpenHandsコンポーネントの接続関係
AIモデル
モデルは推論を行います。タスクと会話履歴を受け取り、メッセージまたはツール呼び出しで応答します。
モデル自体はファイルを変更したり何かを実行したりはしません。次に何をすべきかを決めるだけです。モデル呼び出しはLiteLLMを介するため、この記事のDevstral構成のように、ホスティング型プロバイダーでもローカルモデルでも同じエージェントを使えます。
エージェントロジック
エージェントはモデルとその他すべての間に位置します。推論—アクションのループを回し、モデルに次のアクションを問い合わせ、ツールを実行し、結果やエラーを処理します。
また、モデルに何を見せるかも制御します。エージェントはコンデンサーで会話履歴を管理し、各モデルクエリにスキルやプロンプトを追加します。
各ステップは記録されます。エージェントはアクションを実行し、観測結果を受け取り、会話にイベント履歴として保持します。モデルは次のターンでそれらのイベントを参照でき、既に何が起きたかを把握します。
ツールとアクション
ツールは、エージェントがモデル外に影響を与える手段です。標準セットにはターミナル、ファイルエディタ、タスクトラッカーが含まれ、MCPサーバーを通じて拡張できます。
モデルは「
pytestを実行」や「budget.pyの8行目を置換」といったアクションを要求します。ツールはそれを実行し、テスト出力や更新されたファイルといった観測結果を返します。アクションの実行前にはセキュリティチェックが行われます。セキュリティアナライザーが各アクションを評価し、必要に応じてエージェントを一時停止して承認を求めます。
開発環境
ツールはあなたのマシン上ではなく、サンドボックス内で動きます。
Docker構成では、OpenHandsはエージェントサーバーを専用のDockerコンテナ内で動かします。この記事でDockerソケットをマウントするのは、そのアプリコンテナがサンドボックスを起動するために必要だからです。
サンドボックスはローカルである必要はありません。DockerやKubernetesなどのエフェメラルなワークスペースでも動作し、Agent Serverは実行、ツール、ワークスペースをRESTとWebSocketのAPIで公開します。サンドボックスの場所に関わらず、エージェントロジックは同じです。
リポジトリ
リポジトリはエージェントの作業対象です。サンドボックスに取り込む方法は2つ——本記事のようにローカルフォルダをマウントするか、GitHub、GitLab、Bitbucketの連携経由で接続します。
リポジトリはエージェントの挙動も指示できます。ルートにある
AGENTS.mdは会話開始時にシステムプロンプトへ挿入されます。より絞り込んだ指示は.agents/skills/に置き、エージェントはまず要約を見て、必要になったときに全文を読み込みます。たとえば「
pytestではなくmake testでテストを実行する」といった、エージェントが推測できないプロジェクトのルールをここに記述します。人によるレビュー
最後の構成要素はあなたです。
OpenHandsは3つの確認ポリシーをサポートします:すべて承認、承認なし、リスクの高いアクションのみ承認。最後のものはセキュリティアナライザーに依存し、各アクションをLOW、MEDIUM、HIGH、UNKNOWNのリスクに分類します。デフォルトはNeverConfirmで、変更しない限りエージェントは停止せずに実行します。
2つ目の検問は最後にあります。差分を読み、テスト結果を確認して、はじめてエージェントの仕事は完了します。
OpenHandsのワークフロー
この記事では1行のバグ修正を示しましたが、もちろんOpenHandsはもっと大きなタスクも扱えます。
共通するのは、いずれも複数ステップを必要とする作業であることです。エージェントループが適する6つの作業タイプを紹介します。
バグ修正
この記事のバグは1ファイル内で見つけやすいものでしたが、現実ではそうとは限りません。
たとえば本番環境のアプリケーションログに
KeyErrorがあり、スタックトレースが不正なデータ流入元から3回先の関数を指しているとします。スタックトレースをOpenHandsに貼り付け、修正を依頼します。エージェントは呼び出しチェーンをデータの出所までたどり、エラーを再現するテストを書いて失敗を確認します。次にコードを修正し、他に影響がないかフルテストを実行します。
