nanobotは、香港大学データインテリジェンスラボ（HKUDS）が2026年2月に公開した超軽量のパーソナルAIエージェントランタイムである。GPTがどのようなテキストでも処理するように、nanobotはどのようなLLMでも、単一の一貫したエージェントループ内で実行できるように設計されている。メッセージ受信、LLMによる意思決定、ツール呼び出し、コンテキスト管理という主要なエージェントパイプラインを、最小限のPythonコードで実装しつつ、WebUI、メッセンジャー連携、MCP（Model Context Protocol）ホスティング、長期記憶、定期的なスケジュール設定など、実用的なコンポーネントをモジュール単位で追加できる構造を採用している。 既存のエージェントフレームワークの限界は、複雑さである。LangChainやAutoGenなどの大規模なフレームワークは、数万行もの抽象化レイヤーを積み重ねており、研究者が内部動作を把握したり、特定のコンポーネントだけを置き換えたりすることが難しい。nanobotは、その逆の哲学を採用している。エージェントループの主要なロジックを読みやすい数千行レベルに保ちながら、30種類以上のLLMプロバイダー（OpenAI、Anthropic Claude、Google Gemini、DeepSeek、Ollama、vLLM、LM Studio、AWS Bedrock、Azure OpenAIなど）を、名前付きプリセットとフォールバックルーティングで切り替えられるようにした。MCPサーバーを複数接続して外部ツールをエージェントに公開し、トークンベースの2段階記憶システム（Dream）で、長期セッションでもコンテキストを自動的に圧縮・復元する。さらに、自然言語ベースのcronスケジュール、サンドボックスコード実行、サブエージェントのバックグラウンド実行もサポートしているため、単純なチャットボットを超えて、継続的に目標を追跡するエージェントを構築できる。 生命工学の研究者の視点から見ると、nanobotの価値は、「インフラストラクチャへの依存なしに、自分だけのAIアシスタントを迅速に構築できる」点にある。例えば、論文モニタリングエージェントを作成し、PubMed APIをMCPツールとして接続し、cronで毎日新しい論文を収集した後、要約をTelegramやSlackに送信するパイプラインを、数十行のコードで完成させることができる。実験データのプリプロセスワークフローでは、ローカルLLM（Ollamaなど）をエージェントに接続し、機密データを外部APIに送信することなく、自然言語による指示でCSVの精製、統計要約、可視化スクリプトの生成を自動化できる。WebUIがPython wheelの中に組み込まれており、別途ビルドすることなく`nanobot run`でブラウザベースの管理画面が開かれ、Dockerコンテナでのデプロイもサポートしているため、ラボサーバーに常時稼働する研究支援エージェントを運用するのに適している。