ローカルで動くAIコーディング環境、自分で組める時代へ

ここ1〜2年、AIを使ったコーディング支援はCursorやGitHub Copilotのようなクラウド連携型が主流だった。しかし最近、その流れに対してローカル完結型のアプローチが急速に台頭しつつある。

GitHubでスター数2,734を集めている「PI-Desktop」は、ElectronとRustを土台にしたデスクトップ型のAIコーディングエージェント。TypeScript製で、プラグインを後から自分で追加していく拡張性を備えている。設計の核心は「すべてが手元のマシンで完結する」という思想で、コードの生成からエージェントの動作まで、外部のAPIサーバーを経由しない構成を取ることができる。

AIとチームで動くCLIツール、テンセントが公開のような大手発のツールが増える一方で、こうした個人・小チーム向けのセルフホスト型が同時並行で育っているのが、今のAI開発ツール市場の面白さといえる。プラグイン式の設計は「自分の用途に合わせて積み上げていく」使い方に向いており、一つの完成形を押しつけてくるSaaSとは異なるアプローチだ。

クラウド型のAIコーディングツールを使う場合、コード補完のたびに書いているコードの断片が外部サーバーに送信される。多くのサービスはデータの学習利用をオプトアウトできるものの、「そもそも外に出したくない」という場面は確実に存在する。受託案件のソースコード、クライアントの仕様書を参照しながらの作業、社内の独自ロジックを含むスクリプトなどがその典型だ。

PI-Desktopがローカルで動作する場合、コードはマシンの外に出ない。これはセキュリティ要件というより「使う側の選択肢が増える」という意味で重要だ。月額課金のSaaSに積み上がるコストを意識しているなら、ローカルモデル（LlamaやMistralなど）を組み合わせることで、実質コストゼロに近い構成も視野に入る。

もう一点、注目したいのはElectron + Rustという技術選択だ。ElectronはUI層の柔軟性を確保しつつ、コア処理をRustで担わせることでパフォーマンスと安定性を両立させようとしている。プラグインをTypeScriptで書けるため、JavaScriptに慣れている人なら拡張を自作するハードルは低い。AIがデータを自力で横断調査する時代へで紹介したようなデータ横断エージェントとの組み合わせも、こうしたオープンな設計だからこそ現実的に見えてくる。

dev系ツールは「エンジニア向け」と受け取られがちだが、PI-Desktopに関しては段階的に入っていける構造になっている。

コードなしでできること： リポジトリをクローンしてElectronアプリとして起動するところまでは、コマンドの手順通りに進めれば技術的なハードルは高くない。デスクトップGUIが立ち上がるので、エージェントへの指示は自然言語で入力できる。既存のプラグインをインストールして使う範囲なら、コードを書かずに動作確認できる。

書ける人が有利な部分： プラグインを自作するにはTypeScriptの知識が必要になる。自分のワークフロー（例：特定のAPIを叩いてレスポンスをコードに反映する、Gitコミットを自動生成するなど）に合わせたプラグインを組み込めると、ツールの価値が数倍に跳ね上がる。また、ローカルLLMとの接続設定にはモデルのエンドポイント指定などの作業が伴うため、ここもコードが読める人のほうがトラブルシューティングしやすい。

「使い倒す」ための入り口は広く、深くまで入る道も用意されているという構成だ。