再現テストを書いているかが重要なチェックポイントです。これは、エージェントがエラーの発生箇所を当てただけでなく、実際のバグを突き止めた証拠になります。
機能実装
機能開発は、予想以上に多くのファイルを変更することがよくあります。
たとえば、コマンドラインのレポートスクリプトに日付で取引をフィルタする
--sinceフラグが必要だとします。エージェントは引数パーサーを見つけてフラグを追加し、値をフィルタロジックに渡し、ヘルプテキストを更新します。さらに新しい動作のテストを書き、READMEを更新します。小さな機能でも4〜5ファイルに及ぶことがあります。エージェントはタスクトラッカーで管理するため、最初の1つが動いた時点で止まりません。
リファクタリング
リファクタリングは、挙動を変えずに構造を変えることです。そしてテストスイートが、挙動が変わっていないことの証明になります。
たとえば、日付、文字列、ファイルのヘルパーが混在する巨大な
utils.pyがあるとします。OpenHandsに対して3つのモジュールに分割するよう依頼します。エージェントは新しいモジュールを作成し、関数を移動し、コードベース全体のインポートを更新します。移動のたびにテストを実行します。これにより、何かが壊れた場合に、どの移動が原因かを特定できます。
テスト作成
テストがないコードは、エージェントに任せる出発点として一般的です。タスクが明確で、検証も簡単だからです。
日付パースのモジュールにテストがないとします。エージェントは関数を読み、通常入力と、空文字・うるう年・不正形式などの境界ケースに対するpytestケースを書き、実行します。
新しいテストが失敗した場合、テストが間違っているのか、コードにバグがあるのかを判断する必要があります。そこは自分でチェックすべきポイントです。
既存コードベースの調査
すべてのタスクがコード変更を必要とするわけではありません。
OpenHandsには「このアプリはデータベース到達前にユーザー入力をどこでバリデーションしていますか?」といった質問ができます。エージェントはコードベースを検索し、ファイルをまたいで関数呼び出しを追跡し、ファイルパスと行番号付きで回答します。
新しいプロジェクトに参加する際や、数カ月ぶりに触るコードを扱う際に便利です。読み取り専用の作業であれば、
:rwの代わりに:roモードでマウントし、誤っても変更できないようにしてください。アプリケーションの実行とデバッグ
一部のバグはアプリケーションを実行しないと現れません。
例えばAPIエンドポイントが500エラーを返し、テストでカバーされていないとします。エージェントはターミナルでサーバーを起動し、
curlでリクエストを送り、サーバーログのトレースバックを読み取ります。その後コードを修正し、サーバーを再起動し、同じリクエストを再送します。レスポンスがまだおかしければ、そこからループを継続します。
これは、あなた自身が行う編集—実行—確認のサイクルと同じで、再起動や再試行をすべてエージェントが担う点が異なります。
OpenHandsと他のAIコーディングエージェントの比較
OpenHands以外にも、タスクを受け取り自力で進めるツールは存在します。Claude Code、Cursor、GitHub Copilotにもエージェント機能がありますが、重要な点で違いがあります。
OpenHands vs Claude Code
この2つは最も近い存在です。どちらもコードを読み、ファイルを編集し、コマンドを実行し、結果を確認するエージェントループを回します。
最初の違いは所有形態です。各OpenHandsの公開リポジトリは個別のオープンソースライセンスを持ち、すべてを閲覧・改変・自前ホストできます。Claude Code はAnthropicのプロプライエタリなエージェント的コーディングツールで、ターミナル、IDE、デスクトップアプリ、ブラウザで利用できます。
そこからモデルの話につながります。Claude CodeはAnthropicのClaudeモデルを中心に構築されています。OpenHandsはLiteLLMがサポートする任意のプロバイダーのモデルを利用でき、この記事のローカルOllama構成も含まれます。
日々のワークフローも異なります。Claude Codeはターミナルツールとして始まり、今でも多くの開発者がそこで使っています。OpenHandsはブラウザUIに依存しており、CLIは機能的には揃っていますが、主に安定性のために保守されています。
