Runcell Science：Claude Scienceのオープンソース代替となるAI研究ワークスペース

Name

Soren Atelier

更新日 2026/7/6

Claude Scienceのオープンソース代替を探しているなら、Runcell Scienceはまず確認すべきプロジェクトです。単なる研究用チャットではありません。Runcell Scienceは、エージェントとの対話、ローカルプロジェクトのファイル、研究用コネクタ、ツール実行、生成されたartifacts、コードdiff、次の作業を同じ場所で扱う local-first AI research workspace です。

背景を短く整理します。Claude Codeは、プロジェクト内のファイルを読み、コードを理解し、変更を加え、diffを作り、複数ステップの開発タスクを進めるAI coding agentです。研究者や研究エンジニアにとって重要なのは、「コードを書ける」ことだけではありません。notebook、解析スクリプト、実験pipeline、論文メモ、プロトタイプ開発まで、研究の実作業に参加できることです。

Claude Scienceは、この種のエージェント能力を科学研究のワークフローに寄せた製品方向として理解できます。AIが科学的な質問に答えるだけでなく、論文、データ、コード、実験、研究成果物の周辺で継続的に協働する体験です。ただし、その体験が単一のエージェントや閉じたワークスペースに強く結びつくと、研究チームはローカルプロジェクトの制御を失いやすく、分野ごとの研究ツールやコネクタを自分たちの方法でつなぎにくくなります。

Runcell Scienceが狙っているのは、この問題です。上位レイヤーは研究ワークスペース、プロジェクトコンテキスト、コネクタ、artifacts。下位レイヤーのエージェント実行基盤はCodexやClaude Codeを使えます。将来的にはGeminiやチーム独自のcode agentに広がる余地もあります。

プロジェクトリポジトリ：https://github.com/runcell-ai/runcell-science (opens in a new tab)

まず結論：Runcell Scienceが向いている用途

一言でいうと、Claude Scienceが特定のエージェント体験を中心にした研究AI製品だとすれば、Runcell Scienceは研究ワークスペースとコネクタ層を上位に置き、CodexやClaude Codeを差し替え可能な実行バックエンドとして扱う方向です。

ここでいうopen science / オープンサイエンスは、製品名ではありません。研究プロセスを透明にし、再現性を高め、監査しやすくするためのワークフロー概念です。Runcell Scienceは、ローカルプロジェクト、レビュー可能なdiff、追跡可能なagent session、研究コネクタ、再現可能なartifactsを通じて、この「開かれた研究ワークフロー」の一部を担います。ただしSEO上の主軸は、あくまで Claude Science、Claude Science 代替、open source alternative to Claude Science です。

Runcell Scienceとは何か

Runcell Scienceは、研究者、研究エンジニア、学生、AI codingユーザー向けのlocal-firstなAI研究ワークスペースです。AI coding agentを研究開発に使うときに、プロジェクトコンテキスト、ファイル、制御権を失わないことを重視しています。

一度きりのチャットというより、研究プロジェクトの作業台に近い設計です。

• agentとの会話は具体的なsessionに保存される
• ローカルプロジェクトのファイルと作業状態がコンテキストになる
• ツール活動、生成結果、artifacts、diffが同じワークフローに戻る
• 次の作業をチャット履歴から手作業で探す必要が減る
• connectorsを研究タスクごとに有効化または無効化できる

研究では、この継続性が重要です。文献レビュー、遺伝子候補の確認、臨床試験の調査、notebook作成、図表生成、pipeline修正、ドキュメント整理、再現可能な成果物の作成は、単発のpromptでは終わりません。Runcell Scienceは、こうしたステップを同じworkspaceに載せようとしています。

なぜ普通のAIチャットでは足りないのか

通常のAIチャットは、素早い質問や要約には便利です。しかし研究開発では、次のような連続した文脈が必要になります。

• 現在のrepoにどのスクリプトやnotebookがあるか
• 前回agentがどのファイルを変更したか
• PubMed、bioRxiv、Clinical Trials、ChEMBLなどの検索結果がどこから来たか
• どのartifactを続けて編集でき、どのdiffをreviewすべきか
• このsessionでどの研究コネクタを有効にすべきか

Runcell Scienceの発想は、AI-assisted research developmentに近いものです。モデルに質問を投げて終わるのではなく、ローカルプロジェクト内で研究タスクを進めます。agentにファイルを読ませ、解析コードを書かせ、プロトタイプを生成させ、文献を整理させ、diffを作らせ、その操作とコンテキストを同じ画面に残します。

