LM Studioを使ってきたパソコンに、同じ開発元から出たばかりのAIエージェント「Bionic（バイオニック）」をインストールして試してみました。
結論からいうと、丸一日検証したうえで「当面はBionic見送り」という判断になりました。
ただし、その過程でわかったことがたくさんあります。とくに「Bionicを入れたら、いままで動いていたローカルAIシステムが突然エラーになった」という顛末は、同じ構成の方が必ず踏む罠だと思うので、備忘録として公開しておきます。
LM Studioから登場したAIエージェント「Bionic」とは
Bionicは、ローカルLLM実行アプリとして定番のLM Studioの開発元が2026年7月16日に公開した、オープンモデル専用のAIエージェントアプリです。従来のLM Studioが「チャット画面にテキストを打ち込む」道具だったのに対し、Bionicは指示された仕事を自分で計画して進めるエージェントとして設計されています。
主な特徴は次のとおりです。
・リサーチや文書作成向けの「Work Project」と、ローカルのコードベースを扱う「Code Project」の2種類のプロジェクトがある
・ローカルモデルはLM Studioランタイムで動作し、ダウンロード済みのモデル資産をそのまま使える
・アプリ本体とローカル実行は無料。課金が発生するのはクラウドモデル利用時とWeb検索利用時のみ
・クラウド処理はZero Data Retention（処理後にデータを保持しない）がデフォルト
公式情報はこちらです。
「完全ローカルで動くAIエージェント」は、顧客情報を扱う中小企業診断士の業務と相性がよいはずで、期待して試用を始めました。
最初の罠：LM Studioと同時起動できない
インストールしてBionicを立ち上げると、いきなりダイアログが出ました。
「Bionic and LM Studio currently cannot run at the same time.（BionicとLM Studioは現時点では同時実行できません）」
公式ドキュメントには「LM StudioをBionicと並行して使い続けられる」と書かれているのですが、初期プレビュー版（v1.0.1）の実装ではアプリレベルで排他制御されており、片方を終了しないともう片方が起動できません。「currently（現時点では）」という表現なので、将来的には解消される見込みだと思われます。
なお、モデルファイルは共有されています。LM Studioでダウンロード済みのGemma 4 12B QATなどが、Bionic側でもそのまま選択できました。モデルの二重ダウンロードは不要です。
初期設定状態でのプロンプトと回答
取りあえずデフォルトの設定のまま試したのは「大豆に追肥が必要か？」という質問でした。
▼Bionicの画面
ここでBionicの挙動は、まずWEB検索をしにいきました。何度かリトライしたもののエラーで止まり、そのあとはモデルの学習済みデータだけでの回答に切り替わりました。
WEB検索するという機能はRAG的な活用としてはよい仕様です。しかし無料版で使おうとすると利用できないようです。
また、この回答を得るまでの時間がかかりすぎです。回答を書き始めた時間が２分２１秒後で回答すべてを表示するまでに約３分かかっています。
まったく同じ質問をLMスタジオで実施した結果がこちらです。
▼LMスタジオの画面
同じモデルを利用し推論も回していますが、回答速度は圧倒的にLMスタジオのほうが早いです。１５秒後には回答が始まりましたので実用上はこちらのほうがいいです。
Bionicのほうがはるかに長い時間かかった理由は、WEBブラウザ検索を試してエラーを繰り返していたことが主原因だとしてもちょっと差がありすぎますね。ここでまず、うーん、とうなりました。
無料・完全ローカルで使うための設定
私の方針は「無料・完全ローカル・データを外に出さない」です。初期設定から次のように変更しました。
変更した設定と理由
・Web検索：OFF（無料プランでは制限がある前提。これで課金とデータ送信の可能性をゼロにする）
・モデル：Gemma 4 12B QATに固定（LM Studioでの比較検証で、手元のマシンではこれがベストという結論が出ていたため）
・コンテキスト長：既定の16384から32768へ引き上げ（農業相談をひとつ質問しただけで約14.5Kトークンを消費したため。エージェントはシステムプロンプトやツール定義をすべてコンテキストに積むので、チャット用途よりはるかに消費が激しい）
・BionicのLocal API server：OFF（LAN内への公開を避けるため）
エージェント用途では、この「コンテキスト消費の激しさ」が最初の学びでした。1往復で14.5Kということは、既定の16Kでは2往復目に溢れます。ローカルでエージェントを動かすなら、コンテキスト長はチャットの倍以上を見込む必要があります。
