CRYPTO & AI
無料で登録

【Screenpipe】あなたの画面を「AIの記憶」に変える

24時間ローカル録画でエージェントに文脈を渡す。ただし「オープンソース」はもう、正確な紹介ではありません。

【Screenpipe】あなたの画面を「AIの記憶」に変える

おはようございます。
今日は「Screenpipe」をリサーチしました。


TL;DR

  • Screenpipeは、画面・音声・操作を24時間ローカルで記録し、検索可能な「作業メモリ」に変えてAIエージェントに渡すデスクトップアプリです。macOS/Windows/Linuxの3OSに対応し、localhost:3030 のREST APIとMCPサーバーを備えます。
  • 開発元はYC Summer 2026 採択のMediar, Inc.(創業者Louis Beaumont、チーム6名、サンフランシスコ)。GitHubで人気を集め、Rewind/Microsoft Recallの「セルフホスト可能な代替」という立ち位置です。
  • ただし2026年6月9日にライセンスをMITからsource-available(商用は有料)へ変更し、「オープンで自分のデータを所有」という初期の訴求とは緊張関係に入りました。常時録画の同意問題、"ローカルだから安全"の実効性、そしてこの領域自体のユニットエコノミクスの未証明——冷静に見るべき論点が多いプロジェクトです。

概要|Screenpipeとは?

Screenpipeは、あなたがPCで見ているもの・聞いているもの・操作したことを24時間ローカルで記録し、それを全文検索できる「作業の記憶(workflow memory)」に変えるデスクトップアプリです。そして、その記憶をAIエージェントに文脈として供給することを最大の目的にしています。

一言でカテゴリを言い切るのが難しいプロダクトで、実際には複数の顔を持っています。

  • ローカルAI/オンデバイス処理(データを端末の外に出さない「100% local」を標榜)
  • 画面録画 × AI(AIスクリーンレコーダー、画面の記憶)
  • ライフログ/パーソナルメモリ層(デスクトップのためのローカルな記憶層)
  • AIエージェント基盤(録画データをエージェントに供給し、多数のアプリと連携)

立ち位置としては、Rewind(現Limitless)やMicrosoft Recallといった既存ツールの「セルフホスト版」を自称してきました。なお、この「オープンソース」という看板は後述のとおり2026年6月に後退しています。

解決する課題

Screenpipeが埋めようとしているのは、ざっくり言えば「AIは賢くなったのに、あなた自身の文脈を何も知らない」というギャップです。

  • 高性能なAIエージェントが登場しても、あなたが今日何をやり、誰と何を話したかを知らないため、本当に役立つ秘書にならない
  • 会議・調査・作業のログはその場で消えていくか、手作業でメモに残すしかない
  • クラウド型のライフログツールはデータを外部に預ける不安があり、企業では使いにくい

「AIが賢くなるほど、あなたの全文脈を持つ"記憶"が効いてくる」——この前提に賭けたのがScreenpipeです。

プロダクトの柱

1. キャプチャと記憶

画面・音声・操作を記録し、SQLite+FTS5(全文検索)で検索可能な形に蓄積します。テキストはまずOSのアクセシビリティ情報から拾い、取れなければOCRにフォールバック。音声はWhisper(Large-V3-Turbo)でローカルに文字起こしします(ここまではGitHub READMEで確認済み)。データは端末内で処理する「ローカルファースト」設計で、ローカルAPI経由で自分の作業履歴を検索・参照できます(APIの具体的なエンドポイント仕様は本記事では独立確認しきれていないため、末尾のファクトチェックで区別しています)。

2. pipes(パイプ)というプラグイン機構と開発者API

Screenpipeの拡張は "pipes" と呼ばれ、録画データにアクセスするAIエージェントを載せられます。開発者は REST API+MCPサーバー を使って「全画面の文脈を持つAIアプリ」を自作できます。MCP(Model Context Protocol)対応により、Claude CodeやCursorといったツールから直接利用できるのが、消費者向けライフログとの大きな違いです。

3. プライバシー設計(redaction)

Screenpipeは、パスワードやAPIキーなどの機微情報を保存前に検出・除去する「redaction」機能を掲げ、デフォルトでオンにしていると説明しています。アプリ/ウィンドウ/URL単位の除外設定も用意されています。ただしこの秘匿精度に関する主張(自社モデルが大手を上回る等)は自己申告で、第三者検証は見当たりません(後述)。

できること

具体的なユースケースはこんな形です。

  • 作業履歴の自然言語検索:「今月、価格について聞いてきたのは誰?」のように、過去の画面や会話を問い合わせる
  • 会議記録の自動化:会議を検知して自動でメモ生成・文字起こし
  • バックグラウンドエージェント:CRM更新、ディール追跡、作業手順(SOP)化
  • アプリ連携+エージェント基盤:ノートアプリや各種SaaSと連携し、「文脈を持ったエージェント」を構築