3つの中核的な強み

1. Local-first：ローカルプロジェクトと制御権を優先する

Runcell ScienceのREADMEは、研究者がAI coding agentsを使うためのlocal-first workspaceという位置づけを明確にしています。これは研究現場では重要です。研究タスクには、しばしば次のものが含まれます。

• まだ公開していないコードや実験アイデア
• ローカルのnotebook、スクリプト、設定、中間データ
• 長期的に残すべき実験コンテキスト
• 人間がreviewすべきコードdiff
• 再現性と監査経路への要求

local-firstは、完全オフラインやモデル不使用を意味しません。重要なのは、研究プロジェクトがホスト型チャットの一時的な文脈ではなく、自分のローカルファイルシステムとワークスペースを中心に整理されることです。

研究エンジニアにとっては、agentが実際のrepoに自然に参加できます。解析スクリプトを書く、notebookを直す、READMEを更新する、エラーを説明する、結果を整理する。チャット画面からコード片をコピーして戻す作業を減らせます。

2. Customizable agent backend：CodexとClaude Codeを切り替えられる

Runcell Scienceの現在のruntime構成は、codexとclaudeという2種類のagent providerをサポートしています。製品体験を単一モデルや単一エージェントに固定せず、runtime registryを通じて異なるagent backendを接続する設計です。

これは実用上かなり大きな違いです。研究タスクによって、向いているagentは変わります。

単純なwrapperは、特定モデルの上にUIを載せるだけになりがちです。Runcell ScienceがClaude Science 代替として面白いのは、上位の研究ワークスペース、connectors、session、artifacts、diffを維持したまま、下位のagent backendを能力、コスト、プライバシー、速度、チーム方針に応じて選べる点です。

もちろん、すべてのagentが同じように動くわけではありません。Codex、Claude Code、将来のGeminiや他のcode agentでは、権限モデル、ツールプロトコル、コンテキスト長、コスト、挙動が異なります。Runcell Scienceの価値は、その違いを吸収できるworkspaceを持つことにあります。

3. Connector-first：研究コネクタを中心機能として扱う

Runcell Scienceで特に重要なのは、research connectorsを「あとから足す統合機能」ではなく、研究AIワークフローの中核として扱っている点です。

多くのAI research workspaceの初期demoは似ています。左にチャット、右にファイル、裏側にcode agent。しかし研究で本当に必要なのは、分野別データソースとツールチェーンです。コネクタがなければ、agentはコードを書けても研究材料にアクセスできないアシスタントになりやすいです。

Runcell Scienceにはbundled science connectors registryがあり、次のようなコネクタを扱います。

• BioMart
• PubMed
• bioRxiv / medRxiv
• Clinical Trials
• ChEMBL
• Genes & Ontologies
• Protein Annotation
• Structures & Interactions
• Variants
• Literature Graph
• Expression
• Omics Archives
• Regulation
• Drug Regulatory
• Research Resources
• Cancer Models
• Chemistry
• Ketcher Chemistry
• Human Genetics
• Genomes
• RNA
• CellGuide
• ZINC

この一覧の意味は、単に数が多いことではありません。研究agentが実務で必要とする代表的なタスクを広くカバーしていることです。

さらにUI層にはsession connectors menuがあります。現在のsessionに対して、bundled science connectorsと設定済みMCP serversを有効化または無効化できます。すべてのツールをagentに渡すのではなく、研究タスクごとに必要なデータソースとツールを編成する設計です。

Claude Scienceとの違い

「open source alternative to Claude Science」や「Claude Science 代替」で検索する人が気にするのは、主に次の3点です。

1. 研究タスクを継続的に管理できるworkspaceか
2. AI agentで研究コードを書き、実行し、保守できるか
3. 単一ベンダー、単一モデル、単一agent体験にロックインされないか

Runcell Scienceの答えは、閉じたagent製品ではなく、より開いた研究ワークスペースを作ることです。

注意点もあります。Runcell Scienceはまだ早期で、速く進化している段階のプロジェクトです。ローカル開発環境を試せる人、code agentのワークフローを理解している人、オープンソースエコシステムに参加したい人に向いています。設定なしで全研究領域を覆う成熟SaaSではありません。

