Eliza技術白書の解説：Web3に親和的なAIエージェント型OS

2025.01.14

共有先

TechFlow厳選深潮セレクト

Eliza技術白書の解説：Web3に親和的なAIエージェント型OS

Elizaの可能性は、ユーザーの想像力にかかっている。

2025.01.14 - 08:10:10

Eliza

Web3業界の深掘り報道に専念し潮流を洞察

Elizaの可能性は、ユーザーの想像力にかかっている。

著者：TechFlow

長年待望のEliza技術白書が、本日ついに公開された。

多くのAIエージェントがElizaのオープンソースフレームワークに基づいて開発されているとよく耳にするが、Eliza自身がどのように自己を定義しているかについては、これまで技術的な詳細な説明が欠けていた。

今回の白書はその疑問に対する優れた回答であり、AIとWeb3の深層的統合、モジュール型システムアーキテクチャ設計、およびオープンソースフレームワークとしての技術的実装について詳しく説明している。

白書はShaw氏をはじめ、複数のEliza Labsメンバーおよび関連組織の技術者が共同で執筆したが、大量の技術的詳細や専門用語が含まれるため、一般読者にはやや難解である可能性がある。

TechFlowではこれを簡素化・要約し、分かりやすい言葉で白書の内容を迅速に理解できるように紹介する。

1. なぜElizaが必要なのか？

ここで注意すべきは、「暗号資産（Crypto）またはWeb3領域において」なぜElizaが必要なのか、という点に焦点を当てることだ。より広範なAIフレームワークとの比較ではなく、この分野に特化した問いかけである。

この視点に沿って、技術白書の序論および背景部は明確に答えを出している。

AIとWeb3の交差点には、長らく明らかな空白が存在していた——Web3アプリケーションを完全に統合できるエージェントフレームワークが存在しなかったのである。

具体的には、白書はWeb3分野が直面する主な3つの課題を指摘している。

分散型取引の複雑性： Ethereum、Solana、BASEなどのパブリックチェーンの発展に伴い、異なるチェーン上で資産を管理し取引を実行することはますます困難になっている。既存の取引プラットフォームはあるものの、中上級ユーザーのカスタマイズニーズに対応するには基本機能が不十分である。
オンチェーンデータの価値抽出： ブロックチェーンには、保有アドレスの変動、トークン価格、時価総額といった基礎データから、クジラウォレット比率、マーケットメイカーの行動パターンといった高度な指標まで、膨大な価値ある情報が蓄積されている。こうした複雑なデータをどう効果的に意味のあるインサイトに変換するかは、未解決の重要な課題である。
ソーシャルメディア情報の断片化： Web3業界にとって、Twitter、Discord、Farcasterなどのソーシャルプラットフォームは情報収集の主要な手段だが、KOL（意見リーダー）の増加とともに情報はますます断片化しており、情報の洪水の中から有益な知見を得ることはすべてのトレーダーに共通する課題となっている。

これらの現実的ニーズを踏まえて、Elizaは登場した。初のオープンソースかつWeb3対応AIエージェントOSとして、Elizaはモジュール設計により、開発者やユーザーが自身のニーズに応じてカスタムソリューションを構築できる。

Elizaは、高度なAI機能を利用する際のハードルを下げ、プログラミング経験が浅いユーザーでも独自のAIエージェントを構築できるように支援する。

また、白書では他の一般的なAIフレームワークとの比較も行われており、以下の表から明確に読み取れるのは、Web3サポートという観点でElizaが最も適していると主張している点であり、これが白書全体を通じて伝えたい核心である。

2. Elizaの設計理念と技術革新

三大設計原則：シンプルながら奥深い

Elizaの成功は偶然ではない。設計当初からチームは以下の3つの核心原則を掲げた。

Web3開発者を最優先： Web3開発は主にJavaScript/TypeScriptで行われるため、ElizaはTypeScriptを採用。これにより開発者は慣れ親しんだツールを使え、ブロックチェーン機能を既存のWebアプリに容易に統合できる。「すぐに使える」状態を実現している。
モジュール型プラグイン設計： Elizaはシステムをコアランタイムと4つの主要コンポーネントに分割している。

Adapter（データアダプター）
Character（エージェントの個性）
Client（メッセージインタラクション）
Plugin（汎用機能）

この設計により、開発者はコアランタイムの内部構造を気にせず、独自のプラグイン、クライアント、キャラクター、アダプターを自由に追加できる。これによってElizaは多様なモデルプロバイダー（OpenAI、Llama、Qwenなど）、プラットフォーム連携（Twitter、Discord、Telegramなど）、チェーン互換性（Solana、Ethereum、Tonなど）を幅広くサポート可能になっている。

