2026年、オープンソースの AI エージェントは「チャット画面を開くたびに記憶がリセットされる」段階を卒業しつつあります。OpenClaw は Gateway とチャネル（Telegram、Discord、Slack など）を軸にツール実行と ClawHub Skill を束ね、OpenHuman（v0.53 系）は Tauri デスクトップと Memory Tree で「人間らしい長期記憶」をローカルに積み上げます。どちらも macOS + Apple Silicon 上の Ollama と相性が良く、会話データを自社管理下に置きたいチームに向いています。本稿は、MACCOME でレンタルした Mac Mini M4 を 7×24 専用ホストとして使い、製品選定から openclaw onboard、OpenHuman の config.toml ローカル AI 設定、LaunchAgent 常駐、Ollama モデル選定、セキュリティ、コスト比較までを一気通貫で示します。詳細な Ollama 切り分けは既存 Runbook、Gateway 無人運用はlaunchd チェックリストと併読してください。
両者は「ローカル LLM + エージェント」というラベルは共通ですが、設計思想が異なります。OpenClaw は常時接続の Gateway とマルチチャネルが中心で、チームの通知面・自動化のハブとして機能します。OpenHuman はデスクトップ常駐と Memory Treeが中心で、個人の作業文脈を枝分かれさせながら保持する「第二の頭脳」に近い体験を目指します。2026年5月時点のコミュニティ実装では、OpenClaw 側が Node 24 ベースの CLI と openclaw onboard ウィザードで導入が早く、OpenHuman 側は install.sh と config.toml の [local_ai] ブロックで Ollama / LM Studio を明示的に束ねる流れが一般的です。
選定の実務指針は次のとおりです。外部から Bot 経由で 24 時間応答したいなら OpenClaw を第一候補に。画面横に常駐し、プロジェクトごとに記憶を分岐させたいなら OpenHuman を第一候補に。小規模チームでは「OpenClaw を通知・実行のフロント、OpenHuman を深い調査・下書きのバックエンド」という役割分担も現実的ですが、RAM とディスクの予算を二重に見積もる必要があります。同一 M4 16 GB 上で両方のローカル 7B モデルを常駐させると、スワップ発生で Gateway の応答遅延に直結します。Hermes Agent など別系統のエージェントと比較すると、OpenClaw はチャネル統合の完成度、OpenHuman はデスクトップ UX と Memory Tree の表現力が強みです。用途が重なる場合は、まず 1 週間 POC で応答品質と運用負荷を数値化してから本番チャネルを開放することをおすすめします。
| 観点 | OpenClaw | OpenHuman（v0.53 系） |
|---|---|---|
| 主な用途 | Telegram / Discord / Slack 等の 7×24 Bot、ツール実行、ClawHub Skill | デスクトップ常駐、Memory Tree、ローカル推論中心の個人ワークフロー |
| 導入の入口 | npm i -g openclaw → openclaw onboard |
install.sh → config.toml の [local_ai] |
| 常駐方式 | launchd / systemd の Gateway デーモン | Tauri アプリ + バックグラウンド推論ワーカー |
| 記憶モデル | ワークスペース、AGENTS.md、Session ステート | Memory Tree（枝分かれする長期コンテキスト） |
| 向いている RAM | Gateway のみ API なら 16 GB 可；ローカル 7B 併用なら 32 GB 推奨 | 7B 量子化なら 16 GB 可；13B / 複数ツリーなら 32 GB 以上 |
ローカル AI エージェントのボトルネックは、モデルサイズより統合メモリ（UMA）とディスク I/Oに集約されることが多いです。Mac Mini M4 は Neural Engine と GPU が CPU とメモリを共有するため、Ollama の Q4 量子化モデル（Qwen2.5 7B、Llama 3 8B、Gemma 3 等）が現実的なスループットを出せます。一方、70B クラスを本気で載せるなら M4 Pro 64 GB 相当の上位構成か、クラウド GPU へのオフロードを検討する段階です。
