NEW · 2026-05-30 主力サービス展開 · ソース MIT 次テーマ = マルチエージェント
SlimeTree-RLM × プラットフォーム連携 ハブ
各 SNS / 業務プラットフォームの API に RLM 前処理 (D/µ/R 機械分類 + SHA-256 audit chain) を被せる。LLM 代を 60-80% 削減、Gemini / Claude / OpenAI どれでも同じ削減率。
公開中プラットフォーム (3)
各カード = platform hub への入口。各 platform は 6 経路すべて MIT 公開、ブラウザ単独で動作 (localStorage-only LLM key)。
公開中LLM 中立
Meta 連携 ― 6 経路
Facebook / Threads / Messenger / WhatsApp / Instagram / Graph API 全 6 経路。LLM 委譲は Gemini / Claude / OpenAI 自由選択。
公開中XGrok 専用
X (旧 Twitter) 連携 ― 6 経路
X API v2 + xAI Grok の Platform-native 構成。X account 認可で動作、Grok 委譲で他 LLM の access 制限を回避。
公開中GoogleGemini 専用
Google Workspace 連携 ― 6 経路
Gmail / Calendar / Drive / Sheets / Workspace API 全 6 経路。同一 Google アカウント / 1 課金体系、Gemini 無料 tier (15 RPM) 利用可。
予定 プラットフォーム (3)
追加順 = 需要 + Platform-native LLM 整合のしやすさで判断。
予定MicrosoftAzure OpenAI 専用
Microsoft 365 / Azure 連携
Outlook / Teams / SharePoint / OneDrive / Graph API + Azure OpenAI。Entra ID で全社統合認可、enterprise の主戦場。
予定SlackLLM 中立
Slack 連携
Channels / DM / App Home / Workflow Builder + 任意 LLM。Slack Marketplace 申請、商用ワークフロー直結。
予定LINELLM 中立
LINE / LINE WORKS 連携
Messaging API / LINE WORKS / LIFF + 任意 LLM。国内 SMB / 自治体 / コンシューマ向け接点、Webhook 設計済。
アーキテクチャ ― RLM 前処理 + Platform-native LLM 原則
全 platform で共通の処理パイプ:
[入力 prompt / event]
↓
┌──────────────────┐
│ SlimeTree-RLM │ ← 272 KB WASM、ブラウザ単独
│ D/μ/R 機械分類 │
└──────────────────┘
↓ (D=即時応答 / μ=機械抑制 / R のみ LLM へ委譲)
┌──────────────────┐
│ Platform-native │ ← Meta=neutral / X=Grok / Google=Gemini
│ LLM │
└──────────────────┘
↓
┌──────────────────┐
│ SHA-256 WAL chain│ ← 全 step 監査記録、規制対応
└──────────────────┘
↓
[出力 + audit log]
Platform-native LLM 原則
platform 側 access policy・課金体系・SSO 整合を最重視。「どの LLM でも動く」けれど、その platform で自然な LLMを first-class で扱う。
| プラットフォーム | 標準 LLM | 理由 |
|---|---|---|
| Meta (FB / Threads / WhatsApp / Instagram) | Gemini / Claude / OpenAI 自由選択 | Meta 側に native LLM 紐付なし、ユーザの好きな LLM を中立に支援 |
| X (旧 Twitter) | Grok 専用 (xAI) | X-native、競合 LLM への直接アクセス制限を回避、X Premium / API tier との整合 |
| Google Workspace | Gemini 専用 | 同一 Google アカウントで Workspace + Gemini 一元管理、無料 tier (15 RPM) あり |
| Microsoft 365 (予定) | Azure OpenAI 専用 | Entra ID / Microsoft Purview 統合、enterprise 課金一元化 |
| Slack (予定) | 中立 (任意 LLM) | Slack 側に native LLM 紐付なし、enterprise 既存 LLM 契約を尊重 |
| LINE (予定) | 中立 (任意 LLM) | 同上、国内 SMB の LLM 選好が分散している |
NEXT THEME · 2026-05-30 既存 18 経路に乗る拡張
★ LLM マルチエージェント対応
RLM を 「単発 LLM 委譲」から「マルチエージェント orchestrator」へ昇格させる次テーマ。
既存 18 経路の構造を一切変えず、R 判定の中身を複数 agentに拡張するだけで成立する設計。
6 パターン候補
優先 1stB
コスト階層 escalation
安い LLM (Gemini Flash) で試行 → RLM が品質判定 (R-meta verdict) → 不足なら高品質 LLM (Claude Opus / GPT-5) へ。
既存 73% カットの上に更に 50-70% 削減。数値が一番ハードに刺さる。
優先 2ndA
クロスバリデーション
2 LLM (Gemini + Claude 等) に同時委譲 → 出力比較。一致 = 統一応答、不一致 = 人手 review flag。
高精度要件 (金融 / 医療 / 法務) 向け。