フォルダ設計と「人間用の設定ファイル」
検証を進める中で、環境が3つの層に分かれていることがわかりました。
・アプリ本体の層（AppData配下）：自動更新で書き換わる。触らない
・AI基盤の共有データの層（.lmstudioフォルダ）：モデル・ランタイム・内部状態。LM StudioとBionicが共有。読むだけで手を入れない
・自分の作業資産の層（自分で決めた作業フォルダ）：プロジェクト用フォルダや記録ファイル。自分で管理しバックアップ判断も自分でする
そして作業資産の層に「bionic.md」というMarkdownファイルを置き、いつ・何を・なぜそう設定したかを記録することにしました。Claude CodeでいうCLAUDE.mdのような自動読み込みの仕組みはBionicには見当たらないため、これはAI用ではなく人間用の構成管理台帳です。
初期プレビュー版は仕様がどんどん変わるので、「この日はこの仕様だった」という記録が後で効いてきます。実際、この記事もbionic.mdの記録をもとに書いています。
Code Projectはどこまで使えるか：12Bモデルの現実
Code Projectはファイル・検索・Git・シェルのツールが使えるので、原理的には「ダウンロードフォルダのファイル整理」のようなタスクもこなせます。ただし12Bクラスのローカルモデルには明確な限界がありました。
境界線はシンプルで、「1回の生成で完結するタスクか、ツール呼び出しの長い連鎖が必要か」です。短いスクリプトの生成や単一ファイルのコード解説は安定してこなせる一方、「調べて、直して、保存して」のような複数ステップを任せると、途中のツール呼び出しで迷子になります。実際、Web検索を指示した際も、検索ツールをうまく呼び出せずにローカルアドレスを開こうとして止まる、という挙動がありました。
対策としては「エージェントに直接ファイルを動かさせず、整理スクリプトを書かせて人間がレビューしてから実行する」方式が現実的です。ただ、そこまで人間が介在するなら、既存のワークフローと比べてどれだけ楽になるのか、という話になってきます。
検討の経緯
検討や試行錯誤の経過の重要な点をClaudとの対話からその一部を紹介します。
Gemma 4 12B QATでこなせること・厳しいこと
境界線はシンプルで、「1回の生成で完結するタスクか、ツール呼び出しの長い連鎖が必要か」です。前者は得意、後者は不安定になります。
安定してこなせる（実用レベル）：
- 単一ファイルのコード読解と日本語での解説（「このGAS関数は何をしている？」）
- 短いスクリプトの新規生成：PowerShell、Python、GASの100〜200行程度まで
- 既存コードの部分修正・バグの指摘（エラーメッセージを貼って原因を説明させる）
- 正規表現の作成・解説、コメントやログ出力の追加
- diffの内容説明、命名やマジックナンバーの改善提案
条件付きで可能（一手ずつ区切れば）：
- 2〜3ファイルにまたがる修正（「まずA.gsを直して」→確認→「次にB.gsの呼び出し側を」）
- 中規模コードのリファクタリング（方針を人間が指定し、関数単位で実行させる）
- フォルダ内のコード全体の構造把握（エージェント検索を使うが、質問は具体的に）
期待しないほうがよい：
- 「このリポジトリのバグを見つけて直して」のような曖昧・自律探索型のタスク
- 10ファイル超の横断的な大規模変更
- 長時間の自律実行（ツール連鎖が長くなるほど脱線します。実機レビューでも、小型ローカルモデルでの複数ファイル作業はまだ本格的な水準に達していないと評価されています）
GAS開発での現実的な使い方
私の利用法で主戦場であるGASの開発や修正には固有の事情があります。GASはローカルで実行できないので、Bionicの役割は「書く・読む・直す」までで、動作テストはApps Scriptエディタ側という分業になります。
実用的なフローは：
- claspで対象プロジェクトを
gas-sandboxにpull（git init済みの状態で） - Bionicにレビューや修正をさせる——「この関数のエラーハンドリングを多段リカバリ方式にして」のような、仕様を人間が握った指示
- 差分を確認してコミット、claspでpush、実行テスト
例えばライフログアプリの改修v7でやられたような多段JSONリカバリやソフトミューテックスの実装パターンは、まさに「仕様が明確な関数単位の生成・修正」なので、12Bでも下請けとして機能する見込みがあります。
逆に「v8の新機能を設計から任せる」はクラウドAIの領分です。実際にClaudやChatGPTの最新版を利用している方にとって、最新AIのすさまじい能力を実感されているはずです。とくに最近のFableやChatGPT5.6solを体験した後だとますますそう感じます。