単純さを重んじる：

限られた工数の中で、内部実装をシンプルに保つことで、新機能開発や新シナリオへの適応に時間を割き、AIおよびWeb3分野の急速な進化に対応できる。

技術革新：内面と外延の両面強化

具体的な実装において、Elizaの革新は「内部強化」と「外部拡張」の二つの軸に分けられる。

内部強化： AIモデルの思考能力を高めるために、Elizaは複数の先端技術を統合している。

Chain-of-Thoughts（CoT：思考の連鎖）：
- 技術定義：段階的な説明を導入
- わかりやすい理解：数学の問題を解くときに途中式を書くように、AIも答えを出すまでの過程をステップごとに記述する。結果の正確性が向上し、人間もAIの推論過程を理解できる。
Tree-of-Thoughts（ToT：思考の木）：
- 技術定義：複数の解決策を並列探索
- わかりやすい理解：将棋で複数の手を検討するように、AIは複数の解決策を同時に探索し、最適なものを選ぶ。思考の「木」のうち最良の枝を選ぶイメージ。
Graph-of-Thoughts（GoT：思考のグラフ）：
- 技術定義：推論パスを相互接続
- わかりやすい理解：問題をネットワークとして捉え、アイデア同士をつなげる。複雑な問題を解くとき、関連する考えを結びつけてマインドマップのように整理するのと同じ。
Layer-of-Thoughts（LoT：思考の層）：
- 技術定義：階層的推論
- わかりやすい理解：フィルターのように、思考を異なるレベルに分ける。大まかな方向性を決めた後、徐々に詳細に落とし込んでいくプロセス。

外部拡張： 実際の問題解決力を高めるため、Elizaはさまざまな外部機能を統合している。

RAG（Retrieval-Augmented Generation：検索拡張生成）：
- 技術定義：検索機能で生成能力を強化
- わかりやすい理解：学生が宿題をするときに教科書を参照するように、AIも回答時に「資料庫」を検索して、より正確な答えを提供。
ベクトルデータベース：
- 技術定義：構造化データの保存と検索
- わかりやすい理解：AIの「図書館」のようなもので、類似コンテンツを高速に検索できる。例えば「月に関する詩が欲しい」と言えば、関連する詩を瞬時に見つけることができる。
ウェブ検索：
- 技術定義：インターネット上の最新情報をリアルタイム取得
- わかりやすい理解：AIが人間のように最新情報をオンラインで検索でき、固定された知識に縛られない。
テキストから画像/動画/3Dモデル生成：
- 技術定義：文字記述をマルチメディアコンテンツに変換
- わかりやすい理解：画家が文章から絵を描くように、AIはあなたの説明から画像、動画、3Dモデルを生成できる。

他のWeb3フレームワークとの比較

現在のWeb3 AIエージェントフレームワークの中でも、Elizaは明確な優位性を示している。50人以上のAI研究者および上級ブロックチェーン開発者のフィードバックによると、Elizaは以下の指標で他を上回っている。

モデルプロバイダーのサポート
チェーン互換性
機能の完全性
ソーシャルメディア連携

3. Eliza OS：精巧に設計されたWeb3 AIエコシステム

Elizaの設計理念を理解したところで、このフレームワークがどのように動作するかを見てみよう。Elizaは、各部品が完璧に噛み合いながらも極めて柔軟性を持つ、まるでレゴブロックのようなシステムだと想像できる。

コアコンポーネント：5つの主要役割

Elizaの世界では、5つのコアコンポーネントが協働して、完全な知的システムを構成している。

Agents（エージェント）：システムの主役

これらは独立した「デジタルアシスタント」のような存在で、自律的なインタラクションを処理する。各エージェントは独自の「記憶」と「性格」を持ち、DiscordやTwitterなどの異なるチャネルを通じて、一貫性のある会話をユーザーと行える。

Character Files（キャラクターファイル）：エージェントの“人設”

エージェントに個性を与えるには、Character Files（キャラクターファイル）が必要となる。これはエージェントの「履歴書」のようなもので、身元や個性のほか、使用可能なモデル（OpenAI、Anthropicなど）や実行可能な操作（ブロックチェーン取引、NFT鋳造など）を定義する。細かく設計されたキャラクターファイルにより、各エージェントは独自の専門性と行動様式を示すことができる。

Providers（プロバイダー）：エージェントの“感覚器官”

外界とインタラクションする際、エージェントはProviders（プロバイダー）を「感覚器官」として必要とする。人間が五感で世界を認識するように、プロバイダーは市場データ、ウォレット情報、感情分析などのリアルタイム情報をエージェントに提供し、環境と文脈を正しく理解できるように支援する。

Actions（アクション）：エージェントの“スキルセット”

具体的な行動が必要なとき、Actions（アクション）がエージェントの「スキルセット」となる。単純な売買注文から複雑なNFT生成まで、すべての操作は厳密なセキュリティ検証を経ており、金融関連タスクを安全に処理できる。これらのスキルにより、エージェントは真にWeb3世界で機能する。

Evaluators（評価器）：エージェントの“意思決定システム”

最後に、Evaluators（評価器）はエージェントの「意思決定システム」として機能し、会話内容を評価し重要情報を抽出するとともに、長期記憶の構築を支援する。目標達成の進捗を追跡し、会話全体の一貫性を保証する。

