【ITニュース解説】Burrow: a voice-driven research canvas that lives on your own disk

深いテーマを調査する際、情報はインターネット上に溢れているにもかかわらず、メモや資料が散らばってしまいがちな問題がある。ウェブブラウザのタブ、個別のメモアプリ、PDFフォルダ、そして頭の中と、情報源が分散してしまうと、効率的な整理や新たな知見の発見が難しくなる。Burrowは、この情報整理の課題を解決するために開発された、音声駆動のAIリサーチアシスタントだ。無限に広がるデジタルキャンバス上で、AIの助けを借りながら情報を集め、整理し、新たな知見を生み出すことを目指している。特に、ユーザーのデータがユーザー自身のPCに保存される「ローカルファースト」と、外部サービス利用の鍵を自分で管理する「BYOK (Bring Your Own Keys)」という二つの思想を核としている点が、セキュリティとプライバシーを重視する上で重要な特徴となる。

Burrowは、ユーザーが自由に情報を配置できる広大な「キャンバス」を提供している。これはまるでデジタル版の探偵ボードのようなもので、ここにメモ、文書、表、図、画像などを直感的に配置できる。さらに、音声で指示を出すことで、AIアシスタントがウェブ検索を実行したり、学術論文を自動で取得したり、インポートされたドキュメントの内容を読み込んだり、これらの情報を基に新しい要素を直接キャンバス上に作成したりする。アシスタントが作成した内容は、単なるチャットのテキストとして羅列されるのではなく、実際の「ブロック」としてキャンバス上に直接表示されるため、後から情報を探し出す手間が省ける。書き込みブロックの作成、ブロック同士の接続、特定の情報のフレーミング、不確実性のフラグ付け、手書き文字の認識、複数の学術データベースからの論文検索、ウェブ検索、さらには画像の生成まで、実に15種類ものアシスタントツールが用意されている。PDFやWordなどのドキュメントをアプリ内にインポートして読み込み、必要な部分を直接キャンバスに抜き出すことも可能だ。ユーザーのフリーハンドでの描画もサポートされ、ユーザーとアシスタントの両方の操作に対して共通の「元に戻す」（アンドゥ）機能が働くため、誤操作を気にせず作業に集中できる。音声入力は「Hey Burrow」というウェイクワードで起動し、マイクの状態が常に表示されるため、意図せず録音される心配もない。

Burrowの最も重要な特徴は、その「ローカルファースト」な設計と「BYOK」という考え方にある。これは、ユーザーの作業データが基本的に外部のサーバーではなく、ユーザー自身のPCのディスク上に保存されることを意味する。具体的には、各ワークスペースはDocuments/Burrow以下に専用のフォルダとして構成され、ボードの状態、トランスクリプト（音声認識のテキスト記録）、インポートされたドキュメントや画像などが、それぞれ整理されたファイルとして保存される。この設計により、ユーザーは自身のデータの所有権とプライバシーを完全にコントロールできる。また、AIモデルや外部サービスを利用する際に必要となる「APIキー」と呼ばれる認証情報も、ユーザー自身が用意し、OSのキーチェーンというセキュアな領域に保管する。これにより、ユーザーが明示的に許可しない限り、データが外部に送信されることはない。さらに、外部サービスに依存したくない、あるいは完全にオフラインで作業したいというユーザーのために、OllamaやOpenAI互換のローカルサーバーを自身のPCで動かすことで、APIキーなしで全ての機能をローカル環境だけで完結させることも可能だ。音声入力に関しても、デフォルトではwhisper.cppやLocalAIといったローカルのWhisperサーバーを利用する設定になっており、ユーザーは自身のコンピューティングリソースを使って音声認識を実行できる。もちろん、GroqやDeepgramといったホステッドプロバイダも選択できるため、利用形態に合わせて柔軟な運用が可能となっている。この徹底したローカル志向は、セキュリティとプライバシーを重視するシステムエンジニアにとって、非常に魅力的な設計思想だと言える。