優先 3rdF
投票 / コンセンサス
N 個の LLM が独立応答 → RLM が aggregator (vote / average)。
一致率 = confidence score。classification / fact-checking 向け。
C
専門エージェント routing
RLM-2 層で domain 分類 (code / legal / medical / general) → 適切 agent + system prompt → LLM 選択。
enterprise multi-domain support 向け。
D
orchestrator-worker
1 LLM が planning → 複数 worker に並列分散 → RLM が結果 merge。
大型タスク parallel 化 (research / 多段問題解決)。
E
debate / critique ループ
LLM A 提案 → LLM B 批評 → A 修正 → 反復。RLM が収束 / 発散検知、loop 上限制御。
code review、文書 drafting 向け。
RLM が orchestrator として優位な理由
| 項目 | 一般 multi-agent framework (LangGraph 等) | RLM 拡張 |
|---|---|---|
| 既存 LLM 呼出 | フレームワーク内に閉じる | 既存 D/μ/R 判定の R を細分化、無改造で乗る |
| audit trail | フレームワーク独自 log | SHA-256 WAL chain が全 agent 呼出を記録、規制対応即適合 |
| cost 削減 | agent 設計次第 | D/μ 既存削減 (73%) の上に B パターンで更に 50-70% 削減 |
| platform 統合 | 別途配線 | 既存 18 経路にそのまま乗る (Meta / X / Google で共通) |
| LLM 自由選択 | 多くは provider 固定 | Platform-native 原則維持 (X → Grok 多 agent、Meta → Gemini + Claude 同時等) |
★ 動く実装 ― 全 18 demo + 専用 page + shared module 完走 (2026-05-31)
shared module + 18 demo + 専用 page 全てに B mode (cost-tier escalation) 実装済 + JS syntax 検証済 (local + live)。Claude Code / OpenAI Codex 等の AI agent からも直接 import 可。
★ shared module (MIT, ES module)
/integrations/slimetree-rlm-multi-llm.js (250 line, 10 export, 4 provider = Gemini/Claude/OpenAI/Grok)
import { callLLMWith, judgeResponseQuality, MODEL_CATALOG } from '...'
専用 demo page (6 パターン showcase + 実測 dashboard)
- /integrations/multi-agent-demo/ ― A/B/C/D/E/F を 1 page で並列実行、Gemini 1 key (無料 tier 可)
- ★ NEW: /integrations/measurement/ ― 示算 → 実測値置換のための batch runner dashboard。150 サンプル prompt を Flash → Pro 階段で実行、escalation 率実測 + JSON export
全 18 demo (Gateway 3 + bot 15、全て B mode 実装済)
各 bot に bot-specific extra judge 実装済 (PII 要求 / 断言調 / 競合言及 / 風刺判別 / 役員 keyword / 機密+公開 / クレカ pattern 等 18 種)。enterprise PoC 向けの業務固有 escalation の素地。
共通仕様 (全 18 経路)
| ライセンス | MIT (全 18 経路の demo + RLM mock module 含む)、商用利用可 |
|---|---|
| 動作 | ブラウザ単独 (静的 HTML + JS、サーバー側コード不要) |
| RLM 本体 | 272 KB WASM 1 ファイル、SharedArrayBuffer + Atomics で並列処理 |
| LLM key 保管 | localStorage 限定、ブラウザ外送信なし。各 LLM provider 直接 API call |
| audit chain | SHA-256 hash chain (WAL)、エクスポート可、改ざん検知 |
| エラー時 | rollback (非可換側のみ伝播)、特許請求項 21, 35-37 |
| パイプライン視覚化 | 各 demo に live indicator 内蔵、D/μ/R 判定の様子をリアルタイム表示 |
| セキュリティ境界 | RLM 判定はブラウザ内で完結、LLM への送信は R 判定分のみ |
| 削減効果 | LLM 代 60-80% 削減 (D/μ で機械処理する分、LLM call 自体が発生しない) |
関連ページ
- サービスとしての提供: /ja/service/rlm-integrations/ ― コスト例 6 tier 比較、提供形態
- SlimeTree-RLM 学術一次資料: /ja/resource/slimetree-rlm/ ― 3 bench × 4 LLM、論文 v10、特許 1-44
- SlimeTree-RLM 製品ページ: /ja/products/device/slimetree-rlm/ ― 適用シナリオ、enterprise 向け
- 各 platform hub: Meta / X / Google
- 解説 blog: たった 272 KB で LLM の嘘を 3 分の 1
- 商談 / NDA: お問い合わせ / パートナー