典型的な研究ワークフロー

文献レビュー：検索結果から再利用できる研究メモへ

1つのsessionでPubMed、bioRxiv / medRxiv、Literature Graph connectorsを有効にし、agentにテーマ検索、主要論文の抽出、研究方向の比較、次に編集できるドキュメントやartifactの作成を依頼できます。

重要なのは、モデルの記憶だけで文献をまとめさせないことです。実際の検索結果を中心に作業させることで、topic scan、背景整理、関連研究の下書き、実験設計前の証拠収集に使いやすくなります。

ターゲット・化合物の初期調査

創薬やバイオインフォマティクスのチームなら、ChEMBL、Genes & Ontologies、Protein Annotation、Structures & Interactions、Variants、ZINC、Chemistry connectorsを同じ研究ワークフローに入れられます。

典型的なsessionは次の流れです。

1. 特定ターゲットに関連する遺伝子とontology情報を調べる
2. タンパク質注釈と構造相互作用を見る
3. 既知化合物と活性データを確認する
4. 候補分析notebookを生成する
5. agentにdiff、図表、follow-up tasksを作らせる

臨床試験調査：trial searchをプロジェクト文脈に入れる

臨床寄りの問いでは、Clinical TrialsとDrug Regulatory connectorsが、実際の試験情報に基づく構造化調査に役立ちます。Runcell Scienceの利点は、その調査結果をプロジェクト内のコード、notebook、文書、artifactsと続けて接続できる点です。チャット要約で止まりません。

遺伝子変異の解釈：問い合わせから分析成果物へ

Variants、Human Genetics、Genomes、Regulation、Expression connectorsは、遺伝子変異の解釈、発現差解析、調節背景の調査に使えます。agentは問い合わせ結果をnotebook分析、Markdownレポート、可視化の下書き、次の検証チェックリストへ変換できます。

Notebook、解析、再現可能な実験

Runcell Scienceはnotebook runtime専用agentではありません。ただし、向き合っている課題は近いものです。研究分析は一度スクリプトを生成して終わりではなく、コード、データ、notebook、文書、図表、実験結果の間を行き来しながら反復します。

Runcell Scienceのworkspace modelは、agentに次の作業を任せる場面に向いています。

• 解析コードやnotebook cellsを書く
• 実験手順やREADMEを整理する
• pipelineのエラーを説明する
• prototypeを生成する
• diffをreviewしやすい形で出す
• 中間結果を再現可能なartifactにする

Jupyter runtimeそのものが主戦場なら、AIエージェントがJupyter Notebookをデータサイエンスの相棒に変えるも参考になります。repo、connectors、研究プロジェクト管理が主眼なら、Runcell ScienceはよりAI research workspaceに近い方向です。

現在の能力と今後の拡張を分けて見る

Runcell Scienceを評価するときは、現在明確に説明できる能力と、今後自然に広がりそうな方向を分けると誤解が減ります。

Runcell Scienceの価値は、今日すべての研究ソフトウェアを置き換えると主張することではありません。open、local-first、connector-firstな基盤workspaceを用意し、実際の研究プロジェクトにAI coding agentを入れられるようにすることです。

いま試すのに向いている人

Runcell Scienceは、現時点では次のようなユーザーに向いています。

• CodexやClaude Codeで研究コードを扱いたいが、ターミナルとチャット画面に作業を分散させたくない研究者
• 論文、データソース、notebook、pipeline、artifactsを接続したい研究エンジニア
• scientific AI agentやAI research workspaceを評価している技術チーム
• カスタムMCP connectorsや私有研究ツール接続層を作りたい開発者
• 研究コンテキストをホスト型製品に完全に預けず、ローカルファイルとプロジェクト制御を残したいチーム

逆に、次のケースではまだ合わない可能性があります。

• 設定不要の商用研究AI製品だけが欲しい
• 一度きりの文献要約だけで十分
• ローカルagent CLIをインストールしたくない
• 厳格な企業向け権限管理、監査、SLAが必須

企業や研究機関で使う場合は、まず小さなpilotで確認するのが現実的です。

始め方

Runcell ScienceはGitHubで公開されています。

https://github.com/runcell-ai/runcell-science (opens in a new tab)

現在のREADMEで示されているローカル起動方法はシンプルです。

./scripts/dev.sh

起動後、ローカルWebアプリを開きます。

http://127.0.0.1:27183

agent-backed sessionsを動かすには、対応するagent CLIをローカルにインストールし、ログインしておく必要があります。たとえばcodexまたはclaudeです。これもRuncell Scienceの設計思想に合っています。workspaceはローカルに置き、agent backendは自分の環境と好みに合わせて接続します。