どちらもエージェントの振る舞いを制御できます。Claude Codeは
.claudeディレクトリのCLAUDE.md、設定、フック、スキル、コマンド、サブエージェントを読み込みます。OpenHandsはリポジトリのAGENTS.mdやスキルを読み、SDKでPython製の独自エージェントを構築できます。自律性の扱いもそれぞれ異なります。Claude Codeはパーミッションモード、フック、許可/拒否ルールでツール利用を制御し、コマンドをサンドボックス化できます。OpenHandsはすべてのコマンドをデフォルトでDockerサンドボックス内で実行し、その上に確認ポリシーを加えます。
要するに、Claude Codeは導入してすぐ使える磨き上げられた選択肢で、OpenHandsはセットアップの手間と引き換えにより強いコントロールを提供します。両者は排他的でもありません。Agent CanvasはデフォルトのOpenHandsエージェントの代わりにClaude Codeを実行できます。
OpenHands vs Cursor
Cursor はAIコードエディタで、OpenHandsはエージェントプラットフォームです。これが主な違いで、ほとんどの相違はここから派生します。
Cursorではエディタ内で作業し、エージェントは横で動きます。編集がファイルに現れ、受け入れるか拒否し、作業を続けます。OpenHandsではタスクを記述し、エージェントはサンドボックス内で作業し、結果をレビューします。GUIにはサンドボックスを覗くVS Codeビューもありますが、主戦場ではありません。
リポジトリアクセスも同様です。Cursorのエージェントはエディタで開いているコードを扱い、OpenHandsはサンドボックスにマウントされたもの、あるいはGit連携で接続したものを扱います。
CursorのCloud Agentsでは差が縮まります。クラウドで無人実行され、ブランチやプルリクエストで成果を返します。GitHub、GitLab、Azure DevOps、Bitbucketの接続と有料プランが必要です。これはOpenHandsに近い動作ですが、Cursorのインフラ上で行われます。
拡張性は最も異なる点です。CursorはMCPサーバーとプロジェクトルールをサポートしますが、エディタとエージェント自体はクローズドです。OpenHandsはエージェントそのものを変更でき、どこにでもホストでき、ローカルモデルでも動かせます。
OpenHands vs GitHub Copilot
GitHub Copilot はエディタ内のオートコンプリートから始まり、そこからエージェント機能が拡張されました。OpenHandsは最初からエージェントとして始まりました。
Copilotの最大の強みは居場所です。VS CodeやJetBrains IDE内で動作し、クラウドエージェントはGitHub上で直接動きます。OpenHandsにはこのレベルのIDE統合はありません。
リポジトリ単位のタスクについては、Copilotのクラウドエージェントが最も近い比較対象です。課題を割り当てると、GitHub Actionsで動くエフェメラルな開発環境内で作業し、テストやリンターを実行してからプッシュします。OpenHands Cloudも、issueやPRコメントで
@openhandsに言及すると類似の動きをします。主な違いはプラットフォームです。Copilotのクラウドエージェントは、有料のCopilotプランでGitHub上のリポジトリに対して利用可能です。OpenHandsはGitHub、GitLab、Bitbucket、ローカルフォルダのいずれでも動作し、必要なら自分のハードウェア上で走らせられます。
Copilotでもタスクごとにモデルを選べますが、GitHubが提供するモデルに限られます。OpenHandsにはその制限がありません。
以下は簡単なまとめです:
他のAIエージェントとの比較
ソフトウェアエンジニアリングチームにおけるOpenHands
個人開発者にとって、OpenHandsは必要なときに開くツールかもしれませんが、チームでは事情が異なります。
多くのチームは既に課題単位で作業を管理しており、OpenHands Cloudはそこに統合されます。GitHub、GitLab、Bitbucketに加え、Slack、Jira、Linearとも連携します。issueやプルリクエストのコメントで