Burrowの内部設計における特筆すべき点として、ボード上でのあらゆる変更が、src/canvas/commands.tsファイル内に定義されたapply(board, command)という単一の関数を介して実行される点が挙げられる。これは、ユーザーがキャンバス上の要素をクリックして移動させる操作も、AIアシスタントが新しい情報をボードに書き込む操作も、全て同じ統一されたコマンド処理の仕組みを通ることを意味する。このシンプルな設計上の判断が、ユーザー操作とアシスタント操作の両方を区別なく「元に戻す」ことができる、統合されたアンドゥスタック機能を実現している。通常、人間が行った操作とAIが行った操作とで、それぞれ個別にアンドゥ機能を実装することは複雑になりがちだが、この統一された仕組みによってその複雑さが解消されているのだ。また、このアプローチはアシスタントツールの定義にも影響を与えている。アシスタントがボード上で行うことができる操作のスキーマ（設計図）が、ユーザーインターフェース（UI）が利用するコマンドの種類と全く同じものから生成されるため、時間経過とともにアシスタントの機能とUIの操作感が乖離してしまうといった問題を防げる。これは開発効率とユーザー体験の両面で大きなメリットをもたらす。

Burrowは、現代のソフトウェア開発で広く使われている様々な技術を組み合わせて構築されている。アプリケーションの基盤となるシェルには、Tauri v2が採用されている。Tauriは、Rustという高性能なプログラミング言語と、Web技術（HTML, CSS, JavaScript）を組み合わせることで、デスクトップアプリケーションを開発するためのフレームワークだ。Tauriが選ばれた主な理由は、デスクトップアプリとしてOSのファイルシステムに直接アクセスできる点、APIキーなどの機密情報をOSのキーチェーンに安全に保存できる点、バックグラウンドでのウェイクワード（音声認識の起動キーワード）検出が可能な点、そしてウェブブラウザのセキュリティ制約（CORS）を受けずにHTTP通信ができる点にある。これらの機能は、ローカルファーストかつプライバシー重視のBurrowの設計思想を実現するために不可欠だった。キャンバス部分の描画には、React Flow (@xyflow/react) というライブラリが使われている。これは、ノードとエッジ（点と線）で構成される図やグラフを簡単に作成・操作するためのUIコンポーネントで、Burrowの無限キャンバス上で情報を視覚的に整理する機能の中核を担っている。そして、ユーザーインターフェース（UI）の構築には、現代のWebフロントエンド開発で非常に人気のあるライブラリであるReact 19が採用され、高速な開発環境を提供するViteと、型安全性を高めるTypeScriptが組み合わせて利用されている。

現在の開発状況について、Burrowは主要な機能の多くが既に動作確認されている。AIアシスタントのコアな処理ループ、キャンバス上の全てのブロックタイプ、ドキュメントのインポート機能、そして学術論文の検索機能は、実際の外部プロバイダと連携して問題なく機能することが確認済みだ。一方で、画像生成機能は実装はされているものの、まだ実際のプロバイダとの連携テストが完了していない段階である。また、手書き文字を読み取る「ビジョン」機能についても、リクエストの形式は定義されているが、実際に画像認識を行うAIモデルとの連携テストはこれからとなる。現状では、音声認識エンジンはBurrow本体にはバンドルされていないため、利用者は自分でWhisperサーバーを起動する必要がある。BurrowはMITライセンスの下で公開されており、誰でも無料で利用し、ソースコードを閲覧・改変できるオープンソースソフトウェアだ。Windows、macOS、Linux向けのリリース版が提供されており、手軽にダウンロードして試すことができる。もちろん、開発者であればソースコードを自身の環境でビルドして実行することも可能だ。プロジェクトのリポジトリはGitHubで公開されており、詳細な設計思想が書かれたドキュメントも用意されているため、興味のあるシステムエンジニアの卵は、その内部構造を深く探求する良い機会となるだろう。