Related Guides

• 2026年最高のAIコーディングツール15選：決定版比較
• Codex vs Claude Code Skills：セットアップ、設定、両方のエージェントでスキルを共有する方法
• Claude CodeはJupyter Notebookを分析できる？Data Scienceワークフローで何ができるか
• AIエージェントがJupyter Notebookをデータサイエンスの相棒に変える
• Agentic RAG：AIエージェントが検索拡張生成をどう変革しているか
• コーディングに最適なLLM（2026年3月）

FAQ

Runcell ScienceはClaude Scienceのオープンソース代替ですか？

Claude Science 代替を探す検索意図に対して、Runcell Scienceは有力なオープンソース代替の方向です。ただし製品思想は異なります。Runcell Scienceは、単一agentに体験を閉じるのではなく、local-first workspace、差し替え可能なagent backend、connector-firstな研究ワークフローを重視します。

Runcell ScienceはCodexやClaude Codeを使えますか？

使えます。現在のruntimeにはAgentProvider = 'codex' | 'claude'があり、runtime registryを通じてCodexRuntimeとClaudeRuntimeに接続します。つまり、現時点でCodexとClaude Codeの2種類のagent providerをサポートしています。

Runcell Scienceは将来Geminiや他のcode agentに対応できますか？

Runcell Scienceの強みは、agent backendを差し替えられる設計にあります。現在明確にサポートされているのはCodexとClaude Codeです。Gemini、チーム独自agent、その他のcode agentは自然な拡張方向ですが、具体的な能力は今後のruntime、権限、ツールプロトコル、実装に依存します。

Runcell Scienceはどのresearch connectorsをサポートしていますか？

現在のbundled science connectorsには、PubMed、bioRxiv / medRxiv、Clinical Trials、ChEMBL、BioMart、Genes & Ontologies、Protein Annotation、Structures & Interactions、Variants、Expression、Omics Archives、Drug Regulatory、Chemistry、ZINC、Ketcher Chemistryなどが含まれます。設定済みのMCP serversも扱え、connectorsはsession単位で有効化または無効化できます。

Runcell Scienceとopen science / オープンサイエンスの関係は何ですか？

Runcell Scienceはopen scienceという製品名ではありません。open science / オープンサイエンスは、研究プロセスを透明にし、再現性を高め、監査しやすくする考え方です。Runcell Scienceはローカル制御、再現可能なartifacts、追跡可能なagent session、研究コネクタ、review可能なコードdiffを通じて、開かれた研究ワークフローを支えます。

なぜconnector-firstが研究AI agentで重要なのですか？

研究agentがチャットとコード生成だけに限られると、実際の研究データソースにアクセスできません。connector-firstなら、文献、preprint、臨床試験、ゲノム、タンパク質、構造、変異、発現、化学、薬事情報などをタスクに応じて使い、結果を同じ研究sessionに戻せます。

Runcell Scienceは本番利用に向いていますか？

現時点では、早期試用、技術評価、オープンソース参加に向いています。プロジェクトは速く進化している段階であり、企業や研究機関で本格導入する前には、小さなpilotで権限、データ取り扱い、再現性、運用要件を確認するのが現実的です。

最後に：この方向が重要な理由

研究AIツールの次の競争軸は、より強いモデルやもう1つのチャット画面だけではありません。重要になるのは、プロジェクトコンテキスト、研究データソース、agent実行、artifacts、diff、再現可能なワークフローを同じ場所で扱えるかです。

Runcell Scienceの価値はそこにあります。local-firstな制御、差し替え可能なagent backend、connector-firstなresearch workflowを組み合わせ、研究チームが「便利だが閉じている体験」と「開いているが散らばったツール群」の間で妥協しなくて済むようにします。

Claude Scienceのopen-source alternativeを評価しているなら、まずRuncell Science GitHubリポジトリ (opens in a new tab)を確認し、star/watchして、ローカルで起動してみるのが実用的です。研究エンジニアリングチームにとって本当に意味のある検証は、demoを見ることではありません。実際の研究repoで、agentがプロジェクトを理解し、適切なconnectorsを使い、review可能なdiffを出し、次の作業を同じsessionに残せるかを確認することです。