しかし現時点でのローカルAIのモデルではできることは相当に限られます。結果的にローカルAIに任せられることは下請け的な役割しかないということになります。
ライフログアプリの解説と開発や修正に関してはこちらをご覧ください。
ここで天からの声：うーん、これはなかなか実用的に難しいようですね。
結論：今回は見送り、そして最大の罠が待っていた
検証の結果、当面の利用見送りを決めました。理由は2つです。
ひとつは、手元のマシンパワーとモデル性能ではエージェント運用の手間がメリットを上回ること。
もうひとつは、私はすでにFlaskで自作したブラウザ型のローカルRAGチャット（LM StudioのAPIサーバーを利用）を常用しており、用途に最適化された自作環境のほうが便利だったことです。
Bionicを当面は利用しないことに決めました。
ところが、Bionicを終了していつものローカルRAGチャットを起動したところ、AIモデルが「未接続」となり、モデル一覧の取得が500エラーになりました。
原因：LM Studioのローカルサーバーが止まっていた
自作のFlaskアプリは、LM Studioが提供するOpenAI互換APIサーバー（http://127.0.0.1:1234/v1）に接続してモデルを利用しています。Bionic起動時に「Quit LM Studio and continue」でLM Studioを終了させられた際、サーバーが停止した状態で記憶されてしまい、ポート1234で誰も待ち受けていない状態になっていたのです。
Flaskアプリ側は何も壊れていません。接続先が不在なだけでした。
ここで、LMスタジオとBionicが排他的な動作をしているのに相互連携していることがはっきりとわかりました。ますます、使い分けることの難しさを感じます。
復旧手順
・Bionicを完全に終了する（排他仕様のため必須）
・LM Studioを起動する
・開発者（Developer）タブでローカルサーバーを起動し、Status: Runningとポート1234を確認する
・Just-in-time model loadingがオンなら、モデルは事前ロード不要（リクエスト時に自動ロードされる）
・ブラウザでアプリを再読み込みし、モデル一覧が表示されれば復旧完了
この手順で無事に復旧しました。あわせて、サーバーの「Serve on Local Network」をオフにしてlocalhost限定にしておくと、LAN内に不要な公開をせずに済みます（自作アプリが127.0.0.1にしか接続しないなら、LAN公開は不要です）。
まとめ：ローカルAIエージェントを試す人へのチェックリスト
今回の検証で得た教訓を、これから試す方向けにまとめます。
・BionicとLM Studioは現時点で同時起動不可。モデルは共有されるので二重ダウンロードは不要
・エージェントはコンテキスト消費が激しい。1往復で15K近く使うこともあるので、コンテキスト長は32K以上を推奨
・12Bクラスのローカルモデルは「1回の生成で完結するタスク」は得意だが、ツール呼び出しの連鎖は不安定。過度な期待は禁物
・無料・完全ローカル運用なら、Web検索オフ・クラウドモデル不使用で課金は一切発生しない
・最重要：LM StudioのAPIサーバーに依存する自作ツールがある場合、Bionic導入でサーバーが止まることがある。「Bionicを触った後はLM Studioのサーバー状態を確認する」を習慣にする
・環境の記録ファイル（人間用のメモでよい）を作っておくと、仕様変更の激しい初期プレビュー期には特に役立つ
Bionic自体は「オープンモデルでエージェントを動かす」という方向性が明確で、モデルとアプリが育てば有力な選択肢になると思います。私は「同時起動制限の解消」「手元で安定するツール呼び出しに強いモデルの登場」を再評価の条件として、いったん棚上げにしました。
ローカルAIの世界は進化が速いので、数ヶ月後にまた試すのを楽しみにしています。
環境設定ファイルを備忘録として残しておきます
本日の成果物は結局使わなくなった環境設定ファイルだけですが、備忘録としてここに公開しておきます。もしこれからBionicを使う予定の方に少しでも参考になれば幸いです。
rules.md
rules.md（エージェント用・各プロジェクトフォルダ内）
こちらは12Bに読ませる前提なので、5行以内の禁止事項に絞ります。セッション開始時に「まず rules.md を読んで従うこと」と一言添える運用です。これほど短くした理由は。ローカルAIのモデルを使う場合にLLMに読ませるルールは最低限にしないと処理がますます遅くなるからです。
# このプロジェクトのルール -編集してよいのは draft.md のみ。refs\ 内は読み取り専用-ファイルの削除・リネームは禁止-出力は日本語、Markdown形式
Bionic.md
Bionic.mdはAIに読ますためではなく人間用です。いわば仕様書のようなものです。本当に備忘録のようなものですね（笑）
