
【10億トークンコードあり】MuseをAI秘書で終わらせない。Claude Code・Codex・Spacesまで使えばやめられなくなる
ChatGPT、Claude、Codex。AIが便利になるほど、逆に面倒だと感じることが増えてきた。
それぞれ得意な仕事が違うので、調査はChatGPT、実装はClaude Code、コードレビューはCodex、と使い分けるようになった。
ところが、AIが増えるほど、仕事を振り分ける自分が忙しくなる。
指示を考え、結果を確認し、別のAIに内容を渡す。作業が途中で止まったら、また自分が状況を説明する。
これでは、せっかくAIに仕事を任せているのに、人間がずっと現場監督をしているようなものだ。
この問題を解決できそうだと感じているのが、MetaのAIエージェント「Muse」だ。
私は現在、Museを司令塔として使いながら、Claude Code・Codex・Slack・GitHub・Notionなどを組み合わせ、個人開発や情報管理の自動化を進めている。
Muse専用のLinux環境でClaude CodeとCodexを実行するところまでは成功した。LINEのメッセージを取得してSlackへ転送する仕組みも一度稼働させている。
一方で、Museの仮想環境が交換され、自作の常駐サービスが止まるというトラブルも経験した。
実際に触ってみると、Museはかなり自由度が高い。ただし、何でも任せれば勝手にうまくいくというほど単純でもない。
今回は、自分自身の備忘録として、日常で役立つ使い方からLinux VMの活用、複数AIの連携、新機能Spacesまで整理しておく。
単なる機能紹介ではなく、Museに何を任せると便利なのか、どう設定すればよいのか、どこに落とし穴があるのかを中心にまとめた。
Museを使ってみたい方へ
Museは2026年10月23日から日本でも利用できるようになった。
iPhone、Android、Webから利用でき、基本機能の多くは無料で使える。
招待コード:9Q0XAV
参加後48時間以内に[設定]で以下のコードを利用すると、10億のMuseトークンを獲得できます。
1. Museは普通のAIチャットと何が違うのか
Museを使い始めて、最も大きな違いだと感じたのは、AI自身が作業する環境を持っていることだ。
普通のチャットAIは、質問すると答えてくれる。
一方、Museは自分専用のクラウドコンピューターを持っている。
例えば、次のような仕事を引き受けられる。
メールを確認し、返信が必要なものを整理する
カレンダーを確認し、予定やタスクを調整する
Webサイトを操作し、商品を比較したり予約を準備したりする
定期的に情報を確認し、変化があれば通知する
Pythonなどのプログラムを作って実行する
外部のAIやサービスに仕事を依頼する
メールの送信や商品の購入といった重要な操作では、基本的に人間の承認が入る。
また、長い仕事はアプリを閉じても継続できる。
これまでのように、人間がAIとの会話をずっと維持する必要がない。
私がMuseに期待している役割
現在の環境は、おおむね次のようになっている。

これを最終的には、
自分 → Muse → 必要なAI → 結果を確認 → 自分へ報告
という流れにしたい。
すべてを完全自動化できているわけではないが、Museを中心に据えることで、AIごとに指示を出す手間を減らせる可能性がある。
ここが一番面白い。
2. Museを使い始めたら、最初にやっておきたい設定
高度な使い方の前に、まずは基本的な環境を整える。
Museは単体でも便利だが、普段利用しているサービスと接続することで本領を発揮する。
まずは外部サービスを接続する
最初に接続したいのは、GmailとGoogleカレンダー。
日常生活なら、この2つだけでも用途がかなり広がる。
個人開発や仕事にも利用するなら、Slack、GitHub、Notionなども接続する。
連携できるサービスは時期や地域によって異なるため、Museの接続画面で確認する。
私の場合、AI間の仕事の受け渡しにSlackを、長期的な情報管理にNotionを利用している。
