クイックスタート

数分で Muse Code を使い始める。

Muse Code は macOS、Linux、Windows 向けに一般提供されています。大規模リポジトリでの複雑なソフトウェアエンジニアリングタスク — 変更の計画、コードの記述、結果の検証 — を、すべてターミナルの中で完結できます。

1. インストール

コマンド1つで CLI をインストールできます。

$curl -fsSL https://dev.meta.ai/install.sh | bash

スクリプトが muse バイナリを PATH に配置します。muse --version で確認してください。先にスクリプトの中身を確認したい場合は、-o install.sh でダウンロードして内容を監査してから実行します。

Windows

Windows にはネイティブのインストーラーがあります。PowerShell で irm https://dev.meta.ai/install.ps1 | iex を実行し、muse --version で確認してください。Windows ではエージェントが Bash ではなく PowerShell でコマンドを実行し、サンドボックスの初回起動時に UAC プロンプトが表示されることがあります。また、音声入力とセッション間メッセージングは使えません。これらの機能や Bash のツールチェーンが必要なら、代わりに WSL2 を使ってください。管理者として開いた PowerShell で wsl --install を実行し、Linux シェルの中で macOS/Linux 用のインストーラーを実行します。その場合、リポジトリは /mnt/c 以下ではなく Linux 側のファイルシステム（例: ~/code）に置いてください。境界をまたぐファイルアクセスは大幅に遅くなります。

2. 認証

初回実行時にブラウザが開き、dev.meta.ai で Meta 開発者アカウントによる認証を行います。認証情報はローカルにキャッシュされるため、セッションごとの再認証は不要です。利用料は月額プランに計上されます。従量課金の場合は Meta Model API 経由で課金されます。

非対話環境での実行。 CI、スクリプト、ヘッドレスマシンでは、ブラウザフローの代わりに API key を使います。Model API ダッシュボード（API keys → Create API key）で作成し、環境変数 META_API_KEY としてエクスポートするか、muse auth set で保存してください。キーは LLM_ で始まります。Muse Code はまず META_API_KEY、次に保存済みのキー、最後にブラウザセッションの順に確認します。/login でサインイン方法を選び直せ、muse logout で保存済みの認証情報を削除できます。

3. 最初のタスクを実行

認証が済めば、どのプロジェクトディレクトリからでもすぐに始められます。

$ cd my-repo$ muse

欲しい結果を普通の言葉で伝えてください。最初のタスクは小さくて検証しやすいものが最適です — 「parseDate に足りないテストを追加して、パスすることを確認して」— ワーカーが変更を起草し、レビュアーが指摘を入れ、テストが実行される様子を見られます。

初日から知っておきたいコストの調整ポイントが2つあります。まず、Muse Spark は推論モデルです — 回答の前に思考し、その思考トークンは出力として課金されます。/effort でタスクごとに思考量を上げ下げできます。また、口調やフォーマットなどの恒常的なルールはシステムメッセージに書いておけば、プロンプトのたびに繰り返す必要はありません。

アップデートとアンインストール

Muse Code は自動でアップデートされます。インストーラーが導入するランチャーがバイナリを常に最新に保ち、CLI 1.4.11 以降は、自動アップデートの間も動いていたセッションが履歴ごと再開されます。現在のバージョンは muse --version で確認し、変更履歴と見比べてください。インストールコマンドを再実行しても最新ビルドを入手できます。アンインストール用のコマンドは Meta のドキュメントにはありません。macOS と Linux では、インストーラーがランチャーを ~/.local/bin に置き（muse と、バージョン付きの muse-bin-* ファイル）、そのディレクトリをシェルのプロファイルに追加するので、これらのファイルを削除すればアンインストールできます。設定は ~/.config/muse/ にあります。Windows では Get-Command muse でバイナリの場所を確認できます。サブスクリプションは Accounts Center で別途解約してください。CLI を削除しても課金は止まりません。

非同期バックグラウンドエージェント

Muse Code は、シンプルなエージェントループに加えて、メインエージェントの能力を補強する一連の非同期バックグラウンドエージェントで動作します。これらの専門エージェントはタスクごとに生成されるのではなく、セッションを通じて稼働し続けるため、情報収集の重複を避けられます。次のステップを自律的に進め、メインエージェントへ報告するタイミングも自分で判断します — この常駐性がレイテンシを下げ、難しい多段タスクでの軌道修正の手間を減らします。