MACCOME では六国リージョンから専用 Mac を選べます。Telegram や Discord の Webhook 応答では、利用者に近いリージョンを選ぶと RTT が安定し、タイムアウト系の誤認を減らせます。日本国内チームなら東京、香港経由のチャネルなら香港、北米 SaaS 連携ならバージニアまたはシリコンバレーが無難です。詳細な料金と地域差はレンタル価格ページと多リージョンガイドを参照してください。
| 構成 | RAM | 推奨ワークロード | 目安：Ollama 常駐 |
|---|---|---|---|
| M4 16 GB | 16 GB UMA | OpenClaw Gateway + API ルーティング、または OpenHuman + 7B 単体 | qwen2.5:7b-instruct-q4_K_M 等 1 モデル |
| M4 32 GB | 32 GB UMA | Gateway + ローカル 7B、または OpenClaw + OpenHuman 併用（役割分離） | 7B 2 系統または 13B 1 系統 |
| M4 Pro 64 GB | 64 GB UMA | 複数 Agent、ローカル 32B 級、開発 CI 同居（要注意） | 32B 量子化、将来 70B 実験 |
注文後は注文フローに従いインスタンスを起動し、SSH 鍵でログインします。GUI が必要な OpenHuman 初回セットアップではVNC リモートを併用すると、Tauri アプリの権限ダイアログを対話的に処理できます。本番運用では、Gateway 管理ポートをインターネットに直晒しせず、ssh -L または Tailscale / Cloudflare Tunnel でループバックに留める構成が安全です。
初日のチェックリストは次のとおりです。(1) macOS バージョンと Xcode CLT の有無。(2) Homebrew で Node 24 と Ollama を導入。(3) ディスク空き 100 GB 以上（モデルキャッシュ用）。(4) タイムゾーンと NTP。(5) 自動スリープ無効（sudo pmset -a sleep 0 displaysleep 0）。スリープは OpenClaw の長寿命 WebSocket を切断し、OpenHuman の Memory Tree 同期も止めます。ゼロトラストの詳細はTailscale チェックリストを参照してください。リモート作業では、社内ネットワークから直接 Gateway ポートを叩かず、必ず SSH トンネルまたは Tailscale 経由に統一してください。複数メンバーが同じレンタル Mac を触る場合は、個人ノートから openclaw CLI を実行し、Gateway 本体はサーバー側デーモンのみ常駐させる構成がトラブルが少ないです。
OpenClaw はonboard Runbookに沿って導入するのが最短です。Node 24 を固定し、openclaw doctor で環境を確認したうえで openclaw onboard を実行します。ウィザードではワークスペース、既定モデル（Ollama の http://127.0.0.1:11434 を OpenAI 互換として登録可能）、少なくとも 1 チャネルを完了させます。最後に openclaw onboard --install-daemon で launchd に登録し、再起動後も Gateway が自動復帰するようにします。
OpenHuman v0.53 系では、リポジトリ付属の install.sh が Tauri ランタイムと依存関係をまとめて入れます。config.toml の [local_ai] で Ollama のベース URL、既定モデル名、コンテキスト上限を指定します。Memory Tree はプロジェクト単位のノードとして会話と要約を蓄積するため、ツリーのルートディレクトリを ~/.openhuman/ 等の永続パスに置くことが重要です。レンタル Mac ではホームディレクトリがインスタンスに紐づくため、解約・移行前に tarball 退避を忘れないでください。初回起動後は、テストプロジェクトを 2 本作成し、各ブランチに異なるキーワードを埋め込んでから検索・要約が正しく分岐するか確認します。ツリーが肥大化した場合は、古い枝をアーカイブして SSD 圧迫を防ぎ、週次バックアップの対象から除外する運用が現実的です。