変遷|OSSの人気ツールから、YC発の"記憶+自動化"企業へ

創業背景

ScreenpipeはRust製のOSSとして出発し、GitHubで人気を集めました。当初は価値提案が曖昧だったものの、市場の引き(プル)に従って「録画」から「自動化(エージェント)」寄りへ舵を切った、という経緯が語られています。「record and learns how you work and turns it into a searchable memory, SOPs, and AI agents(あなたの働き方を記録・学習し、検索可能な記憶・SOP・AIエージェントに変える)」——これがYC上での自己紹介です。

創業者プロフィール

  • Louis Beaumont(ルイ・ボーモン): 創業者。YCの企業ページでは単独創業者として記載されています
  • 共同創業者について(※要確認): 一部の企業データベースやメディアはMatt (Matthew) Diakonovとの共同創業と記載していますが、YCは単独創業者としており、ソースによって扱いが分かれます。本記事では確定情報として断定しません

会社はMediar, Inc.、拠点はサンフランシスコ、チーム6名です。

創業からのタイムライン

  • Rust製OSSとしてScreenpipeを公開、GitHubで人気化
  • 2026年5月: YC Summer 2026 採択を公式ブログで告知
  • 2026年6月9日: ライセンスをMIT→"Screenpipe Commercial License"(source-available)へ変更+サブスク開始
  • 2026年6月下旬: 会議メモ改善、モバイル同期などを追加
  • GitHub org移管: mediar-ai/screenpipe から独立org screenpipe/screenpipe へ

ビジネスモデルとライセンス転換(重要)

Screenpipeの最大の転機は、2026年6月9日のライセンス変更です。MITライセンスから独自の "Screenpipe Commercial License" へ移行しました。公式の説明を引用すると:

個人・非商用・教育・研究目的の利用は無料、加えて規模を問わず7日間の評価が可能。ただし評価期間を超える商用・本番利用には有料ライセンスが必要

理由についても率直に書いています。

オープンソースそれ自体はビジネスモデルにならない。企業がscreenpipeを本番で使って収益を上げる一方、何も還元せず、小さなチームが信頼性と改善のためのすべてを負担している。これは持続可能ではない

そして公式自身が「source-availableライセンスは厳密な定義でのオープンソースとは同じではない」と認めています。つまり今のScreenpipeは、正確には"オープンソース"ではなく"source-available"です。ここは紹介する側も間違えやすいので、はっきりさせておきます。

もう一つの顔:Terminator

見落とせないのが、同社が Terminator というデスクトップ自動化SDKも走らせていることです(Rust製)。「文脈を貯めるScreenpipe」と「操作を実行するTerminator」——同社は「記憶」+「自動化」の2枚看板になっている、というのが実像です。本体の mediar.ai は、レガシー業務システムの自動化(RPA代替)といったエンタープライズ寄りの展開も見せています。

競合プレイヤー

  • Rewind → Limitless: Rewindは「ローカルMacアプリとしてパーソナルメモリを切り拓いた」プロダクトでしたが、チームがLimitlessへピボットした際に終了しました(Screenpipe公式比較ページの記述)。Limitlessは$99のウェアラブル・ペンダント+クラウド前提のサービスで、対応はMac/Windows/iOS(Linuxなし)、文字起こし・要約はクラウドで実行、開発者向けのAPIやプラグイン機構はなし、とされています
  • Microsoft Recall: Windows組込みの画面想起機能(プライバシー論争の当事者)。Screenpipeはクロスプラットフォーム&セルフホスト可を対置します
  • 会議メモ特化ツール(Granola / Otter.ai 等): 会議に絞った文字起こし・要約が中心。Screenpipeは会議に限らない「全画面の文脈」が売り
  • Screenpipe: ローカルファースト・3OS対応・REST+MCPでエージェントを載せられる開発者基盤、が持ち味。ただしライセンス転換で「オープン」の看板は弱まりました

補足:一部メディアは「RewindはMetaに買収され2025年末にキャプチャ機能を停止した」と報じていますが、この買収・停止日については本記事の一次確認では裏が取れませんでした。確実に言えるのは、Screenpipe自身が公式比較で「Rewindのローカル版はLimitlessへのピボットに伴い終了した」と記していることです。


考察|「AIの記憶層」という賭けは成立するか

結論から言うと、Screenpipeは技術的な作り込みとコミュニティの初速は本物だが、「常時録画の記憶層」というカテゴリ自体がまだ勝ち筋を証明できていないプロジェクトです。応援したい理由と、身構える理由が両方はっきりしています。

強み

  1. クロスプラットフォーム×ローカル完結: LimitlessがMac/Windows/iOS中心・クラウド前提・API無しで進むなか、mac/Windows/Linuxすべてでローカル処理+開発者APIという設計は明確な空白を突いています。
  2. 開発者フレンドリーな基盤: REST API+pipes+MCPサーバーという構成は、「全画面の文脈を持つAIアプリ」を作りたい開発者にとって扱いやすい。ここがコミュニティの支持を集めた核です。
  3. 記憶と実行の両輪: Screenpipe(記憶)とTerminator(自動化)を併せ持つことで、「文脈を貯める→それを使って操作する」という一気通貫を狙える。エージェント時代のテーマ設定としては筋がいい。

