Mozkeyが良さそうだったのでUbuntuでも使えるようにした

Windows と macOS 向けに公開されている Mozkey(koyasi777/mozkey) という日本語 IME を見つけて、調べてみたらかなり良さそうでした。 ただ、残念ながら Linux 版が用意されていません。 普段使っている PC が Ubuntu(Wayland / Fcitx5)なのでそのままでは使えず、それなら自分で動くようにしてみようということで、fcitx5-mozkey-chikuwa という名前で移植してみました。AIに丸投げです。 Mozkey のどこが良いのか Mozkey は Google 日本語入力のオープンソース版である Mozc をベースにしたフォークで、大きく分けて次の 2 つの機能が組み込まれています。 遅延付きライブ変換 スペースキーを押さなくても、入力しているそばから自動で変換してくれます。開始までの待ち時間や文字数も設定で調整できるので、画面がチラつきすぎない程度に任せておけます。 ローカル AI(Zenz)による文脈補正 裏で軽量なローカル LLM(llama.cpp + zenz-v3.2-small)が動いていて、前後の文脈から誤変換を直してくれます。推論はすべて手元の PC 内で完結するので、入力内容を外部に送信することもありません。 実際に触ってみて一番いいなと思ったのは、**「AI に全部任せるのではなく、あくまでベースが普通の Mozc である」**という点です。 まず普段どおりの Mozc がサクサク変換を出してくれて、そのあと裏から非同期で Zenz が文脈を見て直してくれる二段構えになっています。なので打鍵が引っかかる感じがありません。 それに、AI の補正が外れたときでも、普通の Mozc と同じように自分で文節の区切りや変換候補を選び直せます。AI オンリーの変換だと外したときに手詰まりになりがちですが、いつもの修正方法がそのまま残っているのは普段使いするうえでかなり安心感があります。 ほかにもローマ字テーブルやキー設定の細かい調整ができたり、普段使いの辞書が強化されていたりと、Mozc をベースに「こういうのが欲しかった」という手が届く作りになっています。 Ubuntu で使えるようにした話 本家のリポジトリを確認してみたところ、中身としては Linux でビルドできそうな土台がかなり揃っていました。ただ、Zenz まわりの通信やプロセス起動が Windows / macOS 前提になっていたり、Fcitx5 用のフロントエンドが入っていなかったりしたので、そのあたりを Linux 向けに移植・調整しました。実際の移植作業は、一昨日リリースされたばかりの Gemini 4 Hydrogen に丸投げして進めました。 ...

2026-11-14 JST

AIチャットと「自律型エージェント」は何が違うのか? 〜APIの中で起きている思考のループ〜

※本記事は、私がGemini(AI)に「自律型エージェントとは何か?」と質問して教えてもらった対話をもとに、Gemini自身に執筆してもらったものです。 最近、AI界隈で「Agentic(エージェント型)」や「自律型エージェント」という言葉をよく耳にするようになりました。 ChatGPTやGeminiのような「AIチャット」とは何が違うのでしょうか? 今回は、私自身がGeminiと対話する中で見えてきた「自律型エージェントの正体」と、その裏側で回っている「思考のループ」について整理してみたいと思います。 1. 通常のAIチャットと「自律型エージェント」の決定的な違い 一言で言うと、両者の違いは 「一問一答」か「自律ループ」か にあります。 通常のAIチャット(Web版Geminiなど) 「1回の質問(プロンプト)に対して、1回推論して、1回答えを返して終わり」という受動的なシステムです。 自律型エージェント 1つの指示を与えると、裏側で「ファイルを読む → 考える → コードを修正する → エラーがないか確認する → エラーがあればもう一度直す」といった自律ループを、タスクが完了するまで勝手に繰り返すシステムです。 2. Gemini Spark の立ち位置 この概念に当てはめると、ツールの立ち位置が見えてきます。 例えば、Googleの Gemini Spark。 これはGoogle Workspace(Gmailやカレンダー、Docsなど)と連携して動くパーソナルエージェントです。 「通常のGemini = 生成AI + アクション(1回きり)」だとするなら、 「Gemini Spark = 生成AI + アクション + トリガー(スケジュール実行など) + 自律ループ」となります。 人間がパソコンを閉じていても、裏側で自律的に複数ステップのタスクをこなしてくれるわけです。 3. 「1回のAPI」の中に隠された2つのループ エージェントが「複数回APIを叩いてループしている」ことは分かりました。 しかし、普段使っている**「通常のGemini(一問一答)」を使っていても、なんとなく思考のループらしきものを感じる**ことはないでしょうか? 実は、見かけ上は「1回のAPI呼び出し(一問一答)」に見えても、そのブラックボックスの中ではすでに2つの隠されたループが回っています。 ① システム内部の隠されたループ Web版のGeminiに質問したとき、少し待たされてからWeb検索の結果を踏まえた回答が出ることがあります。 これは、ユーザーには見せない裏側で「検索すべきか考える → 検索する → 結果を読む → 足りないから再検索する → 回答を作る」というループ処理が動いているからです。 ② モデル自身の「内的推論(Chain-of-Thought)」 最新の高度なLLMは、いきなり文字を出力し始めるのではなく、内部の潜在空間で「まずこの問題を分解しよう」「このアプローチは矛盾するから別のアプローチにしよう」と自問自答の連鎖を行っています。 つまり、「通常のAIチャット」と「エージェント」の境界線はすでに溶けかかっており、1回のAPIの中にもループがカプセル化されているのが今の実態です。 4. なぜエージェントが出す答えは優れているのか? ここで一つの疑問が湧きます。 「通常Geminiの内部でもループが回っているなら、なぜ自律型エージェントに頼んだ方が圧倒的にクオリティの高い答えが返ってくるのか?」 ...

2026-09-21 JST