【OpenMAIC】清華発マルチエージェントAI教室基盤徹底解説 2026

課題 vs イノベーション

✕従来の課題	✓革新的ソリューション
従来の MOOC は固定コンテンツ中心で、学習者は受動視聴に留まりリアルタイム対話が弱い	二段階生成により、先に授業アウトラインを確定し、その後に各 Scene を並列生成して効率を高める
既存の AI 学習支援は単発 Q&A に偏り、継続的な授業文脈や複数役割の協調が不足する	LangGraph の『director graph』が複数エージェントを統制し、音声、ホワイトボード、レーザーポインタなど多様な動作を扱う
独自の AI 教材基盤を構築するには TTS、ASR、LLM、描画、エージェント制御を深く統合する必要がある	HTML ベースの対話型シミュレーションを自動生成し、静的教材に留まらない学習体験を提供する
一般的な文書 AI では単一資料からシミュレーションや PBL を含む完全授業を生成しにくい	OpenClaw 連携により 20 以上の IM 環境で授業生成を実行でき、チャット起点の学習導線を実現する
-	清華大学チームと JCST'26 掲載実績により、研究裏付けを備えた高い信頼性を持つ

アーキテクチャ深掘り

二段階授業生成パイプライン

OpenMAIC は生成処理を『アウトライン生成』と『Scene 生成』の二段階に分割します。まず LLM が章立て、学習目標、難易度を整理し、その後にスライド、クイズ、HTML シミュレーション、PBL を並列生成します。これにより授業構造の安定性を維持しつつ、全体の生成時間を短縮できます。進捗は SSE で逐次配信され、利用者は教室が構築される過程をリアルタイムで確認できます。

LangGraph マルチエージェント編成

中核となるのは LangGraph ベースの『director graph』であり、教師、学生、司会役などの発話順と分岐条件を統制します。討論や質疑応答に入ると、編成層が誰が話すか、どの動作を発火するか、前後文脈をどう引き継ぐかを決定します。音声、ホワイトボード描画、スポットライト、レーザーポインタなど幅広い動作を扱えるため、授業表現の再現性が高いです。状態はフロントエンドのストアへ同期され、表示とエージェント動作の整合性を保ちます。

再生制御とライブ対話

専用の再生ステートマシンが idle、playing、paused、live を管理します。事前生成された授業は順序付きアクションとして再生され、学習者が質問すると即座に live モードへ移行して応答を生成します。この二重ステート設計により、リアルタイム推論の遅延が再生体験を損なうことを抑えられます。教育サービスに必要な安定再生と即時対話の両立を実現する構成です。

LLM・音声・メディア抽象化層

lib/ai、lib/audio、lib/media により、LLM、音声、メディア機能が分離抽象化されています。OpenAI、Anthropic、Gemini、DeepSeek、OpenAI 互換 API を実行時に切り替え可能です。TTS、ASR、画像生成、動画生成も同様にプラグイン型で扱えるため、コスト、品質、地域要件に応じた最適化がしやすいです。結果として、モデル生態系の変化に追従しやすい保守性の高い設計になっています。

デプロイガイド

1. Node.js 20 以上と pnpm 10 以上を用意し、リポジトリを取得して依存関係を導入します

bash

1git clone https://github.com/THU-MAIC/OpenMAIC.git2cd OpenMAIC3pnpm install

2. 環境変数テンプレートを複製し、少なくとも 1 つの LLM プロバイダ鍵を設定します

bash

1cp .env.example .env.local2# .env.local を編集3# OPENAI_API_KEY=sk-...4# ANTHROPIC_API_KEY=sk-ant-...5# GOOGLE_API_KEY=...

3. 開発サーバーを起動し、ローカル URL にアクセスします

bash

1pnpm dev

4. 必要に応じて Docker でコンテナ配備を行います

bash

1cp .env.example .env.local2# 編集後に実行3docker compose up --build

5. 必要に応じて Vercel に取り込み、環境変数を設定して公開します

bash

1# https://vercel.com/new へアクセス2# Fork 済みリポジトリを取り込み API Key を設定

導入事例

コアシーン	対象読者	ソリューション	成果
個人学習加速器	新しい技能を短期間で習得したい学習者	テーマ入力や書籍論文のアップロードから講義、クイズ、シミュレーション付き授業を自動生成	体系学習までの時間を短縮し知識定着率を高める
企業研修コンテンツ工場	研修教材を継続的に量産したい企業 L&D 部門	社内 SOP や知識文書を投入して対話型教材を生成し .pptx として出力	教材制作リードタイムと人的コストを大幅に削減する
学校向けスマート授業支援	差別化教材を必要とする高等教育および K12 教員	Feishu や Slack から討論と PBL を含む教室を直接生成する	導入負荷を抑えつつ授業参加率を向上させる

よくある質問

OpenMAIC と従来 MOOC の本質的な違いは何ですか。▾

従来 MOOC は固定された録画教材を配信する方式で、対話性が限定的です。OpenMAIC は現在のテーマから教室を都度生成し、複数エージェントが授業、討論、応答を担うため、長尾テーマや個別学習に適しています。

なぜ AutoGen や CrewAI ではなく LangGraph を採用しているのですか。▾

授業体験には明示的な状態制御と割り込み処理が不可欠です。LangGraph は再生、討論、ライブ応答をグラフ状態として設計しやすく、運用上の予測可能性が高いです。

完全な授業生成にはどの程度の時間とコストがかかりますか。▾

Scene 数、利用モデル、TTS の有無で変動します。中規模授業なら数分で終わることが多い一方、高性能モデルや複雑なシミュレーションを使うとコストは上がります。

HTML インタラクティブ実験は安定して動作しますか。▾

単純な実験は比較的安定しますが、複雑な相互作用ではスクリプト不整合が起こる可能性があります。本番授業に使う場合は事前確認と高性能モデルの利用が望ましいです。

OpenClaw 連携の実務的な価値は何ですか。▾

授業生成を Feishu、Slack、Telegram などの日常チャットに持ち込める点が大きいです。端末操作や管理画面に入らず、会話の流れのまま生成と進捗確認ができます。

企業向け私有配備で最大の課題は何ですか。▾

現状は単一利用者寄りの自社運用設計で、認証、権限制御、マルチテナント分離が不足しています。企業導入では Auth、API 保護、永続 DB の追加設計が必要になります。

AGPL-3.0 は商用化にどう影響しますか。▾

コードを改変してネットワーク越しに提供する場合、改変部分の公開義務が発生しやすいです。クローズドな SaaS を想定するなら、早期に商用ライセンス経路を検討すべきです。

Gamma.app のような AI プレゼンツールと比べた強みは何ですか。▾

Gamma は視覚テンプレートや営業向け表現に強みがあります。一方 OpenMAIC は授業構成、エージェント対話、ホワイトボード連動など教育文脈で優位です。

OpenMAIC

概要

課題 vs イノベーション

アーキテクチャ深掘り

デプロイガイド

1. Node.js 20 以上と pnpm 10 以上を用意し、リポジトリを取得して依存関係を導入します

2. 環境変数テンプレートを複製し、少なくとも 1 つの LLM プロバイダ鍵を設定します

3. 開発サーバーを起動し、ローカル URL にアクセスします

4. 必要に応じて Docker でコンテナ配備を行います

5. 必要に応じて Vercel に取り込み、環境変数を設定して公開します

導入事例

制限事項と注意点

よくある質問