# Ollama（Apple Silicon） brew install ollama ollama serve & ollama pull qwen2.5:7b-instruct-q4_K_M # OpenClaw brew install node@24 npm i -g openclaw@latest openclaw doctor openclaw onboard openclaw onboard --install-daemon # OpenHuman（例：リポジトリルートで） chmod +x install.sh ./install.sh # config.toml の [local_ai] を編集後、アプリを起動 # リモート管理：Gateway ポート転送 ssh -L 18789:127.0.0.1:18789 user@your-rental-mac.example.com
2026年の実務では、日本語・英語混在の業務 Bot には Qwen2.5 7B Instruct、英語中心のコード補助には Llama 3 8B、軽量常駐には Gemma 3 4B がよく選ばれます。OpenClaw からは OpenAI 互換 API として Ollama を指すだけで、トークン課金ゼロのループが回ります。ただし品質上限はクラウド frontier モデルより低いため、重要判断は API フェイルオーバーをマルチプロバイダ設定で残すのが現実的です。モデル選定後は、同じプロンプトを 10 回固定し、レイテンシ p50/p95 と出力文字数をスプレッドシートに記録してください。週次でモデルタグを切り替えた場合も、同じシートに追記すれば OpenClaw ルーティング変更の影響を定量的に説明できます。
バックアップ戦略も早めに決めてください。OpenClaw は tar czf openclaw-backup-$(date +%Y%m%d).tar.gz ~/.openclaw/、OpenHuman はツリールートごと tarball、Ollama は ollama list のタグ一覧と pull スクリプトを Git 管理下に置けば、インスタンス移行時に再現可能です。レンタル Mac の月次メンテナンス窓口があれば、その前後でバックアップテストリストアを実施し、Bot トークン再発行手順まで通しでリハーサルしておくと本番トラブル時の復旧時間を半分以下に抑えられます。
同一ホストで OpenClaw と OpenHuman を動かす場合、Ollama の同時ロードを避ける設定（片方は API、片方のみローカル、またはモデルを時間帯で切替）を推奨します。メモリ圧迫時は memory_pressure と ollama ps を監視し、スワップ発生前にモデルをアンロードしてください。ディスク面では、Ollama のモデルキャッシュ（通常 4〜8 GB/7B モデル）、OpenClaw の ~/.openclaw/ ログ、OpenHuman の Memory Tree ノードが独立して成長します。レンタル Mac の SSD が 512 GB の場合、モデル 2 本 + ログ 30 日分 + ツリー成長を見込んで 100 GB 以上の空きを常時確保するのが安全です。週次で du -sh ~/.openclaw ~/.openhuman ~/Library/Logs を記録し、80% しきい値でアラートを張ってください。
Gateway が応答しない場合は、(1) openclaw gateway status と launchd の終了コード、(2) Ollama curl http://127.0.0.1:11434/api/tags、(3) チャネル OAuth / Webhook の到達性、(4) ディスク使用率、の順で確認します。OpenHuman 側はアプリログと Memory Tree ディレクトリの書き込み権限を先に見て、モデル品質の問題と混同しないでください。詳細は Gateway 無反応 Runbook を参照してください。
セキュリティでは、CVE-2026-25253 系の Gateway 露出リスクを踏まえ、最小権限とファイアウォール Runbookに従います。Bot トークン、Webhook URL、~/.openclaw/ 内のシークレットはログにマスクし、共有 macOS アカウントでの onboard は避けてください。ローカル推論の利点はデータが外部 API に流れにくいことですが、チャネル経由で入ってくるユーザーメッセージは依然として個人情報になり得るため、保持期間とバックアップ暗号化をポリシー化します。
Neural Engine の位置づけ： Ollama の主力は GPU / Metal パスです。Neural Engine 直結はフレームワーク依存ですが、Apple Silicon 上で「クラウド API に毎回送らない」だけで egress コストとレイテンシの両方を抑えられるため、固定月額レンタルとの相性は依然として良好です。
TCO を 24 か月で比較すると、自社購入 Mac Mini M4 16 GB は初期 Capex がかかる一方、電気代と運用当番は自分負担になります。クラウド GPU（A100 / H100 時間課金）は 70B 推論には強いですが、7×24 の軽量 Agent + macOS ネイティブツールにはオーバースペックで、 egress とストレージ課金が読みにくいです。MACCOME 月額レンタルは固定 OpEx、六国選択、解約・移行前データ持ち出しが明確なため、OpenClaw / OpenHuman のPOC から本番まで 12〜18 か月はレンタルが総合的に有利なことが多いです。