# Bionic 環境記録 人間用
## ステータス（2026-07-19 時点）
**Bionic の利用は当面見送り。従来の LM Studio + Flask RAG 環境を継続。**
– 理由1: Gemma 4 12B クラスではエージェントのツール呼び出しが不安定で、一手ずつの運用の手間がメリットを上回る
– 理由2: Work Project の使い勝手が既存の Flask RAG チャットに及ばない（用途最適化済みの自作環境が優位）
– 再評価の条件: (a) LM Studioとの同時起動制限の解消 (b) 手元マシンで安定動作するツール呼び出しに強いモデルの登場 (c) Work Projectのフォルダ連携仕様の成熟## 検証時の構成（2026-07-19）
– Bionic 1.0.1 (build 1) / Windows / CUDA 12 llama.cpp
– モデル: Gemma 4 12B QAT 固定（LM Studio比較検証の結論）
– コンテキスト: 32768（既定16384から引き上げ、1往復≒14.5K実測のため。サーバーロード時 n_ctx_slot=32768 で反映確認済み）
– Web search: OFF（Free運用・完全ローカル方針）
– BionicのLocal API server: OFF（LAN公開回避）
– ログ: Verbose ON / Redact OFF（個人PC・平文許容と判断）## 環境の3層構造
| 層 | 場所 | 役割・扱い |
|—|—|—|
| アプリ本体 | C:\Users\mikio\AppData\Local\Programs\Bionic | 自動更新で書き換わる層。触らない |
| AI基盤の共有データ | C:\Users\mikio\.lmstudio | モデル・ランタイム・内部状態。LM Studioと共有。読むだけ、手を入れない |
| 自分の作業資産 | C:\Users\mikio\localAIdata | ragsys / bionic など。自分で管理・バックアップ判断する層 |### .lmstudio の補足メモ
– models: モデル実体（LM Studio / Bionic 共有）
– bin: ランタイム（2026-07-19 9:53 Bionic起動時に更新を確認）
– apps\bionic: Bionicのログ等
– .internal: 共有ランタイムの内部状態。Bionicも書き込む
– app-install-location.json（9:53生成）: Bionic.exeの所在の登録。相互排他/アプリ切替に使用と推測
– artifact-permissions-list.json / backend-preferences-v1.json: Bionic利用時刻に更新。許可管理・CUDAバックエンド記録と推測
– cached-rag-pipeline-chunks 等の3〜6月更新分: 旧LM StudioのRAG検証時代のキャッシュ
– credentials フォルダあり。.lmstudio をバックアップ/同期する場合は認証情報の混入に注意## 重要な依存関係（今回の最大の教訓）
– **ragsys の Flask アプリ（app.py）は http://127.0.0.1:1234/v1 に依存**。提供元は LM Studio 開発者タブのローカルサーバー
– **Bionic 導入の副作用でこのサーバーが停止し、Flask 側が /api/models 500 エラー（AIモデル未接続）になった**
– 原因: Bionic起動時の「Quit LM Studio and continue」でLM Studioが終了 → サーバー停止状態で記憶された
– 復旧: Bionic完全終了 → LM Studio起動 → 開発者タブでサーバー Status: Running（ポート1234）→ JITロード有効を確認 → ブラウザ再読込
– Bionicを再び試す日は、Bionic側の Local API server を ON にすれば Flask アプリと共存できる可能性あり（未検証）
– **Bionic を触った後は必ず LM Studio のサーバー状態を確認すること**## ネットワーク公開の方針（LAN公開回避）
– LM Studio サーバー: 「Serve on Local Network」OFF 推奨（app.py は 127.0.0.1 接続のみ。LAN公開不要）
– Flask: app.py の app.run が host=’0.0.0.0’。host=’127.0.0.1′ への変更を検討（未実施なら要対応）
– Bionic の Local API server: OFF 済み## 作業フォルダ構成
“`
C:\Users\mikio\localAIdata\bionic\
