Autonomous Lab

🚀 オートノマスラボ

MCPサーバーで、あらゆる上級者 - 下級者のワークフローを自律的なループに変えます。AIが実行を担当し、あなたが判断を行います。

🚀 クイックスタート

オートノマスラボは、あなたが既に支払っているコーディングエージェント（Cursor、Claude Code、Windsurf、Codex CLI、またはMCP互換のクライアント）内で動作するMCPサーバーです。

最も簡単な方法は、このページのリンクを Claude Code、Cursor、または任意のコーディングエージェントにコピーし、オートノマスラボをインストールするように依頼することです。エージェントがすべての作業を処理します。

または、手動でインストールすることもできます。

手動インストール方法

方法1

MCPクライアントの設定（例：Cursorの ~/.cursor/mcp.json）に以下を追加します。

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "uvx",
      "args": ["autonomous-lab"],
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

方法2

uv pip install でインストールした場合：

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "autonomous-lab",
      "timeout": 600,
      "env": {
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

その後、エージェントに「[あなたのトピック]に関するオートノマスラボプロジェクトを初期化して」と指示します。

✨ 主な機能

• 追加コストがゼロ：既存のコーディングエージェントのサブスクリプションで動作します。個別のAPIキー、使用量に基づく課金、新しいアカウントは不要です。
• マルチエージェントオーケストレーション：各役割（PI、Trainee、Reviewer）が個別のエージェントとして実行され、独自のコンテキストウィンドウを持つオプトインモードです。既存のCLIサブスクリプション（Claude Code、Codex CLI、Cursor）を使用します - APIキーは不要です。障害時にはシングルエージェントにフォールバックします。
• スキルコンテナ：既に持っているSKILL.mdファイルを任意の組み合わせでキャラクターを設定できます。scanpy + scientific-writing + statistical-analysis スキルを持つPIは、react + typescript + code-review スキルを持つTech Leadとは異なる動作をします。
• 24時間セッション：ループは無期限に実行されます。タイムアウトやコンテキストの損失はありません。autolab_resume で切断後もセッションを再開できます。
• 完全に設定可能：YAMLキャラクタープロファイルで、性格、専門知識、目標、利用可能なツールを制御できます。数秒で切り替えることができます。
• ドメイン非依存：研究、ソフトウェア、コンサルティング、法律、医療、クリエイティブ、または上級者 - 下級者構造を持つあらゆる分野で使用できます。
• 専門家相談：セッション中にドメインの専門家を招待して、一度限りのアドバイスを受けることができます。ループを中断することはありません。
• 検証済み引用：実際の、検証済みの参考文献を取得するための組み込みのCrossRef統合機能があります（幻覚した論文はなし）。
• ゲームスタイルのモニタリングUI：ブラウザのダッシュボードで、実行中の進捗状況、反復履歴、および編集コントロールを表示します。

📦 インストール

上述のクイックスタートセクションで説明した通り、最も簡単な方法はコーディングエージェントに依頼することですが、手動でのインストール方法もあります。詳細な手順はクイックスタートを参照してください。

💻 使用例

基本的な使用法

2つのAIペルソナ（上級者 + 下級者）があなたのプロジェクトをループで反復します。彼らは設計、実行、作成、修正を行います。あなたはその上に立って決定者として、編集者、コードレビュアー、クリエイティブディレクター、またはその分野に必要な役割を果たします。

ループは以下の通りです。

autolab_next → (AI acts as role) → autolab_record → lab_meeting → autolab_next → ...

作業が完了したら、あなたがレビューします。承認、修正依頼、または拒否を行います。あなたが満足するまでループは続きます。

高度な使用法

マルチエージェントモード

デフォルトでは、単一のAIエージェントがすべての役割を順番に果たします。マルチエージェントモードでは、各役割に専用のエージェントを生成し、それぞれに新しいコンテキストウィンドウを与えます。.autolab/config.yaml で有効にします。

orchestration: multi

agents:
  pi:
    provider: claude-cli   # Uses your Claude Code subscription
    model: opus
  trainee:
    provider: claude-cli
    model: sonnet

複数のTrainee

PIは複数のTraineeに異なるタスクを並行して割り当てることができます。各Traineeには独自のコンテキストウィンドウと焦点領域が与えられます。

orchestration: multi

agents:
  pi:
    provider: claude-cli
    model: opus
  trainees:                              # plural key
    - name: "Data Analyst"
      provider: claude-cli
      model: sonnet
      focus: "data analysis, statistics, figure generation"
    - name: "Writer"
      provider: codex-cli
      model: o3
      focus: "paper writing, LaTeX, literature review"
    - name: "Code Developer"
      provider: cursor-cli
      model: sonnet-4
      focus: "script development, testing, reproducibility"

