00:00:00もし今 Copilot を使っているなら、あなたのコードが誰かのモデルの学習に使われているかもしれません。
00:00:04Copilot をインストールして、うまく動くのでそのまま使い続けてしまいますが、コードベースの一部が実際には
00:00:09自分のマシンから外部へ送信されている可能性があるのです。
00:00:10これは大きな問題になり得ます。
00:00:12そこで登場するのが Tabby です。
00:00:13これはオープンソースの代替ツールで、Copilot、Tab9、Cursor などと比較して
00:00:17最高レベルのプライバシーを提供してくれます。
00:00:20同等のスピード、オートコンプリート、ワークフローを実現しながら、コードがマシンから
00:00:25外に出ることは一切ありません。
00:00:26それが Tabby の基本です。
00:00:27これから数分で、セットアップ方法と使い方を解説します。
00:00:36簡単に言うと、Tabby はセルフホスト型の AI コーディングサーバーです。
00:00:40通常は Docker を使ってローカルで実行し、モデルを選択して、IDE に接続するだけです。
00:00:44手順はそれだけです。
00:00:45それだけでお望み通りに、
00:00:46リアルタイムのコード補完やコードベースを認識したチャットが利用可能になります。
00:00:50しかし、開発者が注目する真の理由は機能だけではなく、得られる「制御権」にあります。
00:00:55コードはネットワーク内に留まり、サブスクリプションも不要で、完全にオフラインで動作します。
00:01:01SSO、RBAC、監査ログなどチーム向け機能も備わっており、GitHub で 33,000 以上のスターを
00:01:05獲得して急成長しているのには、それなりの理由があります。
00:01:09とはいえ、実際に使ってみて感覚が合わなければ意味がないので、理屈は抜きにして
00:01:13早速デモに入りましょう。
00:01:15ワークフローを加速させるこうしたツールがお好きなら、ぜひチャンネル登録を
00:01:19お願いします。
00:01:20常に新しい動画を公開しています。
00:01:22実際のセットアップはこのような感じです。
00:01:24Docker コマンドを 1 つ実行するだけで、Tabby がローカルで起動します。
00:01:28次に VS Code 拡張機能をインストールし、ローカルサーバーを指定すれば完了です。
00:01:34これで、リポジトリ内で複数行の補完が受けられるようになります。
00:01:38ここ Tabby の画面では、使用中のモデルを確認できます。ご覧の通り、
00:01:42これら 3 つのモデルが使用されており、すべてローカルで動作しています。
00:01:45データが送信されるような Claude や OpenAI は経由しません。
00:01:48VS Code 側では、関数の下書きを書き始めると、Tab キーを押すだけで Tabby が
00:01:53オートコンプリートしてくれます。
00:01:55さらにサイドパネルでのチャットを通じて、現在のコードの最適化や
00:02:00機能拡張を依頼することもできます。
00:02:01すべて非常にシンプルで分かりやすいです。
00:02:03コードをハイライトして、リファクタリングやパフォーマンス改善、テストの追加を頼めます。
00:02:07即座にレスポンスが返り、単一のファイルだけでなくリポジトリの文脈も理解しています。
00:02:12作りたいもののコメントを書き込むだけでも、それを汲み取って
00:02:16実際にコードを構築してくれます。
00:02:19localhost 側では Tabby が VS Code と連携しているため、
00:02:23コードチャットを読み返したり、さらに質問を重ねて内容を深めたりできます。
00:02:27これらはすべて localhost 内に保存されます。
00:02:30クラウドを使わず、データもマシンから出ません。使い心地は Copilot と非常によく似ていますが、
00:02:35決定的な違いは、自分たちがすべてを所有しているという点です。
00:02:37よし。
00:02:38起動があまりに簡単だったので、デモは手短に済ませました。
00:02:43では、なぜこれが現実のワークフローにおいて重要なのかを話しましょう。
00:02:47クラウド AI ツールの本当の問題は、それらが劣っていることではありません。
00:02:51得られるメリットの裏にある「代償」が見えにくいことなのです。
00:02:53クラウドツールでは、コードがモデルの学習に利用される可能性があります。
00:02:57対して Tabby なら、コードは自社ネットワークの外へ一歩も出ません。
00:03:01クラウドツールは開発者ごとに月額費用がかかります。「ずっと無料」という謳い文句でも、