| 方式 | 24 か月目安 | 7×24 Agent 向き | データ主権 |
|---|---|---|---|
| 自社購入 M4 16 GB | 硬体 + 電気 + 運用 | 可（自前 SLA） | 高（自宅/オフィス） |
| MACCOME 月額レンタル M4 | 固定月額（価格表） | 高（机房・KVM 込み） | 高（専用インスタンス） |
| Linux VPS + API のみ | 低〜中（按量 API） | 中（macOS 不可） | 中（ログは VPS 事業者） |
| クラウド GPU 時間課金 | 高（常時載せると急増） | 低（Agent 常駐向きでない） | 低〜中 |
Day 1 はリージョン選定と SSH 鍵登録のみに充て、OpenClaw も OpenHuman も入れませんでした。Day 2 に Ollama と Node 24 を入れ、7B モデル 1 つだけ pull して推論 smoke test。Day 3 で openclaw onboard 完了、Telegram テスト Bot のみ接続。Day 4 に launchd 常駐化し、意図的に sudo reboot して Gateway 自動復帰を確認。Day 5 で OpenHuman を VNC 経由でセットアップし、Memory Tree に試験プロジェクトを 2 本作成。Day 6 は両方を同時稼働させ、16 GB 構成では Ollama の同時ロードで swap が発生したため、OpenClaw を API フェイルオーバー主体に切り替え。Day 7 にログローテーションとディスクアラートを設定し、本番相当の cron 通知を有効化しました。この順序なら、各層の障害が 1 日以内に隔離できます。
導入後 1 週間は、Gateway uptime、Ollama の p95 レイテンシ、ディスク使用量（モデル + ログ + Memory Tree）の 3 指標だけを毎日記録してください。数字が安定してから本番チャネルを開放すれば、夜間オンコールの半分は消えます。あわせて次の運用 KPI をスプレッドシート 1 枚にまとめると、レンタル継続か購入移行かの判断材料になります：24 時間あたりの成功応答数、平均トークン長（API 利用時）、Skill ヒット率（OpenClaw）、Memory Tree ノード増分（OpenHuman）、月額レンタル費対効果。チャネル OAuth のつまずきは チャネル切り分けチェックリストを先に読んでからモデル設定を疑う癖をつけると、無駄なロールバックが減ります。解約・移行・移行手順はヘルプセンターに従い、~/.openclaw/ と OpenHuman データを tarball 化してからインスタンスを返却します。
最後に、2026 年のローカル AI エージェント市場は Hermes、OpenClaw、OpenHuman など選択肢が増えましたが、共通の分母は変わりません。賢さは稼働時間の関数であり、ハードウェアはその関数の積分値です。自宅 Mini を買うも、クラウド Mac を借りるも、決め手は「誰が 3 時の再起動に起きるか」です。レンタルに OpEx を寄せ、あなたの時間を Skill 設計と Memory Tree の設計に使う——それが本稿の結論です。
見落としがちな点： ローカル推論で「トークンゼロ」になっても、電気・RAM・ディスク・人の監視時間はゼロになりません。レンタル Mac はこれらを月額に束ねる選択肢として評価してください。
よくある質問
OpenClaw と OpenHuman は同じ Mac Mini 上で同時稼働できますか？
可能ですが、Ollama の常駐モデル数と Gateway メモリを合算して RAM を設計してください。16 GB ではどちらかを API 主体にし、32 GB 以上で両方のローカル推論が現実的です。
レンタル Mac でローカル推論を使うメリットは何ですか？
会話ログとモデル重みを専用 macOS 上に置き、外部 API 送信を減らせます。レンタル価格と組み合わせると変動トークン費を抑えやすくなります。
ノート PC ではなくレンタル専用機が必要な理由は？
Gateway と Memory Tree はスリープで中断されます。7×24 応答には専用レンタル Macを推奨します。
解約・移行前にデータを持ち出す方法は？
~/.openclaw/ と OpenHuman データを tar 退避し、Bot トークンは再発行してください。ヘルプセンターを参照してください。