@openhandsに言及すれば、エージェントがそのタスクを引き受けます。さらに、誰も直接は頼まないが皆が必要とする仕事もあります。Agent Canvasのオートメーションは、スケジュールまたはWebhookイベントに応じて実行されます。例えば、チームでコードレビューや依存関係更新のために1つのAgent Serverを共有しつつ、各開発者は自分のノートPCでパーソナルエージェントを動かすといった使い方ができます。
テストは記事で説明したとおりに機能します。エージェントは報告前にサンドボックス内でテストスイートを実行します。ただし、サンドボックスでの実行はCIの代わりではありません——人手のコードと同様、各プルリクエストでパイプラインが実行されます。
プルリクエストについても触れておきます。OpenHands CloudがGitHubと連携する際は、8時間で失効する短期トークンを要求し、コンテンツ、issue、プルリクエスト、ワークフローへの読み書き権限を持ちます。自前ホストのEnterprise構成では、エージェントはトリガーしたユーザーのGitHub認可を使用するため、すべての変更は人に紐づいて追跡されます。
これが責任の持ち方として望ましい姿です。エージェントはプルリクエストを作成できますが、承認するのは開発者です。ブランチ保護や必須レビューは、エージェントのプルリクにも他の人と同じように適用されます。
分離された環境が、これらをスケールで実現します。各タスクは専用のサンドボックスで動作するため、2つのエージェントが2つのバグを修正しても、互いのファイルを上書きしたり同じポートを奪い合ったりしません。
OpenHandsのセキュリティとサンドボックス
コード補完ツールは常にテキストを提案し、受け入れるかどうかはあなた次第です。
エージェントは異なります。プロジェクト全体を巡回し、コマンドを実行し、パッケージをインストールし、ファイルを自律的に編集します。しばしば確認なしで。問いは「このコードは正しいか?」から「結果に至るまでにエージェントは何を実行したか?」へと変わります。
分離された実行環境
Dockerサンドボックスは、ホストのファイルやプログラム、リソース、他のコンテナやプロセスを保護します。エージェントが破壊的コマンドを実行しても、影響はコンテナ内に限定されます。
ローカル構成で注意すべき例外が1つあります。アプリコンテナはサンドボックスを起動するためにホストのDockerソケットをマウントしており、そのソケットへのアクセスはマシン上のDockerの制御を意味します。
リポジトリ権限
サンドボックスは、マウントしていないものだけを保護します。マウントされたファイルやディレクトリは変更・削除される可能性があります。
作業対象のプロジェクトだけをマウントし、ホームディレクトリを決してマウントしないでください。コード調査のような読み取り専用タスクでは
:roモードを使い、Git連携ではエージェントに必要最小限のリポジトリアクセスだけを与えてください。シークレットと認証情報
APIキーやトークンなどの認証情報を提供すれば、エージェントはそれを使用できます。そして、シークレットを読み取れるエージェントは、ログに出力したり外部に送信したりもできます。
したがって、本番キーを含む
.envファイルを置いたフォルダをマウントしないでください。スコープを絞ったテスト用認証情報を与え、頻繁にローテーションしてください。ネットワークアクセス
デフォルトで、エージェントはコンテナ内からインターネットにアクセスできます。パッケージのインストールに必要ですが、あらゆる外部サービスにも到達できます。
これはプロンプトインジェクションの余地を生みます。ウェブページやissueのコメントが、エージェントが従い得る指示を含むことがあります。GitHubは自社のクラウドエージェントでは、デフォルトでインターネットアクセスを制限するファイアウォールでこのリスクを抑えています。OpenHandsでも同様の制限を検討する価値があります。
コマンド実行
承認なしで実行できるコマンドを制御できます。OpenHandsは3つの確認ポリシーをサポートします:すべて承認、承認なし、リスクの高いアクションのみ承認。デフォルトはNeverConfirmです。
