軽量コーディングエージェント「fx」を解説|5.97MiBの単体CLI

Vercel Labsのオープンソースプロジェクト「fx」は、2026年10月29日にv0.0.16を公開しました。公式サイトは、Zigで書かれた5.97 MiBのネイティブバイナリを掲げ、ステータスをexperimentalとしています。

fxは大規模な統合開発環境を置き換える製品というより、コードを読み、ファイルを編集し、コマンドを実行するエージェント実行部分を小さく配布するためのCLIです。CIや短命のサンドボックス、エディター、自社アプリへ同じコアを持ち込めます。

単体バイナリが小さくても、モデル推論の費用や権限レビュー、MCP経由のデータ送信まで軽くなるわけではありません。導入時はサイズだけでなく、どの入口で使い、何を外部へ送り、どの操作を人が承認するかを決める必要があります。

※本記事は2026年11月4日時点の情報です。

5.97 MiBの単体バイナリfxを中心に、対話CLI・CI・ACP対応エディター・libfxの4つの入口へ広がる構成
同じエージェントコアを、対話・自動化・エディター・組み込みの4つの入口から使う

fxとは|Zig製の5.97 MiBネイティブCLI

fxの特徴は、エージェントを動かすための環境を一式の実行ファイルにまとめたことです。公式READMEによると、Zigで書かれた単一のネイティブバイナリで、別のランタイムを先に用意せずにノートPC、CI、エージェント用サンドボックスで動かせます。

対応環境はmacOSとLinuxの64-bit IntelおよびARMです。インストーラーは~/.local/binへ配置します。Windows向けの対応は公式の対応環境に含まれていないため、社内標準にする場合は開発者端末と実行基盤のOSを先に揃える必要があります。

fx.shが現在表示するのはv0.0.16と5.97 MiBです。現行公式は起動時間の数値を前面に掲げておらず、評価では自社環境の準備時間と推論応答時間を測る必要があります。公式が示す中心的な特徴は、単体バイナリの小ささ、モデル非依存、ローカルとクラウドの両方に接続できる構成です。

つまり、fxは特定の大規模言語モデルではありません。モデルへの接続、ツール実行、セッション、権限、スキルをまとめて扱うハーネスです。モデルを選び直しても、開発環境側の入口を変えずに済む点が企業の基盤設計に関わります。

ポイント

fxの軽さはモデルの軽さではなく、エージェント実行部分を単体バイナリで配布できることにあります。評価対象は、PCでの起動時間よりCIやサンドボックスの配置・更新手順です。

v0.0.16で何が変わったか|小ささだけでなく運用効率を更新

v0.0.16は2026年10月29日に公開された現行のLatestです。公式リリースノートでは、macOS arm64のCLIバイナリがv0.0.15の6.15 MiBから5.97 MiBへ2.8%小さくなったと説明しています。サイズの差はわずかに見えても、CIイメージや短命環境へ繰り返し配置する場合は更新対象を一つにできます。

更新内容はファイルサイズだけではありません。10モデルファミリーのキャッシュ利用シナリオでは、キャッシュされない入力トークンがv0.0.15比で41%減りました。長い会話を繰り返すチームは、バイナリの大きさと推論リクエストの大きさを別々に測る必要があります。

1,000回のツールステップを使った公式のローカル比較では、長いエージェントターンのCPU使用量が以前の実装より50〜59%少なくなりました。これはfxが公開した条件での比較値であり、プロバイダーやリポジトリ、権限レビューの設定まで含めた企業環境の性能を保証する数字ではありません。

さらに、edit_fileとwrite_fileが扱えるファイル上限は4 MiBから16 MiBへ拡大しました。大きめの生成ファイルやログを扱う自動化では、エージェントの処理対象を分割する回数を減らせます。ただし、扱えることと安全に編集できることは別なので、差分確認とテストは残します。

ポイント

v0.0.16は5.97 MiBという配布サイズに加えて、キャッシュ、CPU、ファイル上限を更新しました。導入評価では、サイズだけでなく1ターン当たりのトークン、CPU、失敗時の復旧時間を記録します。

4つの入口を使い分ける|対話・自動化・ACP・組み込み

fxは一つの画面だけで使うツールではありません。同じエージェントコアに対して、開発者が対話する入口、スクリプトから呼ぶ入口、エディターから接続する入口、アプリへ組み込む入口を用意しています。先に業務の呼び出し方を決めると、過剰な機能を導入せずに済みます。

入口主な用途判断ポイント
fx開発者の対話作業ターミナルで作業を見ながら進める
fx ask --jsonCI・スクリプト結果を構造化データで後続処理へ渡す
fx acpACP対応エディターエディターの操作面とfxの実行部分を分ける
libfx自社アプリ・WebAssembly保存先・ツール・ネットワークをホスト側で決める

対話型のfxはプロジェクトを開いて指示を送り、fx askは一回の依頼を自動処理に組み込みます。--jsonを付ければ結果をスクリプトが読み取れるため、テスト失敗の要約や変更内容のチェックをCIの後段へつなげられます。

fx acpはAgent Client Protocol対応エディターと接続します。エディターはプロンプト、返信、ツール活動を表示し、fxはプロジェクトの作業ディレクトリに従ってファイルや指示を扱います。既存の開発者体験を保ちながら、エージェント部分だけを差し替える設計です。

libfxはJavaScriptからエージェントコアを使う選択肢です。ネイティブNode.jsアドオンとWebAssemblyに対応し、ホスト側が保存先、ツール、ネットワークを制御します。社内ポータルや開発者向けサービスに組み込む場合は、CLIをそのまま公開するより境界を設計しやすくなります。