すべてのTraineeは asyncio.gather を介して並行して実行されます。各Traineeは、自分の焦点領域と他のTraineeが担当していることに関する調整メモが含まれたスコープ付きのプロンプトを見ることができます。1つが失敗しても、他のTraineeは続行します。

Agent teams (Claude Code)

Claude Code内でエージェントチームを有効にして実行する場合（CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1）、マルチエージェントモードは自動的にネイティブのエージェントチームにアップグレードされます。PIはデリゲートモードでチームリーダーになり、Traineeは独自のコンテキストウィンドウを持つチームメイトになり、共有タスクリストと直接メッセージングを介して調整します。追加の設定は必要ありません - 同じ orchestration: multi 設定が両方のモードで機能します。

オプションのチーム固有の設定：

team:
  delegate_mode: true          # PI only coordinates, doesn't implement
  require_plan_approval: false  # Require PI approval before trainees act

📚 ドキュメント

MCPツール

キャラクターの例

name: Dr. Maria Chen
role: pi
title: Computational Biology PI
expertise: single-cell genomics, machine learning
goal: discover cell-type-specific regulatory programs
skills:
  - scanpy
  - scvi-tools
  - scientific-writing
  - statistical-analysis
personality:
  - "Visionary: spots novel research directions"
  - "Rigorous: demands statistical reproducibility"

サポートされているプロバイダー

CLIプロバイダーは主な経路で、APIキーの設定は一切必要ありません。CLIバイナリが見つからない場合、またはマルチエージェントが何らかの理由で失敗した場合、自動的にシングルエージェントモードにフォールバックします。

APIプロバイダーを使用する場合は、オプションの依存関係をインストールします。

pip install 'autonomous-lab[multi-agent]'

リモート / SSH環境

モニタリングWeb UIはデフォルトで 127.0.0.1 にバインドされます（ローカルのみ）。リモートサーバー、SSHセッション、またはコンテナでは、UIは自動検出を試み、代わりに 0.0.0.0 にバインドします。自動検出があなたの設定と一致しない場合は、以下の方法のいずれかを使用してください。

方法1: 環境変数（推奨）

MCP設定で MCP_WEB_HOST を 0.0.0.0 に設定します。

{
  "mcpServers": {
    "autonomous-lab": {
      "command": "uvx",
      "args": ["autonomous-lab"],
      "timeout": 600,
      "env": {
        "MCP_WEB_HOST": "0.0.0.0",
        "MCP_WEB_PORT": "8766"
      }
    }
  }
}

その後、http://<remote-host-ip>:8766/lab をブラウザで開きます。

方法2: SSHポート転送

デフォルトの設定（127.0.0.1）を維持し、ポートを転送します。

ssh -L 8766:localhost:8766 user@remote-host

その後、ローカルで http://localhost:8766/lab を開きます。

🔧 技術詳細

知識作業におけるボトルネックは、これまで実行ではなく判断でした。つまり、どの質問が重要か、どの結果が意味があるか、どの方向を追求すべきかを知ることです。これらの判断をするのに最適な人々は、自分たちの特定の専門知識を必要としないタスクに大部分の時間を費やしています。

オートノマスラボは、階層を1レベル上げます。AIエージェントが作業の役割（主任研究者と研修生、技術リードと開発者、主治医と研修医）を担い、設計 - 実行 - レビューの完全なループを実行します。人間は編集者の立場に移ります。つまり、選別、判断、そして方向性を決める人になります。あなたの労力ではなく、あなたの感性と判断力が主な入力となります。

これはコパイロットではありません。これは作業ユニット自体の再編成です。

📄 ライセンス

Apache 2.0ライセンスです。詳細は LICENSE と NOTICE を参照してください。

謝辞

オートノマスラボは以下のオープンソースプロジェクトに基づいています。

• The Virtual Lab by James Zou Lab, Stanford (MIT) -- LLMエージェントをPIと科学者として、構造化された研究ミーティングを通じて反復する概念 (Swanson et al., Nature 2025)
• mcp-feedback-enhanced by Minidoracat (MIT) -- Web UIの強化されたMCPフィードバックサーバー
• interactive-feedback-mcp by Fabio Ferreira (MIT) -- 元のMCPフィードバックサーバー
• ToolUniverse by Marinka Zitnik Lab, Harvard Medical School -- 科学的ツールカタログの統合（1000以上のツール）