「リスクの高いアクション」には注意点があります。デフォルトのLLMセキュリティアナライザーは、モデル自身が各アクションに付与するリスクレベルを使います。モデルが破壊的コマンドをLOWと誤判定すれば、承認なしで実行され得ます。アナライザーはポリシーレイヤー向けにリスクを分類するだけで単独では何もブロックしません。ドキュメントではDockerによる隔離と併用を推奨しています。
生成された変更のレビュー
ここまでの対策はエージェントが「できること」を制限します。しかし、最終段階のレビューは「何をしたか」を確認するために重要です。
期待していたファイルだけでなく、完全な差分を読みましょう。CI設定、依存関係ファイル、スクリプトには特に注意してください。OpenHands Cloudでは、エージェントのGitHubトークンにワークフローへの書き込み権限が含まれるため、
.github/workflowsの変更はパイプラインで実行される内容を変え得ます。OpenHandsの制限事項
OpenHandsが書くコードにもバグは残り得ます。テストが通ることはテストに合致していることを示すだけで、エージェントがテストもコードも書いているかもしれません。テストが弱ければ、通っても間違っていることがあります。
複雑なタスクでは、人の介入がしばしば必要です。曖昧な要件やエージェントが判断できない設計判断は、エージェントを停止させるか、悪い方向へ進ませます。
強力なホスト型モデルなら、OpenHandsは複数ファイルにまたがるタスクをうまく扱えます。小さなローカルモデルでは、ツール呼び出しの失敗やチャットボット的な回答が発生しやすく、大きなコンテキストウィンドウがあっても、ツールを安定して使えないローカルモデルがあります。
エージェントループはチャットよりコストがかかります。各ステップで会話履歴全体をモデルに送り、長いタスクは多くのステップを要します。OpenHandsのドキュメントは、エージェントがLLMに多くのプロンプトを発行すると警告しており、上限設定と使用状況の監視を推奨しています。コンテキストコンデンサーは助けになりますが、古いステップを要約するため、長いタスクでは詳細が失われる可能性があります。
ツールアクセスにはセキュリティリスクが伴います。ターミナルとネットワークにアクセスできるエージェントは、悪い指示に従えば実害を出し得ます。だからこそ、サンドボックスとあなたのレビューが非常に重要です。
そして最終的な承認は常に人が行います。その点を常に忘れないでください。
OpenHandsとAIコーディングエージェントの未来
AIコーディングツールは、オートコンプリートからチャットを経て、タスク全体を進めるエージェントへと進化してきました。OpenHandsは、その最後の段階を推し進めるプロジェクトの1つです。
業界全体の方向性は明らかです。Cursorは、自律的なクラウドエージェントが長期間にわたるより大きなタスクを担う時代の到来を語っています。CopilotはGitHubやLinearから課題を受け取れるようになりました。Claude Codeはターミナル、ブラウザ、Slackで動作します。
オープンソースのプラットフォームは、この転換の中で特別な役割を持ちます。OpenHandsなら、エージェントの仕組みを精査でき、自前インフラで動かし、モデルを選べます。厳格なデータ規則を持つチームでは、これがエージェントを使う唯一の許容手段であることも多いのです。
長時間のタスクは新たな課題も生みます。1時間動くエージェントは1分動くエージェントより多くの決定を下し、各決定は意図から逸れる機会になり得ます。より良いモデルは助けになりますが、サンドボックス、確認ポリシー、レビューも同様に有効です。
結論
OpenHandsを競合と分けるのは「コントロール」です。ソースを読めて、自前ハードウェアでホストでき、ローカルを含む任意のモデルで動かせます。Claude Code、Cursor、GitHub Copilotのような商用の緊密なツールは、より優れた体験を提供しますが、その条件は彼らの側にあります。
とはいえ、ターミナルやリポジトリにアクセスできるエージェントの成果には、必ず人の確認が必要です。常に差分を読み、自分でテストを実行してください。
ゼロから自分のエージェントを作る方法を学びたい場合は、Introduction to Creating AI Agents in Python のウェビナーをご覧ください。