00:03:05実際はそうではありませんよね？
00:03:07私たちは対価を支払っているのです。
00:03:08それが現実です。
00:03:09また、クラウドツールはインターネット接続が必須です。
00:03:11Tabby は無料でオフライン動作するため、実際の業務に大きな差が出ます。
00:03:16ボイラープレートを減らし、複雑なレガシーコードも躊躇なくリファクタリングできます。
00:03:22新しいフレームワークを素早く学び、ツール間を行き来することなく
00:03:26テストやドキュメントを作成できます。
00:03:27つまり、無駄な時間の削減、リスクの回避、そして仕事の進め方に対する
00:03:33より大きなコントロールが得られるということです。
00:03:34だからこそ、プライバシーを重視する多くの開発者やチームが、クラウド第一のツールから
00:03:38こうしたツールへと移行し始めているのです。
00:03:41他の選択肢とも比較してみましょう。皆さんが一番知りたいことですよね？
00:03:45Tabby は最も手軽です。
00:03:47品質は高くセットアップもほぼ不要ですが、クラウド上で動作します。
00:03:50次に Continue.dev。
00:03:52柔軟でローカル優先ですが、どちらかというとパワーユーザー向けのツールです。
00:03:56Tab9 はよりエンタープライズ向けです。そして今話しているのが Tabby であり、
00:04:01セルフホスト可能、無料、高プライバシー、かつチーム向けに構築されています。
00:04:05最大の違いは、Tabby は単なるプラグインではなく、専用の AI コーディングサーバーであることです。
00:04:11これがすべてを変えます。
00:04:12Copilot のような体験、Continue のような柔軟性、そして他社なら有料となるような
00:04:19チームレベルの管理機能をすべて手に入れられます。
00:04:21AI へのアクセス権を「借りる」のではなく、そのインフラを「所有」するのです。
00:04:26正直に話しましょう。
00:04:28「オープンソースである」というだけで、乗り換える理由として十分でしょうか？
00:04:32セットアップは非常に素早く、通常は Docker を立ち上げるだけで、
00:04:33あとは自然にワークフローに溶け込みます。
00:04:39特定のモデルに縛られることなく、自分でモデルを選択でき、
00:04:40以前よりもはるかにプロダクション利用に適した完成度になっています。
00:04:44もちろん、オープンソースゆえのデメリットもあります。
00:04:47品質は選択するモデルに依存するため、小規模なモデルではパワー不足になりますし、
00:04:50ハードウェア性能も重要になります。
00:04:55スムーズな動作を求めるなら、GPU が大きな助けになります。
00:04:56私は Mac M4 Pro で動かしていますが、かなり快適です。
00:04:59セットアップの手間はクラウドツールよりは多いため、非技術者には不向きですが、
00:05:04これを見ているあなたはきっと
00:05:09技術者でしょうから問題ないはずです。
00:05:10また、他の AI ツールと同様、コードのレビューは不可欠です。
00:05:11そこで、結局のところ、
00:05:14使う価値はあるのか？という問いになります。
00:05:17答えは「イエス」に近いですが、いくつか条件があります。
00:05:19プライバシーを重視し、サブスクを嫌い、規制の厳しい環境で働き、
00:05:22チーム全体で信頼できるツールを必要としているなら、Tabby は最適です。
00:05:27そうしたケースでは、ワークフローに組み込む素晴らしい選択肢となるでしょう。
00:05:30一方で、設定不要で手間をかけず、常に最高峰のモデルを使いたいのであれば、
00:05:35正直なところ、クラウドツールの方がまだ便利です。
00:05:40ただ、現在ではトレードオフの内容が変わっています。
00:05:41「賢いクラウドか、非力なローカルか」という選択ではなく、
00:05:43Cursor のような利便性を取るか、自分の条件に合った強力な AI を取るかという選択です。
00:05:48そして多くの開発者にとって、この違いがますます重要になっています。
00:05:54Tabby は単に「最も賢い AI」を目指しているわけではありません。
00:05:58私たちが「真に信頼できる AI」になろうとしているのです。
00:06:01概要欄にドキュメントとリポジトリへのリンクを貼っておきました。
00:06:04オープンソースやこうした AI ツールに興味があれば、ぜひ Better Stack チャンネルの
00:06:06登録をお願いします。
00:06:11それでは、また別の動画でお会いしましょう。