エージェントのファンアウトと git worktree

ジョブが複数のタスクに分かれると、それぞれが自動的に別のエージェントへファンアウトします。親エージェントはタスクごとに書き込み可能な子エージェントを生成し、各子エージェントは自分専用の git worktree を持ちます — 並列に動く子エージェント同士が同じファイルで衝突することはなく、作業コピーは常にクリーンなままです。

ワークフロー（Workflows）

Muse Code のベータ終了とともに追加された Workflows は、専門エージェントのチームを束ねて大きめのジョブを進めます。各ステージが中間成果を次のステージへ引き渡し、最後に1つの結果が返ってきます。Muse Code に「ワークフローを使って」と頼めば開始でき、effort を ultra に設定すると自動的に起動することもあります。/workflows ではすべての実行をライブで確認でき、そこから停止・再起動・キャンセルが可能です。保存したワークフローは再利用できます。

セッション間メッセージング

同じマシン上で動いているセッション同士は、ローカルの Unix ソケット経由でメッセージをやり取りできます。あるセッションでの変更が、別のセッションで作っているものに影響する場合は警告を送ります。別のセッションが行き詰まっている問題にあるセッションが答えを出した場合は、その答えを届けます — ターミナル間で同じ内容を打ち直す必要はありません。エージェントは2つの組み込みツールでほかのセッションを見つけ、メッセージを送ります。

イベントログと巻き戻し

Muse Code はローカルのイベントログを使い、すべてのモデル呼び出し、ツール実行、承認、編集をそこに追記していきます。この単一の情報源のおかげで、ランタイムは正確に再生でき、再起動にも安全です。クラッシュ後もエージェントは止まった地点から正確に再開するため、障害に振り回されずに長時間のタスクをこなせます。サブエージェントの生成・誘導・キャンセルはすべて観測可能です — muse replay でセッションをステップごとにたどれるほか、完全なトレースを引き継ぎや監査用にエクスポートできます。Esc を2回押すと、会話を以前の時点まで巻き戻せます。Muse Code が提示する巻き戻しポイントは、イベントログが安全とマークした地点に限られます。

同梱スキルとコマンド

Muse Code には複数のデフォルトスキルが同梱されています — 粗いアイデアを入れると、徹底的に吟味・検証された機能が出てきます。

/planコードに手を付ける前に、タスクを承認ゲート付きの計画に変換

/grillその計画が耐えられるようになるまでストレステストを実施

/goal指定した目標の達成に向けて作業を推進 — 最初に望んだものがそのままマージされる

/workflowsワークフローの実行をライブで一覧表示 — どれでも停止・再起動・キャンセル可能

/modelバックエンドのモデルを切り替え — 例: muse-wonder-1.0 へ。ピッカーでは推論レベルも設定できます

/effort推論量を調整 — 思考トークンは出力として課金されるため、深い推論は難しいタスクに温存

Esc Escイベントログ上の安全な地点まで会話を巻き戻す

muse replayセッションのイベントログをステップごとに再生。完全なトレースは引き継ぎや監査用にエクスポート可能

権限と承認モード

Muse Code は、承認と OS レベルのサンドボックス（macOS では Seatbelt、Linux では bubblewrap、Windows では Windows サンドボックス）が有効な状態で起動します。書き込みはワークスペースと一時ディレクトリに限られ、.git、.muse、.agents は読み取り専用のままです。新しいセッションは Auto-review プロファイルで始まり、定型的な承認リクエストは組み込みの判定役が処理し、それ以外はあなたに判断を委ねます。ほかのプロファイルは Ask me、Read-only、Unrestricted です。既定のプロファイルは ~/.config/muse/settings.json の permissions.default_profile で設定します。押さえておきたいフラグは次のとおりです。

--approval-mode on-request既定値。安全なシェルステップはそのまま実行され、rm -rf のような危険な操作はレビュー待ちで止まります

--approval-mode untrustedより厳格。一致する許可ルールがないシェルステップは、すべてレビュー待ちで止まります

--approval-mode never承認で止まるものはありません。実行内容を封じ込めるのはサンドボックスだけです

--disable-approval承認プロンプトは省略しますが、サンドボックスは有効なままです

--yolo承認なし・サンドボックスなしで、ワークスペースを信頼済みとして扱います。Meta は使い捨ての隔離コンテナでのみ使うよう案内しています

--sandbox-networkproxy-only（既定。接続先ごとに承認）、restricted、unrestricted のいずれか

コマンドが保留されたら、今回だけ許可する、このワークスペースでは常に許可する、拒否する、のいずれかを選べます。MCP ツールとフックはサンドボックスの外で動くため、信頼できるサーバーだけを接続してください。

