177個のスキルと100のデータベース——AI科学者に本当に足りないもの

今週のGitHub週間トレンド5位はモデルではなかった。科学者向けのスキル集だ。177個のスキルが生物学、化学、医学、創薬をカバーし、100以上の科学データベースにつながっている。リポジトリは「25万人の科学者が使っている」と主張する。この数字はプロジェクト側の言い分なので割り引いて読むべきだが、スター数は公開されていて誰でも確認できる。2025年10月に作られたリポジトリが5万3000を超えている。

売り文句は一文だけ。「どんなAIエージェントもAI科学者に変える」。その一文がなぜ177個のファイルを必要とするのかは、誰も説明してくれない。

ボトルネックは推論じゃなかった

最先端モデルにタンパク質のフォールディング経路を説明させれば、それなりにまともな答えが返ってくる。だが、特定のUniprot IDの実際の構造を取ってきて、関連するバリアントをClinVarと突き合わせ、参照ゲノムにアラインメントして、保存性スコアをプロットしろと言うと――全部そろっているように見えて、一部は捏造されたものが返ってくる。

足りないのは知能ではなく配線だ。研究は数百の専門データベースとファイル形式の上で動いていて、そのほとんどが独特なAPIを持っている。そしてその一つひとつが、言語モデルが自信満々にカラム名をでっち上げる場所でもある。

ここでいう「スキル」とは、そうしたインターフェースの一つを知っている小さなパッケージだ。ツールがどんな引数を取るか、レスポンスはどんな形か、どの識別子が有効か、妥当なデフォルトは何か。「そのタンパク質を調べて」とエージェントに言うのと、IDの形が不正ならきちんと失敗する関数を渡すのでは、まるで違う。

{{INLINE1}}

177個の中身

リポジトリのトピック一覧が、現時点で最も正直な説明になっている。バイオインフォマティクス、ケモインフォマティクス、ゲノミクス、プロテオミクス、メタボロミクス、臨床研究、材料科学、創薬、科学計算、科学的可視化。これは機能のリストではなく、摩擦がどこにあるかの地図として読むといい。

ゲノミクスは摩擦が大きい理由をよく示している。一回の解析で、参照アセンブリ、バリアントデータベース、アノテーショントラック、統計パッケージに触れることになり、それぞれに独自の座標規約がある。ゲノミクスにおけるoff-by-oneは事故ではなく、バグの一ジャンルだ。「このデータベースは1始まり、あっちは0始まり」と書き込んだスキルは、ある種の誤答をまとめて防ぐ。モデルの性能をいくら上げても直らない種類の誤りだ。

化学も同じ形で、しかも危険が大きい。SMILES文字列、InChIキー、分子量、アッセイの閾値は、どれもプレーンテキストに見えて、どれもそうではない。エージェントがSMILESを文章として扱えば、存在しない分子を、完璧な書式で出力してくる。

だから価値提案は地味だが本物だ。これらのスキルはインターフェースの細部に関する記憶であり、各ラボがプロンプトの冒頭で書き直すのではなく、一か所で保守される。

誰も解決していない配布の問題

177個のスキルを一つのリポジトリにまとめることには、もっと静かな問題がある。バージョン固定だ。スキルがラップしているデータベースのAPIが独自の都合で変われば、そのスキルは劣化していく互換シムになる。ライブラリの1.4を固定して3月に動いていたパイプラインが、9月には壊れているかもしれない。しかもその失敗は、依存関係の問題ではなくモデルの問題に見える。

ソフトウェアの世界はこれをロックファイルとセマンティックバージョニングで解決した。およそ15年かけて、しかも下手くそに。科学ソフトウェアにはどちらもなく、それなのに自分から頼んでいない依存グラフを取り込み始めている。

問い詰めるべきは「検証済み」という言葉

リポジトリはスキルを「検証済み」と表現している。共通標準のないカテゴリにとっては強い言葉で、何をもって検証なのかを聞く価値がある。既知の出力と突き合わせたのか。ドメインの専門家がレビューしたのか。それとも、落ちずに一度動いただけなのか。

三つとも筋は通るが、意味はまったく違う。データベースコネクタなら「既知のクエリで正しいレコードが返る」は本物のテストだ。統計手法を勧める解析スキルでは、どんなテストでも決着しない。正しい手法は実験デザインに依存するからだ。

ドメインスキルが、今年の前半にトレンドを埋め尽くしたコーディングスキルと違うのはここだ。diffを整形するスキルは機械的に検証できる。t検定か混合モデルかを決めるスキルはできない。それを176個の「検証済み」の兄弟と一緒にパッケージで配れば、実際には持っていないかもしれない保証水準を暗示することになる。

対応リストこそが戦略

リポジトリはCursor、Claude Code、Codex、Pi、Antigravity、そしてオープンなAgent Skills標準で動くとしている。このリストは機能一覧より面白い。一つのエージェントでしか動かないスキルライブラリは、そのエージェントの機能だ。六つで動くスキルライブラリはインフラであり、インフラはどのエージェントが勝つかに賭けたくない人たちに採用される。

同時に、このライブラリを厄介な位置に置く。オープンなAgent Skills標準はまだ若く、ホストごとに実装が少しずつ違う。スキルをどこに置くか、どう発見されるか、どんな権限が与えられるか。177個のスキルを六つのホストで保守するのは、スキル数より速く増えるサポート負担だ。こういうプロジェクトはたいてい、ここで統合するか、二つのプラットフォームに静かに絞るかになる。

ただ、ラボにとっては移植性こそが要点だ。質量分析のパイプライン用にスキルを書いたポスドクは、来年PIのグラントがどのツールを買っても、そこで動いてほしい。

実際に研究している人にとって何が変わるか

三つある。重要になるのが早い順に。

一つ目は地味な勝ち。文献とデータベースの検索が、モデルが引用をでっち上げる場所ではなくなる。スキルが実際のインデックスに問い合わせるなら、参照文献は本物か、呼び出しが失敗するかのどちらかだ。今は何時間も検証に費やしているワークフローにとって、これは測定可能な改善だ。

二つ目は、再現性に新しい成果物が加わること。名前のついたスキルと固定したバージョンで組んだパイプラインは、チャットログより再現性が高い。再実行できるからだ。実際に誰かがバージョンを固定するかは別問題で、ソフトウェアサプライチェーンの初期の証拠は心強いものではない。

三つ目は最も遅い。分業が変わる。科学者の仕事は「ツールを操作する」ことではなく、「どの問いに計算資源を割く価値があるかを決める」ことになる。これは誰もが宣伝しているAI科学の姿だ。それが来るとしたら、ブレークスルーではなく、177個の地味なインターフェースファイルを通じて来る。

見ておくべきこと

スキルの数が増え続けるのか、それとも減り始めるのかを見るといい。永遠にスキルを追加し続けるディレクトリはコンテンツマーケティングだ。統合し、非推奨にし、何が壊れたかを公開するディレクトリは、人が依存するツールだ。

そして、これらのどれかが論文の方法セクションに引用されるかどうかも見ておくといい。その瞬間、スキルは便利なものではなくなり、科学記録の一部になる。そこにはレビューの義務が全部ついてくる。誰もまだそれを解かされていない。誰かが解くことになる。おそらく一年以内に。