ここで大切なのは、すべてのサービスに最初から最大限の権限を与えないこと。
メールを読むだけなら送信権限は不要だし、GitHubの状況を確認するだけなら、いきなりコードの変更権限を渡す必要はない。
まずは読み取り専用で使い、必要になった権限だけ追加する。
この方が、安心して自動化を進められる。
最初に運用ルールを決める
Museは過去の情報を記憶できる。
ただし、自分が重要だと思うルールを毎回必ず適切に参照してくれるとは限らない。
そこで最初に、共通ルールを明文化しておく。
Museへの指示例①:基本ルール
あなたには、私の個人秘書とプロジェクトマネージャーを担当してほしい。
私から仕事を依頼されたら、必要な手順を考え、利用可能なツールを使って進めてください。
次のルールを守ってください。
確認できた事実と推測を区別する
必要な情報は過去の会話や接続サービスから確認する
一度決めた運用ルールを継続的に参照する
外部送信、購入、削除、本番環境の変更は事前に承認を得る
実行結果と未完了の作業を記録する
失敗した場合は原因と次の対応を説明する
重要な情報は会話の記憶だけに依存させない
私の目的は、AIへの細かな指示に費やす時間を減らすことです。
一度こうした基本方針を作ると、毎回同じ条件を説明する負担を減らせる。
ただし、記憶を過信しないことも大切。
その理由は後半で説明する。
3. 日常生活でまず便利なのは「定期的な仕事を任せる」こと
Museの高度な機能に注目しがちだが、実際には日常的な雑務を任せるだけでも価値がある。
特に、毎回同じ情報を確認する仕事と相性がよい。
① 毎朝の情報をまとめてもらう
毎朝Gmail、カレンダー、ニュース、タスク管理アプリを個別に開くのは面倒だ。
これらを一つのレポートにまとめたい。
例えば次のように指示する。
Museへの指示例②:朝のブリーフィング
毎朝7時に、その日の情報をまとめてください。
内容:
今日の予定
重要なメールと返信が必要な案件
今日が期限のタスク
昨日から変化した重要事項
私が判断する必要があること
3分以内で読める長さにしてください。
前回から変化していない情報は繰り返さず、優先順位が高いものから報告してください。
ここでのポイントは、情報を大量に集めるのではなく、必要な情報だけ選ばせること。
毎朝50件のメールの一覧を見せられても、結局自分で読む必要がある。
対応が必要な3件だけを抽出してくれる方が便利だ。
最初は数日間、元のメールや予定と照らし合わせて漏れがないか確認したい。
② 商品の価格や在庫を監視する
買いたい商品があるとき、毎日販売サイトを開いて在庫や価格を確認するのは面倒だ。
Museには、定期的な監視を任せられる。
Museへの指示例③:価格監視
この商品の日本国内の販売状況を毎日確認してください。
対象:〇〇
次の情報を調べてください。
在庫の有無
商品価格
送料
ポイント還元
実質的な購入価格
前回から変化があった場合だけ通知してください。
商品の型番が違うものや、在庫のない販売店は区別してください。
購入は私が承認するまで行わないでください。
この使い方は、航空券やホテルの価格、特定の求人、イベントの募集開始などにも応用できる。
ただし、監視できる範囲はサイト側のアクセス制限にも左右される。
③ 情報収集から次の行動まで任せる
個人的には、単なる情報収集より、調べた後の作業まで任せたい。
例えば、
「この商品の最安値を調べて」
だけで終わらせず、
「送料・ポイント込みで比較し、購入候補を3つに絞り、注意点までまとめる」
と依頼する。
さらに、必要なら問い合わせメールの作成まで進めてもらう。
調べる → 比較する → 次の行動を準備する
ここまでを一つの仕事として渡すのがコツだ。
4. 新機能「Spaces」は、かなり使える
2026年11月6日に登場した「Spaces」は、特に注目している新機能だ。
これは、Museの中に自分専用のアプリやダッシュボードを作れる機能。
例えば、次のような画面を自然言語で作成できる。
タスク管理画面
家族の予定管理
旅行計画