Muse Spark 1.3

Muse Spark 1.3 は 2026年9月2日にリリースされた、Muse Code を支えるモデルです。1.2 を際立たせた学習レシピ — Muse Code ハーネスとの共同学習、ロングホライズンな作業の徹底的な学習、自己改善ループ — を受け継ぎつつ、実環境での使いやすさに重点を置いています。価格は 1.2 から据え置きです。際立つ点は次の3つです。

より長いスレッド

1つのスレッドの中で複数のワークフローにまたがる長期的な作業を持続し、ステージからステージへコンテキストを引き継ぎます。

推測せずに質問する

より積極的に協働します。確認のための質問をし、行き詰まったときはそう伝え、自分の限界もより正確に把握しています — 達成していない結果を報告したりはしません。

より無駄のない実行

Meta のエンジニアによる比較では、同じコーディング作業を 1.2 よりツール呼び出しを約 20%、トークンを 25% 少なく完了しました — トークン単価は同じなので、そのぶん請求額が下がります。

ベンチマーク（最大推論設定、Meta 発表値）: DeepSWE 1.1 · 75.4% — Terminal-Bench 2.1 · 88.8% — SWEAtlas CodeBase QnA · 59.4%。リリース時点で最大設定はまだ安全性テスト中で、大半の開発者が利用できる設定ではスコアが下がります。手法は research.meta.ai を参照してください。

Muse Wonder

Muse Wonder と Muse Wonder Full は 2026年10月12日にリリースされた、Meta 初のフロンティアモデルです。Muse Spark より大規模で、コーディングや、法務・金融といった分野での長く難しい作業を想定しています。Meta が特に打ち出しているのは、会話をまたいで関連するコンテキストを引き継ぐ Active Memory と、エージェントが目標に向かって作業を続け、重要な操作の前には確認を挟む Active Focus です。Wonder へは /model muse-wonder-1.0 で切り替えられます。API での料金は入力 / キャッシュ済み / 出力 100 万トークンあたり $4 / $0.20 / $20 で、Contributor 版はありません。Muse Wonder Full は Power と Maximum プランでのみ利用できます。

Muse Spark Open

Muse Spark Open は 2026年10月15日にリリースされた、オープンウェイトの Muse モデルです。総パラメータ数 816B、トークンあたりのアクティブパラメータ 42B、コンテキスト長 100 万トークンで、テキスト・画像・動画・音声を入力できます。ライセンスは Meta 独自の Muse Model License で、重みは Hugging Face の meta-models/Muse-Spark-Open-816B-A42B で公開されています。ノート PC で動かすモデルではありません。NVFP4 でも約 700 GB のアクセラレータメモリが必要です。Meta は 2 台の Mac Studio 上でこのモデルを使って Muse Code を動かす様子を披露していますが、ローカル環境の構築手順はドキュメント化していません。コンシューマー向け GPU 1 枚に収まるモデルが必要なら、Muse Glimmer を参照してください。

事例研究: カーネル最適化

Meta は、1,000 回を超えるツール呼び出し — 最長 24 時間 — にわたって GPU カーネルを反復的に最適化する Muse Spark 1.2 の能力をテストしました。Muse Code のエージェント環境の中で、モデルはカーネルを記述・コンパイル・プロファイリングし、ベースラインに対して性能を段階的に改善していきます。ベンチマーク対象は NVIDIA Hopper GPU 向けの KDA および MLA カーネルです。サードパーティ製カーネルライブラリのラップを禁じられた条件下で、モデルはアルゴリズムを Triton で直接実装し、ベースラインを大きく上回る改善を見つけ続けました。