├── bionic.md ← 本ファイル（人間用の構成管理台帳）
├── work\
│ ├── blog\ ← Work Project①：ブログ用（凍結中）
│ └── consulting\ ← Work Project②：顧客案件用（未着手）
└── code\
└── gas-sandbox\ ← Code Project用（凍結中・git init予定だった）
“`
– localAIdata はクラウド同期対象外 → 完全ローカル方針と一貫
– consulting 配下を使う日が来たらバックアップ手段を別途決めること## プロジェクトとフォルダの紐づけ（仕様メモ・v1.0.1時点）
– グローバルな作業フォルダ設定は存在しない。プロジェクト単位で接続する
– Code Project: 作成時にローカルフォルダを指定。ファイル・検索・Git・シェルツールが使える
– Work Project: サンドボックス環境で動作。外部フォルダ/ファイルは入力欄の「＋」から添付
– 未検証のまま凍結: フォルダ添付の可否 / 添付の記憶 / 生成物の出力先## 運用ルール（再開時に適用）
– 1タスク＝1セッション
– 指示は短く一手ずつ（12Bのツール呼び出し精度を運用でカバー）
– ファイル編集後は必ず差分確認（自動チェックポイントと併用）
– 編集対象は「draft.mdのみ。他ファイル変更禁止」と毎回明示
– ファイル整理系は「直接操作させず、スクリプトを書かせて人間がレビュー実行」方式
– 機密案件はローカルモデル限定・Web searchオフ維持
– 顧客実データを扱う日が来たら Redact ON に再評価## アップデート時の再確認事項
– LM Studioとの同時起動可否（「currently cannot run at the same time」の解消有無）
– Web検索の無料枠仕様
– Work Projectのフォルダ連携仕様## 変更履歴
– 2026-07-19 初期構築。LM Studioとの同時起動不可を確認（v1.0.1時点）
– 2026-07-19 3層構造・フォルダ構成・.internal調査結果・紐づけ仕様メモを追記
– 2026-07-19 Bionic試用見送りを決定。副作用としてLM Studioローカルサーバー停止→復旧。ragsysのポート1234依存が判明したため「重要な依存関係」を新設
どもどもAIとは
この記事は「どもどもAI」というAIエージェントで執筆しています。【使用モデル: claude-fable-5】
今回のどもどもAIはGASアプリ上のAIエージェントが最新情報を収集し、調査と整理を行い、ブログ記事のたたき台を作成。その後、遠田幹雄本人が目視で文章をチェックしてから公開しています。
現在は実験的な運用段階にあり、より精度の高い情報発信を目指して改善を続けています。どもどもAIは、これからも経営に役立つ視点を整理してお届けします。
「どもどもAI」は株式会社ドモドモコーポレーションのAIエージェントです。
現在のどもどもAIはGASアプリ上のAIエージェントとして最新情報を収集し、調査と整理を行い、ブログ記事のたたき台を作成します。
その後、当社・株式会社ドモドモコーポレーション代表の遠田幹雄本人が目視で文章をチェックしてから記事を公開しています。
現在は実験的な運用段階にあり、より精度の高い情報発信を目指して改善を続けています。どもどもAIは、これからも経営に役立つ視点を整理してお届けします。
本日の段階で当サイトの全ブログ記事数は 7,122 件になりました。できるだけ毎日更新しようとしています。
株式会社ドモドモコーポレーションは、石川県かほく市にある経営コンサルタント会社で、代表の遠田幹雄は中小企業診断士です。会社概要およびプロフィールは株式会社ドモドモコーポレーションの会社案内にて紹介していますので興味ある方はご覧ください。
お問い合わせは電話ではなくお問い合わせフォームからメールにておねがいします。新規の電話番号からの電話は受信しないことにしていますのでご了承ください。
【反応していただけると喜びます（笑）】
また、投げ銭システムも用意しましたのでお気持ちがあればクレジット決済などでもお支払いいただけます。
※投げ銭はスクエアの「寄付」というシステムに変更しています（2025年1月6日）
※投げ銭は100円からOKです。シャレですので笑ってご支援いただけるとうれしいです（笑）
株式会社ドモドモコーポレーション
石川県かほく市木津ロ64-1 〒929-1171
電話 076-285-8058（通常はFAXになっています）
IP電話：050-3578-5060（留守録あり）
問合→メールフォームからお願いします
法人番号 9220001017731
適格請求書（インボイス）番号 T9220001017731
英語表示の社名：DomoDomo Corporation Inc.