買い物リスト
事業の進捗確認
AIエージェントの稼働状況一覧
従来は、Museに「今のタスクを教えて」と質問する必要があった。
Spacesでは、必要な情報を最初から画面に表示できる。
つまり、AIとの会話を、自分専用の操作画面に変えられる。
Spacesの作り方
基本的には、作りたい画面をMuseに説明するだけ。
その後、見た目や機能を会話で修正していく。
完成したSpaceは、サイドバーやメインタブに配置できる。
例えば、平日は仕事用の画面を表示し、週末は家族用の画面に切り替えるといった使い方もできる。
また、接続したサービスの情報をバックグラウンドで反映できるため、単なる静的なメモ帳とは違う。
便利なのは「AI司令塔Space」
Claude Code、Codex、Museがそれぞれ作業していると、何が進行中で、どこで止まっているのかが分かりにくくなる。
そこで、すべてを一つの画面で確認できるようにしたい。
Museへの指示例④:AI司令塔Space
私が利用しているAIエージェントの仕事を一覧管理するSpaceを作ってください。
表示したい情報:
タスク名
担当AI
作業の進捗
最終実行日時
最終成功日時
エラーの有無
承認待ちの作業
関連するSlack、Notion、GitHubへのリンク
タスクの状態は「未着手」「実行中」「確認待ち」「完了」「失敗」に分類してください。
最初は読み取り専用で作成してください。
外部サービスから取得できない情報は推測で埋めないでください。
これで、複数AIの状況を毎回チャットで質問せずとも一目でわかる。
Spacesと普通のWebアプリはどう違う?
自分は個人開発でNext.jsなども利用しているため、この使い分けは気になる。
現時点では、次のように考えている。

Spacesは、個人が自分のために素早くアプリを作る用途に向いている。
個人の操作画面はSpaces、重要なデータや本格的なシステムは外部に置く。
5. Museの真価はLinux VMを使い始めてから
ここから少し技術的な話になる。
Museには「Muse Secure VM」という専用のLinux環境がある。
単なる一時的なコード実行環境ではなく、ファイルを管理し、ツールを組み合わせ、サブエージェントや定期タスクを動かせるように設計されている。
ただし、Museの内部は単純なLinuxサーバーではない。
Metaが管理する安全機構と、AIがプログラムを実行する領域は分離されている。
例えば、Museがシェルでrootとして動作していても、それがVM全体の無制限なroot権限という意味ではない。
内部ではsystemd-nspawnによる隔離が使われ、外部通信や認証情報は別の仕組みで管理されている。
Sentinelという安全機構
Museの通信を管理する仕組みが「Sentinel」だ。
AIが外部サービスへアクセスするとき、必要な操作をチェックする。
パスワードやアクセストークンも、AIが直接見る構造にはなっていない。
この設計は、個人のメールやカレンダーを扱うAIでは重要だと思う。
6. MuseからClaude CodeとCodexを操作する
自分の中で、Museの評価が大きく上がったのがこの使い方だ。
MuseのVMにClaude CodeとCodex CLIを導入し、ターミナルから実行できる。
つまりMuseに、
「このコードを確認して」
と依頼し、その作業を別のAIに実行させる構成ができる。
一度整えれば、Museから各ツールを呼び出せる。
MUSEにCodexで計画させてClaude codeで実装しCodexにレビューさせてと指示して、自分のところには最終的に出来上がったものだけ届くようにできる。
もちろん指示したら途中経過もしっかりわかる。
複数AIへの指示を一つにまとめる
Museへの指示例⑤:開発タスクの委任
この開発タスクを、利用可能なAIとツールを組み合わせて実行してください。
まず作業を分解し、実装担当と検証担当を決めてください。
Claude CodeとCodexが利用できる場合は、できるだけ実装とレビューを分けてください。
