普段の業務ではClaudeやChatGPTといった強力なクラウドAIにお世話になりっぱなしですが、情シスとして「どうしてもローカル環境で完結させたい」と思う瞬間があります。機密データの処理や、PC自体の環境構築をセキュアに行うためです。
そこで今回は、Windowsの検証用PC（メモリ空き容量5.5GB）に、完全無料・オフラインで動く自律型AIエージェント環境を構築しようと試みました。
結論から言うと、環境自体は完璧に繋がったものの、そこに至るまでに「3つの泥臭い壁」にぶち当たりました。本記事では、その構築手順とエラーのリアルな乗り越え方を記録します。
第1章：今回のアーキテクチャと登場人物
ローカルにAIエージェントを作るには、「AIの脳みそ」と「AIの手足（操作パネル）」を分けて構築するモダンな構成が主流です。今回は以下の2つのオープンソースツールを組み合わせました。
🧠 Ollama（AIの脳みそ）
ローカル環境で大規模言語モデル（LLM）を動かすための基盤（エンジン）です。
自身は表舞台に立たず、裏側（ポート番号：11434）でひたすら「考える」ことに特化しています。OpenClawからのリクエストを受け取り、処理結果を返す役割を担います。
🦾 OpenClaw（AIの手足 兼 コントロールルーム）
人間に代わってターミナルを叩いたり、ファイルを操作したりする「エージェント本体」です。
ユーザーがアクセスするためのWeb UI（ポート番号：18789）を提供し、ブラウザからの指示をOllama（脳）に伝えます。Ollamaが「このコマンドを実行して」と考えた結果を受け取り、実際にPC上でコマンドを実行する実行部隊でもあります。
📦 検証したAIモデル達
Ollamaの「脳みそ」として、今回は以下の3つのモデルを検証しました。モデル選びが後の運命を大きく分けます。
| モデル名 | 容量（目安） | 特徴・検証結果 |
| qwen3.5 | 約 6.6 GB | 汎用的で賢いが、メモリ消費が激しい。今回の環境ではPCをフリーズに追い込んだ。 |
| phi3:latest | 約 2.2 GB | Microsoft製の超軽量モデル。サクサク動くが、なんと「ツール操作（PC制御）」に非対応でエージェントとして機能せず。 |
| qwen2.5-coder:3b | 約 1.9 GB | 最終的な最適解。 超軽量でありながらコーディングやツール操作（Function Calling）に特化した優秀な脳みそ。 |
第2章：現役情シスを阻んだ「3つの泥臭い壁」と突破法
ここからは、実際に構築を進める中で立ち塞がった壁と、その解決策です。
壁①：Windowsネイティブの壁（Execution Policy）
インストール自体はコマンド一発で終わるはずが、Windows特有のセキュリティ機能である「実行ポリシー（Execution Policy）」に弾かれ、スクリプトが動かない事態に。
【突破法】
PowerShellを管理者権限で開き、Set-ExecutionPolicy で一時的に権限を緩和して突破しました。また、無理にバックグラウンドのタスクスケジューラ（schtasks）に登録するのをやめ、検証環境らしく「必要な時だけ手動でコマンド（openclaw gateway）を叩いて起動する」という安全な運用に切り替えました。
壁②：物理メモリの壁（OOMフリーズ）
最初に汎用モデルの「qwen3.5」を読み込ませたところ、PowerShellごと完全にフリーズ。マウスも動きません。
【学びと突破法】
ストレージ上のモデルサイズ（6.6GB）と、実行時に展開されるメモリ空間（12.2GB要求）は別物だという物理的現実を突きつけられました。情シス伝家の宝刀「タスクマネージャーからの強制終了」で息の根を止め、アプローチを軽量モデル（phi3）へと切り替えました。
壁③：AIスキルの壁とUI同期バグ
軽量な「phi3」をインストールし、いざOpenClawのブラウザ画面から設定しようとすると、今度は「プルダウンにモデルが表示されない」というUIのバグ（キャッシュのズレ）に遭遇。
【突破法】
UIのお節介なウィザードに付き合うのはやめ、設定ファイル（C:\Users\username\.openclaw\openclaw.json）をメモ帳で直接開き、"primary": "ollama/phi3:latest" とハードコーディングして強制認識させました。
しかし、いざVSCodeのインストール指示を出すと以下のエラーが。
error="registry.ollama.ai/library/phi3:latest does not support tools"
なんとphi3は「ツール（道具）の使い方がわからない」チャット専用モデルでした。ここで最終兵器であるツール対応の超軽量モデル qwen2.5-coder:3b に換装し、ついにシステムが完璧に連携しました！
第3章：最後の結末と「タイムアウト」の教訓
すべての壁を越え、意気揚々と「VSCodeをインストールして、現在時刻を表示するWebページを作って」と指示を送信。
……しかし、結果はタイムアウト（時間切れ）でした。
原因は、OpenClawが送信する「あなたはエージェントです。このツールを使って…」という膨大な前提指示（システムプロンプト）の処理に、PCのCPUが追いつかなかったためです。AIが初回ロード（コールドスタート）で必死に考えている間に、OpenClaw側が「返事がないからエラー！」と処理を打ち切ってしまいました。
【情シス的Tips：ウォームアップ作戦】
このようなローカル環境では、いきなり重い指示を出すのは禁物です。まずはチャット欄から「こんにちは」とだけ挨拶し、AIにサクッと返事をさせてモデルをメモリ上に完全展開（準備運動）させます。その直後に本命の指示を出すことで、タイムアウトの壁をギリギリ越えられる確率が上がります。
まとめ：総評と今後の展望
今回、完全無料・オフラインでのエージェント環境構築を通じて、アーキテクチャの面白さと、それを支える「ハードウェアスペックの残酷な現実」を肌で感じることができました。
【結論】
ローカルAIは技術的なロマンがあり、隔離環境としての価値は非常に高いです。しかし、一般的なスペックのPCで実用的な速度を出すのは至難の業です。
現状のROI（費用対効果）やタイパを考えると、無理にローカルの限界と戦うよりも、「手足（操作）はローカルのOpenClaw、脳みそはAPIでClaudeやGeminiに繋ぐ」というハイブリッド構成にするのが、実務における最適解だと言えます。
いつか、高スペックなGPU搭載の検証機（あるいはゲーミングPC）を手に入れた際には、完全ローカルでの自律駆動にリベンジしたいと思います！
コメント