Meta Model API

Muse Code を支えるモデルは直接利用することもできます — Model API では `muse-spark-1.3` と `muse-wonder-1.0` を利用でき、Muse Spark 1.3 は Muse Code、Meta Model API、OpenRouter、Cursor でも提供されています。API は OpenAI SDK、Anthropic SDK、そして OpenCode や Claude Code といったエージェント CLI とドロップイン互換です。クライアントの base URL を差し替えるだけで、残りのコードはそのまま使えます。コンテキストウィンドウは 1,048,576 トークンです。

# export MODEL_API_KEY="LLM_..."client = OpenAI( base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"], ) response = client.chat.completions.create( model="muse-spark-1.3", messages=[{"role": "user", "content": "Hello, world!"}], )

ヘッドレス実行と CI

muse exec "<prompt>" は1つのタスクを最後まで実行して終了します。スクリプトや CI ではこの形を使います。--json を付けると stdout に JSONL 形式のイベントを出力し、--prompt-file ではプロンプトをファイルから読み込み、--max-model-steps で作業量に上限を設け、--session-id で以前のセッションを続行できます。認証には CI のシークレットストアに置いた META_API_KEY を使います。終了コード 0 はターンが完了したことを示すだけで、作業内容が正しいことは保証しません。マージの可否は必ず自前のテストで判定してください。Linux のランナーでは、サンドボックスに bubblewrap と musl 以外のビルドが必要です。

# CI: key from your secret store, JSONL events on stdout$ META_API_KEY="$MUSE_KEY" muse exec --json "fix the failing test in tests/date.test.ts"

他のエージェントで Muse モデルを使う

Meta は、OpenCode、Codex、Claude Code から Model API を使うための設定手順を公開しています。OpenCode と Codex では OpenAI 互換のベース URL https://api.meta.ai/v1 を、Claude Code では Anthropic 形式のベース URL https://api.meta.ai（/v1 は付けない）を指定し、あわせて MODEL_API_KEY と、muse-spark-1.3 や muse-wonder-1.0 などのモデル ID を設定します。Claude Code では ANTHROPIC_API_KEY ではなく ANTHROPIC_AUTH_TOKEN を設定し、すべてのモデルエイリアスを Muse モデルに向けて、Claude へのフォールバックが起きないようにします。Codex では wire_api = "responses" を使うと、推論がターンをまたいで引き継がれます。この使い方は Model API のトークン単位の従量課金で、Muse Code のプランには含まれません。

# Claude Code on Meta's Model APIexport ANTHROPIC_BASE_URL="https://api.meta.ai"export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"export ANTHROPIC_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"

Muse Code SDK

Muse Code のベータ終了以降、開発者プレビューとして提供されている SDK を使うと、チームは Muse Session Protocol (MSP) 上で独自のエージェントを構築できます。MSP は標準入出力を介したオープンなプロトコルで、サーバーもネットワークも不要なため、すべてが手元のマシン内で完結します。TypeScript ライブラリはセッション、ツール、権限制御をカバーし、MSP の機械可読なスキーマを使えば他の言語向けのクライアントも生成できます。ソース: github.com/meta-models/muse-code-sdk。

クックブック

コピーした瞬間から動くレシピ集です — それぞれが1つの明確な課題を解決し、動くコードを示し、次のステップを指し示します。3つのセクションに加えて、Muse Code のコアパターンを扱うレシピも用意しています。全 28 レシピを見る →

API の基礎 · 10 レシピ

各プリミティブの動作を確認: チャット補完、ストリーミング、ツール呼び出し、構造化出力、プロンプトキャッシュ、推論トークン、ビジョン入力、ロングコンテキスト、エラーハンドリング、インライン引用付きの検索グラウンディング。

エージェントパターン · 5 レシピ

モデルをエージェントに変えるループ群: 知覚-判断-行動ループ、推論とツール使用のインターリーブ、複数ターンのコンテキスト管理、検証付きのインプレース編集。

ユースケース · 13 レシピ

エンドツーエンドの実例: ブラウザで検証する Web デザインとゲーム開発、共有カンバンボードで連携する4役構成のマルチエージェント・プロダクトスタジオ、OpenCode 上の自律 GitHub Actions ボット、Linux と macOS でのコンピュータ操作など。

Muse Code レシピ

エージェントのファンアウト — 大きなジョブを隔離された worktree 上のサブエージェントに分割。同梱スキル — 粗いアイデアを入れると検証済みの機能が出てくる。ゴールトラッキング — 望んだものがマージされるまでエージェントをタスクに集中させる。