同じファイルを同時に編集しないようにしてください。
各タスクの成果物、完了条件、テスト結果を記録してください。
エラーが発生した場合は原因を調べ、必要なら修正と再テストを行ってください。
本番環境への反映は私の承認後に行ってください。
この形ができれば、細かい作業の振り分けをMuseに任せられる。
7. AI同士の通信にSlackを使う
複数AIの運用で意外と面倒なのが、仕事の受け渡しだ。
例えばMuseからClaude Codeへ指示し、Claude Codeが作業し、その結果をMuseが確認する。
一つのVM内なら直接CLIを実行する方法が分かりやすい。
しかし、別のPCや別のクラウド環境で動くAI同士では、それだけでは足りない。
そこでSlackが便利になる。
なぜSlackなのか
Slackは本来、人間同士のコミュニケーションツールだ。
ただ、AI同士のやり取りにも使いやすい。
例えば、専用チャンネルにMuseが次のように投稿する。
タスク:ログイン画面の不具合を修正
担当:Claude Code
対象:GitHubの〇〇リポジトリ
完了条件:テスト成功、PR作成
本番反映:禁止
別のAIがこの内容を読み取り、作業する。
完了したら同じスレッドに結果を投稿する。
こうすれば、AI間の情報共有と人間による確認を一つの画面で行える。
8. Active MemoryとActive Focusで何が変わる?
Museのモデルにも改良が加わった。
特に興味深いのが「Active Memory」と「Active Focus」だ。
Active Memory:必要なときに記憶を使う
AIに長期的な仕事を任せると、過去の判断や決定事項が重要になる。
例えば、
「このプロジェクトのリポジトリはPrivateにする」
「本番環境は承認なしに変更しない」
「以前に失敗した方法は繰り返さない」
といったルールだ。
単に情報を保存するだけでは不十分で、必要な場面で参照できなければ意味がない。
Active Memoryは、こうした過去情報の扱いを改善する仕組みだ。
さらに、古い情報と現在も有効な情報を区別することも重要になる。
個人的には、単に記憶量が増えることより、正しいタイミングで適切な記憶を利用できることの方が価値が高いと思う。
ただし、重要な仕様や業務ルールをMuseの内部記憶だけに依存させるつもりはない。
長期的に必要なものはNotionやGitHubにも残す。
Active Focus:途中で失敗しても仕事を続ける
こちらは、長いタスクの実行能力を高める機能。
例えば、コードの修正中にテストが失敗した場合。
そこで諦めるのではなく、原因を調べ、別の方法を試し、再テストして作業を続ける。
実際の仕事では、最初から最後まで予定どおり進むことの方が少ない。
そのため、Active Focusの方向性にはかなり期待している。
ただし、これも万能ではない。
AIの問題解決能力が高くなっても、消えたOS設定や停止した外部サービスが必ず自動復旧するわけではない。
AIが賢くなることと、システムが安定稼働することは別だ。
9. 繰り返す作業はSkillsとして保存する
Museを継続して使うなら、毎回同じ長い指示を入力するのは避けたい。
例えば、毎週の開発状況を確認するとき。
GitHubのIssueを確認し、Sentryのエラーを調べ、進捗をまとめてSlackに投稿する。
こうした手順を毎回説明するのは非効率だ。
Museでは、繰り返す作業をスキルとしてまとめられる。
スキル化するときの指示
Museへの指示例⑥:作業のスキル化
今回実行した作業を、今後も繰り返し利用できるスキルとして整理してください。
次の内容を含めてください。
目的
必要な入力情報
使用するサービス
実行手順
正常終了の確認方法
エラー発生時の対応
人間の承認が必要な操作
スキルを保存した後、実行できることをテストしてください。
将来の環境変更に備え、必要な設定も記録してください。
スキルにしておけば、次回からはそのスキルを呼び出すだけでよい。
10. 複数AIを運用するときの私なりの基本ルール