入口を増やすほど運用対象も増えます。個人のターミナル利用から始め、CIでfx ask --jsonを一つ試し、必要になった段階でACPやlibfxへ広げる順序が現実的です。

権限とデータ境界|軽量でも統制は省けない

fxの権限モードask・auto・full-accessと、autoのモデルレビュー、境界の外にあるMCPへの送信
既定はauto。MCPなどのネットワークツールは接続先ごとにデータを送る

エージェントが軽いことと、扱う権限が小さいことは別です。fxの権限モードはask、auto、full-accessの3つで、既定値はautoです。通常のファイル編集や認識済みの開発コマンドは直接実行し、動的なシェルコマンドやワークスペース外の上書きなどは先にレビューします。

autoのレビューは、ファイルやWebページの指示に引きずられるプロンプトインジェクションと、端末への危害をモデルに判定させる仕組みです。レビューにもトークンが必要になるため、承認を安全策として使うだけでなく、レビュー回数と費用を運用指標に含めます。

データの扱いも接続先ごとに変わります。会話と設定はローカルに保存されますが、モデルへの依頼にはそのターンに組み立てられたプロンプト、履歴、指示、スキル、読み込んだファイルやツールの内容が含まれます。MCPやWeb検索などのネットワークツールは、それぞれのサービスへデータを送ります。

社内でMCPを使う場合は、MCP仕様改定の動向だけでなく、接続先ごとの認証、許可する操作、送信データ、ログの保存期間を台帳化します。個人が導入したエージェントを把握するには、シャドーAIエージェント対策の考え方も使えます。

レビュー結果やツール呼び出しを継続的に追うなら、AgentOpsの可観測性を開発基盤の監視に接続します。権限を無制限にするfull-accessは、隔離された検証環境など用途を限定し、標準設定にはしない判断が必要です。

ポイント

導入の境界は、バイナリの置き場所ではなく、モデルへ渡すコンテキストとツールが実行できる操作で決まります。権限モード、MCP、秘密情報、ログの4点を先に決めます。

導入判断|CIとサンドボックスから小さく測る

fxを企業の標準ツールにするかは、5.97 MiBという数字だけでは決まりません。最初の候補は、毎回クリーンな環境を作るCI、複数のエージェントを短時間だけ動かすサンドボックス、エディターの補助機能など、単体バイナリの利点が表れやすい場所です。

評価では、同じリポジトリと同じモデルで、準備時間、初回リクエストまでの時間、1タスクの入力・出力トークン、ツール失敗率、レビュー回数、復旧時間を並べます。公式のCPUやトークン削減値は出発点にし、自社の権限設定とネットワーク条件で再計測します。

費用はプロバイダーの利用状況で管理します。公式ドキュメントの/usageは同じアカウントを使う他端末やアプリの報告も含み、自動レビュー、コンテキスト圧縮、画像処理、セッションタイトル、Web検索が追加のモデルリクエストになる場合があります。小さな実行ファイルを採用しても、推論費用が自動で小さくなるわけではありません。

また、fxはexperimentalと明記されています。自動更新は既定で有効ですが、企業では更新チャンネル、バージョン固定、脆弱性対応、セッションの保存場所、障害時の代替手段を決めてから広げます。コードレビューの流れは、AI生成コード時代のコードレビューと同じく、生成量ではなく検査と責任分界まで含めて設計します。

小規模な試行で見るべき成果は「AIが何行書いたか」ではありません。環境の準備が短くなったか、失敗したタスクを追跡できるか、開発者が承認すべき操作が明確か、チームが撤退できるかです。この条件を満たす範囲なら、複数エージェントの検討と並べても、基盤の比較軸を揃えられます。

ポイント

最初はCIか隔離サンドボックスの1経路に限定し、時間・トークン・権限レビュー・失敗時の復旧を既存ツールと比較します。数値が改善しても、撤退手順とバージョン固定がなければ本番標準化は急ぎません。

よくある質問

Q. fxは何で書かれていますか?

Zigで書かれた単一のネイティブバイナリです。

Q. fxの現在のバイナリサイズはいくつですか?

公式トップとv0.0.16のリリースノートでは5.97 MiBです。

Q. fxはどのようにエディターやCIへ組み込めますか?

CIやスクリプトはfx ask –json、ACP対応エディターはfx acp、自社アプリはlibfxを使います。

Q. fxの利用時に企業が確認すべきデータ境界は何ですか?

モデルへ送るコンテキスト、MCPやWeb検索の送信先、権限モード、ログとセッションの保存場所です。

まとめ

fxは、Zig製の5.97 MiBネイティブバイナリで配布されるexperimentalなコーディングエージェントです。対話CLI、CI向けのfx ask --json、ACP、libfxを同じ設計で使えます。

企業が見るべき差は、AIツールの見た目ではなく実行環境の置きやすさです。CIやサンドボックスで準備時間と運用負荷を測りつつ、モデルへ送るデータ、権限レビュー、推論費用、experimental版からの撤退条件を同時に決めます。

ポイント

fxは「軽いからすぐ全社導入する」ための製品ではなく、エージェントを小さな実行単位として配置・組み込み・測定するための選択肢です。最初の対象を限定し、数字と責任分界を残せるチームから試します。

会社紹介

株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。

また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール
張田谷凌央
張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。