弱み・リスク

  1. 常時録画の同意問題: 画面と音声を24時間捕捉すれば、会議相手・同僚・家族が録画に同意していないケースは必然的に生じます。「ローカルだから安全」は保存場所の話であって、録る行為そのものの同意は解けていません。片面録音の合法性は国・地域によります。
  2. "ローカル=安全"の実効性: 機微情報の秘匿(redaction)はローカルモデル頼み。精度に関する主張は自社申告で第三者検証がありません。redactionが漏れれば、パスワードやAPIキーが平文でローカルDBに残るリスクがあります。
  3. OSS看板の後退: MIT→source-availableへの転換で、「オープンで自分のデータを所有」という初期の訴求と商用有料化が緊張関係に入りました。フォークが生まれやすい構造で、コミュニティ信頼の流出リスクを抱えます。もはや"オープンソース"と紹介するのは正確ではありません。
  4. カテゴリ自体の未証明: 常時録画系は、ストレージ肥大・CPU/バッテリー負荷・大量スクショからの想起精度、というユニットエコノミクス上の課題を普遍的に抱えます。Rewindのローカル版が畳まれたこと自体、この領域の難しさを示唆しています。

個人的な見解

Screenpipeを見ていて面白いのは、「AIが賢くなるほど、あなたの文脈を持つ記憶が効く」という前提が、そのまま最大のリスクにもなっている点です。

というのも、この前提が正しければ正しいほど、OS・ブラウザ・大手AIが同じ機能を標準搭載してくる動機も強くなる。Microsoft Recallはまさにそれです。つまりScreenpipeは「大手が本気を出す前に、開発者コミュニティとローカル志向のユーザーを押さえられるか」という時間との競争をしている。ライセンス有料化も、その収益化を急いだ動きと読めます。

見どころは、「記憶層」単体で戦い続けるのか、それともTerminatorと組んだ"記憶→自動化"のワークフローで独自価値を出せるかだと思います。個人的には、単なるライフログとしてより、「エージェントに渡す文脈ソース+実行手段」のセットとして見たほうが、このプロジェクトの本当の狙いが見えてきます。試すなら、常時録画のプライバシー設定(redactionと除外リスト)を最初に固めてから——というのが、"For learning, not for hype." の立場からの実務的なアドバイスです。


DEBUNK編集長

次に読む

【Scale AI】Meta の出資から1年余り、学習データの会社は企業と政府のAIづくりに軸を広げている

Meta が49%を持つ学習データの老舗 Scale AI について、データの事業の仕組み、出資の後に起きた顧客と経営の変化、企業・政府向けへの広げ方、そして数字のどこまでが確かなのかを整理します。

AI 2026.10.22

【Cursor】SpaceX の傘下に入ったAIコーディングの道具。買収後の最初の決算で、売上の大きさが初めて見えた

SpaceX は10/20の決算で、8/14に買収した Cursor が9月末までの約1か月半で$608Mを売り上げたと開示しました。Cursor がどう動く道具なのか、モデルの仕入れがどう変わったのか、そして$60Bの買収の中身を整理します。

AI 2026.10.22

【Figure AI】評価額$39Bの人型ロボット企業は、どこまで実際に働いているのか

人型ロボットの Figure AI は、2025年9月に評価額$39Bでの調達を発表しました。自前の AI「Helix」の仕組み、BMW の工場での実績、量産の計画、そして会社の主張と第三者の確認の差を整理します。

AI 2026.10.21

【DeepSeek】重みを公開した安いモデルを出し続ける中国の研究所と、各国の規制

米国土安全保障省(DHS)は10/20、連邦の民生機関から DeepSeek の製品を外す命令を官報に公示しました。DeepSeek のモデルの系列、重みの公開、費用の主張、各国の規制を整理します。

AI 2026.10.21

あわせて読みたい用語解説

用語解説をすべて見る →
【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。【推論(インファレンス)】学習済みのAIが答えを出す工程と、その費用と速さを決めるものAIが答えを出すたびに走る「推論(inference)」を、学習との違い、入力を読む段階と答えを書く段階の仕組み、推論向けチップの動きとあわせて整理します。【RLHF】AIの「振る舞い」を作る強化学習の工程と、人の採点・AIの採点・自動判定の違いチャットAIの受け答えを形づくる人のフィードバックによる強化学習(RLHF)を、後継のRLAIF・検証可能な報酬での強化学習(RLVR)とあわせて、仕組みと弱点からまとめます。【マルチモーダル】画像・音声・動画をAIはどう読むのか。仕組みと、2026年でも苦手なこと文章だけでなく画像・音声・動画も扱うマルチモーダルなAIを、画像をトークンに変える仕組みと、大学の試験は解けても時計の読み取りで負ける理由からまとめます。