ここまで触ってきて、AIを増やすことより大切だと感じていることがある。
それは、AIに任せる仕事を管理可能な形にすることだ。
私は次のルールを意識したい。
ルール①:AIごとの役割を明確にする
誰が実装し、誰が確認し、誰が最終判断するのかを決める。
複数AIが同時に同じファイルを変更するような状態は避ける。
ルール②:重要な情報は外部にも残す
Museの内部記憶だけに頼らない。
仕様書はNotion、コードはGitHub、処理状態はデータベースなど、用途に合わせて保存する。
ルール③:失敗した場合の対応を決めておく
AIが失敗すること自体は避けられない。
大切なのは、失敗を検知できることと、復旧手順があること。
ルール④:重要な操作は人間が承認する
メール送信、購入、ファイル削除、本番反映などは慎重に扱う。
特に、外部に影響する操作ほど確認が必要だ。
ルール⑤:最初から複雑な構成にしない
例えばAI同士の通信も、最初はSlackで十分な場合がある。
運用上の問題が出てから、Cloudflareなどの専用基盤を検討する。
自動化の目的は、システムを複雑にすることではなく、自分の手間を減らすこと。
ここを忘れないようにしたい。
11. これからMuseを始めるなら、この順番がおすすめ
最後に、初めてMuseを使う人向けに、おすすめの順番をまとめる。
STEP 1:まずはGmailとカレンダーを接続
重要メールや予定の確認を任せる。
最初は読み取り中心に使い、Museがどこまで正確に情報を扱えるか確認する。
STEP 2:定期タスクを一つ作る
毎朝の情報整理や価格監視など、繰り返し発生する仕事を一つ任せる。
必ず実行結果を確認する。
STEP 3:一つの仕事を最初から最後まで任せる
例えば、商品比較、旅行計画、資料の作成など。
単なる質問ではなく、必要な作業全体を依頼する。
STEP 4:Spacesを作る
タスク管理や予定一覧など、日常的に確認する画面を作る。
使いながら修正していけばよい。
STEP 5:繰り返す仕事をスキル化する
毎回同じ説明をしている作業があれば、手順を保存する。
STEP 6:SlackやGitHubと接続する
情報共有、進捗確認、作業履歴を整理する。
STEP 7:Claude Code・Codexとの連携に挑戦する
ここまで来れば、MuseをAI秘書からAI司令塔へ発展させられる。
ただし、最初から完全自動化を目指さず、小さな作業で実行・検証・復旧を繰り返す方がよい。
まとめ:Museで本当に便利なのは「AIを管理する仕事」まで任せられること
Museを使い始めて、AIの活用方法に対する考え方が少し変わった。
以前は、どのAIが最も賢いか、どのAIに何を頼めばよいかを考えることが多かった。
今は、それに加えて、
複数のAIをどう働かせれば、自分が毎回指示しなくて済むか
を考えるようになった。
Museは、そのための司令塔として非常に面白い。
特に、Linux VMでClaude CodeやCodexを実行できたことで、単なるAI秘書以上の可能性を感じた。
いくらAIが賢くても、プログラムの実行環境やデータ管理が不安定では、安心して仕事を任せられない。
だから今は、AIの能力を増やすことと同じくらい、仕事の記録、実行結果の確認、環境の復元、権限管理を重視している。
新機能のSpacesも、その方向性と相性がよい。
スマートフォンから、今どのAIが何をしていて、何が完了し、何に自分の判断が必要なのかを確認できる。
そんな環境を少しずつ作っていきたい。
Museはまだ新しいサービスで、今後も仕様変更や機能追加が続くだろう。
それでも、すでに感じている価値は明確だ。
これまでは、人間がAIを使って仕事をしていた。これからは、AIが仕事を進められる仕組みを人間が設計する。
Museは、その変化を実感しやすいサービスだと思う。
引き続き使いながら、自分にとって最も手間の少ない構成を探していきたい。
似たような自立型AIでAIが自立して電話する機能を持つPickleというのもあります。
Pickleに関しては下の記事を参考にしてください。