8月18日夕方の収集分から。エージェントを取り巻く部品が各レイヤーで揃ってきた一日で、オープンウェイトのGUIエージェント、業界横断のプラグイン規格、そして国内では行政手続きのMCP公開と、規模感の異なる三つのニュースが並んだ。コスト面の興味深い実測データも届いている。

Tencent「UI-Mate-27B」— 27BのオープンウェイトGUIエージェント

Tencentが、デスクトップ画面のスクリーンショットを観察しながらマウスとキーボードの操作を組み立てるGUIエージェント用の基盤モデル「UI-Mate-27B」を公開した。ライセンスはApache-2.0で、ベースはQwen3.6-27B。

入力はタスク指示・スクリーンショット・操作履歴で、出力は推論結果と簡潔な行動説明、そして構造化されたcomputer useのツール呼び出し。アクション空間はマウス・キーボード・スクロール・待機・ユーザーへの確認・タスク完了をカバーし、pyautogui互換で扱える。学習はSFTの後に、実行可能なGUI環境でのオンライン強化学習を続けた構成という。

特徴的なのは2つのモードだ。自然言語の指示から直接操作する通常のcomputer useに加え、1回の成功デモから再利用可能なワークフローを抽出し、画面のレイアウトやアプリの状態が変わっても実際の画面を見ながら再プランする「デモガイド付き」モードを備える。座標の記録再生ではなくライブ画面に基づくグラウンディングを行う点がうたい文句で、UbuntuとWindows両方のベンチマークで高い性能と、複数アプリをまたぐ長時間タスクの実行力を報告している。提供形態もOpenAI互換のサーブAPIに対応する。

LLMベースのcomputer useは各社が競る領域で、27B級のオープンウェイトで長時間タスクに耐えるモデルが出てきたことは、ローカルや自社環境内で動かしたい利用者にとって選択肢が増える意味がある。現時点ではモデルカードとベンチマークの自己申告が中心で、独立した検証はこれからだろう。

AWS・OpenAI・Microsoftらが「Agent Plugins 1.0.0」仕様を公開

2026年8月6日、Agent SkillsやMCP Serverなどを1つのプラグインにまとめ、複数のエージェントクライアントで利用できるようにするパッケージ規格「Agent Plugins 1.0.0」が公開された。公式サイトはこの仕様を「portable package format」と表現している。策定にはAWS、Anysphere、GitHub、Microsoft、OpenAI、Vercelの代表者が携わり、Googleも関連する発信を行っている。

なぜ重要か。エージェントに機能を足す仕組みは現在、MCPやSkillsなど複数の層に分かれており、その組み合わせはクライアントごとに異なる。プラグインという単位でまとめて持ち運べるようになれば、作り手は一度作った資産を複数の環境で配れるようになる。公式仕様と各社の発信から狙いを分析した日本語記事も公開されている。

デジタル庁、行政手続7.5万件を自然言語で検索できるMCPサーバーを公開

デジタル庁が2026年8月、行政手続等の棚卸調査データ約75,000件（75,071件）を自然言語で分析できるMCPサーバーを公開した。MITライセンスでGitHub上に置かれている。対象は令和6年度の調査結果で、国の法令に基づく手続きを所管府省庁別に整理したデータという。

実際にローカルで動かして子育て関連の手続きをAIに質問した検証記事では、「出生届はすでにオンライン化されている」など、人力で探すと見つけにくい情報が対話的に取り出せたと報告されている。

行政手続きの検索は、曖昧な問いに構造化データで答えるというLLMが得意なタイプのタスクだ。政府データがAIネイティブな形式で公開され使い始められると、住民側の利便性がどこまで上がるか注目したい。

AIコーディングのコスト、トークン消費の97.7%はキャッシュ読み込み

4ヶ月・65稼働日ぶんのAIコーディング利用ログを集計したところ、トークン消費の97.7%がキャッシュ読み込みで、出力生成ではなかったという実測レポートが出た。

興味深いのは対策の効果だ。「モデルを安いものに切り替える」という定番の手法は実測ではほぼ効かず、効いたのは「会話を短く切る」という運用変更だけ。しかもその運用変更は1ヶ月で元に戻ってしまったという。定額プランという条件はあるものの、コスト最適化の勘所が直感とずれている場所にあることを実データが示している。

14MBのツール呼び出し特化モデル「Needle 2」

Cactus Computeの「Needle 2」がGitHub Trendingで週3,627スターを伸ばしている。45Mパラメータでファイルサイズは14MB、画像1枚ほど。ツール呼び出し（function calling）に特化し、DLL 1個・RAM 37MB・1回0.5秒で動くという。ただし日本語の処理は5問中0問だったとされる。エッジデバイスや組み込みでの利用を狙ったもので、小さくても特定機能に絞るアプローチの実用性を示す例といえる。

マルチ報酬RLの新しい重み付け「SA-MRPO」

Hugging Face Daily Papersで注目を集めていた研究紹介。複数の報酬目標を固定重みの和でスカラー化してから学習する既存手法には、達成済みの目標に学習予算を使い続けるという問題がある。SA-MRPO（Saturation Aware Advantage Reweighting for Multi-Reward Policy Optimization）は各報酬を独立に標準化し、バッチレベルの飽和推定で寄与を割り引くことで、最適化の努力を手の残っている目標へ動的に振り向ける。

数式推論の比較では15件中12件で難しい正答目標がGDPOを上回り、AIME24で最大5%向上。適応推論では5ベンチマークすべてで平均3.8%改善（AMC23で最大9.2%）、コーディングでも最大2.3%の改善を報告している。RL後訓練の報酬設計に直接効くタイプの知見だ。

まとめ

今日の収集分からは、エージェントまわりの「部品化」が一段と進んでいる印象を受けた。操作する側のモデル（UI-Mate）、機能を配る側の規格（Agent Plugins）、巨大なデータソース（行政手続MCP）が、それぞれ別のレイヤーで整備されつつある。コスト面でも実測ベースの冷静な検証が増えており、ブームの次の段階に入りつつあるのかもしれない。