Kosmos は、自律的な科学的発見を行う AI エージェントを実装したオープンソースプロジェクトである。2025 年 11 月に arXiv で公開された論文「Kosmos: An AI Scientist for Autonomous Discovery」で示されたアーキテクチャを、個人開発者 jimmc414 が動くコードとして再構築したもので、GitHub 上で MIT ライセンスとして公開されている。仮説を立てる、文献を読む、コードを書いて実験する、結果を検証する ─ 人間の研究者が繰り返すサイクルを、エージェントの集団に任せるのが狙いだ。研究の過程は知識グラフに記録され、どの発見がどの根拠から導かれたかを後から辿れる。
注意したいのは、これが論文の著者や Edison Scientific 社（元論文の開発元）による公式実装ではなく、有志による再実装だという点である。開発者自身、論文が報告した精度や発見の再現にはまだ至っていないと明記している。2026 年 8 月時点でバージョンは 0.2.0-alpha であり、研究用途の実験的なソフトウェアとして捉えるのが妥当だ。
主な特徴
- 役割分担された研究エージェント群: 研究ディレクター、仮説生成、実験設計、データ分析、文献解析といった役割ごとにエージェントを分け、それぞれの出力を統合しながら研究サイクルを回す
- 文献検索の統合: ArXiv、PubMed、Semantic Scholar を横断して検索し、仮説の裏付けや先行研究の確認に使う。生物学・材料科学など、論文が蓄積されている分野との相性がよい
- Docker サンドボックスでのコード実行: エージェントが書いた分析コードを隔離環境で実行する。CPU・メモリ・実行時間に上限を設けており、暴走したコードがホスト側に影響しない設計になっている
- Neo4j による知識グラフ: 概念どうしの関係と、そこから導かれた発見を graph として蓄積する。Neo4j はオプション扱いで、使わない場合は JSON ファイルとして成果物が残る
- 階層的なコンテキスト圧縮: 長時間の研究サイクルで膨らむ文脈を三段階の要約で圧縮し、限られたコンテキスト長のなかで長い探索を続けられるようにしている
- LLM プロバイダーの切り替えとコスト上限: Anthropic Claude を既定とし、OpenAI や LiteLLM 経由のローカルモデル（Ollama など）にも切り替えられる。実行前に予算の上限を設定でき、超過しそうな場合は処理を止める
料金
| プラン | 料金 | 主な特徴 |
|---|---|---|
| オープンソース版（MIT ライセンス） | $0 | GitHub から取得して自分の環境で実行。ソフトウェア自体の利用料はかからない |
| 実行時の外部コスト | 従量課金 | 呼び出す LLM API（Anthropic / OpenAI など）の利用料が別途発生する。ローカルモデルを使えば API 料金は不要 |
料金は 2026 年 8 月時点の情報です。最新の情報は公式リポジトリをご確認ください。
なお、同名の商用サービス「Kosmos」を Edison Scientific 社が提供しているが、こちらは本プロジェクトとは別物で、価格は公開されておらず問い合わせが必要である。
メリット・デメリット
✅ メリット
- 自律研究エージェントの設計を、論文の記述ではなく実際に動くコードとして読める
- MIT ライセンスのため、改変も自分の研究フローへの組み込みも自由に行える
- Docker サンドボックスと予算上限が最初から組み込まれており、無防備に走らせるリスクが抑えられている
- ローカルモデルに切り替えれば、外部 API にデータを出さずに検証できる
- 文献検索・コード実行・知識グラフが一つのパイプラインに揃っている
⚠️ デメリット
- アルファ版であり、仕様変更やバグを前提に扱う必要がある
- 論文が報告した精度や発見の再現は、開発者自身が「未達」と述べている
- Python 3.11 以上、Docker、必要に応じて Neo4j と、動かすまでの環境構築が重い
- LLM API を大量に呼び出すため、長時間の実行はコストが読みにくい
- 出力された「発見」は必ず人間が検証する必要があり、そのまま成果として使えるものではない
- 個人開発のリポジトリであり、長期的なメンテナンスは保証されない
類似サービスとの比較
| 比較項目 | Kosmos（本プロジェクト） | Kosmos（Edison Scientific） | The AI Scientist（Sakana AI） | AI co-scientist（Google） |
|---|---|---|---|---|
| 提供形態 | オープンソース（自前運用） | 商用サービス | オープンソース | 研究者向けプログラム |
| 主な対象 | 開発者・研究者個人 | 企業の R&D チーム | AI 研究の自動化 | 生物医学分野の研究者 |
| コード実行 | Docker サンドボックス | プラットフォーム上で実行 | ローカル実行 | 非公開 |
| 知識の記録 | Neo4j 知識グラフ | 研究レポート | 論文形式の出力 | 仮説・提案書 |
| 料金 | 無料（API 費用は別） | 要問い合わせ | 無料（API 費用は別） | 要問い合わせ |
こんな人におすすめ
- 自律研究エージェントがどう組み立てられているのかを、コードレベルで理解したい開発者
- 論文検索・データ分析・仮説生成を一本のパイプラインでつなぐ仕組みを、自分の研究テーマで試したい人
- マルチエージェント設計やコンテキスト圧縮の実装例を探している人
- 外部サービスにデータを預けず、ローカルモデルで自律エージェントを検証したい研究チーム
- AI による科学的発見というテーマの現在地を、宣伝文句ではなく実装で確かめたい人
逆に、すぐ使える完成品の研究支援ツールを求めている場合や、環境構築に時間を割けない場合は向かない。
まとめ
Kosmos は、話題になった自律 AI 科学者の論文を、誰でも手元で動かせるコードに落とし込んだプロジェクトである。文献検索・サンドボックス実行・知識グラフ・コンテキスト圧縮といった要素が一通り揃っており、自律研究エージェントの設計を学ぶ素材としての価値は高い。一方で、アルファ版であること、論文の成果を再現できていないと開発者自身が明言していることは押さえておきたい。研究を代行してくれる完成品としてではなく、実験台として触るのが正しい距離感だろう。