スマートインタラクション：単なる会話以上のもの

インタラクション面では、Elizaは多層的な理解システムを採用しており、熟練した通訳官のように、表面的な意味だけでなく、文脈や意図も正確に把握する。このシステムはユーザーの真のニーズを的確に理解し、異なる通信プラットフォーム間で一貫した体験を提供し、文脈に応じて柔軟に応答方法を調整できる。

プラグインシステム：無限の拡張可能性

Elizaのプラグインシステムは、本質的にツールボックスであり、フレームワーク全体に強力な拡張性をもたらしている。この拡張性は、以下の3つの方向で顕著である。

マルチメディア生成：画像、動画、3Dモデルの生成が可能。NFTシリーズの自動生成や、画像の説明・分析機能も備える。
Web3統合：Ethereum、Solanaなどのマルチチェーン操作をサポート。完全な取引機能セットと各種DeFi操作を統合。
インフラ：ブラウザサービス、ドキュメント処理、音声認識（音声→テキスト）などの基盤機能を提供。

このようなモジュール設計により、Elizaはシステムの安定性を保ちつつ、開発者にほぼ無限の拡張可能性を提供している。これにより、Web3世界で次々と現れる新たなニーズやシナリオにも柔軟に対応できる。

4. Elizaの実力はどの程度か？データで見る真実

新しい技術フレームワークが登場したとき、人々が最も気になるのはその実際のパフォーマンスである。Elizaはそれに対して率直な答えを提示している。

GAIAベンチマークテスト（AIエージェントの現実問題解決能力を評価する専門テスト）において、Elizaは立派な実績を示した。このテストは単なるQA能力ではなく、論理的推論、マルチモーダル処理、ウェブブラウジング、ツール利用など、複数の高度なスキルを要求する。

テストでの得点（19.42%）は現時点で最高峰のソリューションとはまだ差があるものの、Web3特化型フレームワークとしては非常に優れた成績である。特に基本タスク（Level 1）では32.21%の完了率を達成しており、堅実な基礎能力を持っていることがわかる。

Web3分野：画期的な標準設定者

さらに注目すべきは、ElizaがWeb3分野において「標準設定者」としての役割を果たしている点である。Web3指向のAIシステムはまだ初期段階にあるが、Elizaは最初に包括的な評価基準体系を提示し、業界全体の方向性を示した。

この評価体系は3段階に分かれており、白書ではWeb3版AIの「チューリングテスト」と呼んでいる。

基礎能力： ウォレット作成、トークン取引、スマートコントラクトとのインタラクションなどの基本操作
高度機能： テキストから動画/3D生成、RAG対応など、最新AI技術の統合
高度特性： ユーザーの指示に基づき、自律的に計画・推論を行い、真のインテリジェントな意思決定を実現

現在、Elizaは基礎レベルの全機能をすでに実現しており、高度レベルへと進もうとしている。チームは、今後数年以内に完全自律型AIエージェントシステムの実現を確信している。

5. 実際の応用：市場が真剣に支持

白書にはコード例による実用アプリケーションの紹介もあるが、技術的詳細と理解難度を考慮し、ここではよりマクロな実応用事例のみを紹介する。

白書によると、2025年1月時点で、複数の主要Web3プロジェクトがElizaフレームワークを基にAIエージェントシステムを開発しており、これらのパートナー企業の時価総額は合計で200億ドルを超えている。

この数字自体が、市場がElizaの技術力を高く評価している何よりの証左であろう。

さらに重要なのは、Elizaチームが将来に強い自信を持っていることだ。彼らは、「スマートエージェント」の進化が進むにつれ、複数のAIユニットが協調する新時代が到来すると信じている。AnthropicのCEO Dario Amodeiが提唱する「天才データセンター」というビジョンのように、Elizaはその未来への道を切り開いている。

6. 現在の制限と将来展望：率直な自己分析

いかなる技術フレームワークも完璧ではなく、Elizaチームも白書の中で現在のフレームワークが抱える制約を率直に述べている。

解決すべき3大課題

ワークフローシステムの欠如： 熟練したアシスタントには標準化された業務手順が必要だが、開発者が定期的に複数のソースからデータを集約するような定型タスクを実現したい場合、現行のElizaフレームワークでは即座に使えるソリューションを提供できない。そのようなニーズには、DifyやCozeのようなGUIベースのワークフローシステムに頼る必要があるかもしれない。
マルチエージェントシステムのパフォーマンス課題： エージェント数が増えるにつれ、処理すべきコンテキストや記憶量は指数関数的に増加する。特に大量のI/Oタスクを扱う際、計算コストと実行効率のバランスを取ることは未解決の技術的課題である。
多言語サポートの拡充ニーズ： 現在のElizaは主にTypeScriptに基づいているが、より広範な開発者層を惹きつけるには、Python、Rustなど他のプログラミング言語への対応拡大が求められる。