Grok Bot の答え：各 bot にクラウド PC を 1 台

すべての Grok Bot には、専用の PC が割り当てられます。この PC はクラウド上で動作するため、常に起動しています。あなたがノート PC を閉じて離れても、タスクはそのまま実行されます。できることは、あなたが自分の PC の前でできることと同じです。Web の閲覧、アプリの起動、ファイルの読み書き、スクリーンショットです。

技術的には常駐の Linux 仮想マシンです。使用感としては、非常に高速で常時稼働のリモートデスクトップに近いものです。作成した各 bot はその上に存在します。

そのマシンの様子です。ファイルマネージャーが /workspace ディレクトリ（11 フォルダ、30 ファイル、42.8 MB。tech-demos、writing、paintings などの名前が見えます）を開いており、その隣にターミナル、プロンプトは box@cursor、下部に Chrome があります。右上の「Teach a task」ボタンは、後述の「デモを見せて学習」機能です。

作成したすべての bot は、この 1 台のマシン上のファイル、ブラウザ、セッションを共有します。あるサイトで一度ログインすれば、その後はどの bot もそのセッションを利用できます（自然に失効するまで）。デスクトップ版でチャットしている場合は、ローカルファイルも読み取れます。

スマートフォンでの見た目は、この製品が何を目指しているかをより明確に示しています。iMessage のような会話リストで、bot がプロジェクトごとにグループ化され、各アバターはカラフルなドット。タップするとチャットが開きます。

iOS の会話リストです。General グループには General Agent、Cursor グループには Writing Bot、Content Agent、Product Digest、Cursor Product Expert、Tech Demos が並び、それぞれ最新メッセージのプレビューが表示されます。同僚で溢れたチャットリストと変わりません。

だから API を公開していないサイトでも、Grok Bot は使える

これまでプログラムにサービス操作を代行させるには、その企業が API を公開しているか、MCP を提供しているかが前提でした。公開するかどうかは相手次第です。大手は公開、中小は非公開、新システムは公開、社内の老舗バックエンドは非公開のまま、そして永遠に公開されません。自動化したいなら、待つか諦めるしかなかったのです。

Agent に PC を持たせると、この前提は変わります。Agent が直面するのはブラウザ上の画面であり、判断基準はただ一つ。この画面は、人間がクリックできるか？クリックできるなら、代わりにクリックしてくれます。

公式発表では、この点をより明確に述べています。bot はアプリ、ツール、Web サイトを横断して作業でき、クリーンな API も MCP もないプラットフォームを含むと。自動化の範囲は、「API が公開されたサービス」から「ブラウザで開けるすべて」に拡大しました。

しかし、ログインと支払いは通過できず、Grok Bot は PC を返却する

画面ベースで作業するということは、人間をブロックするために作られたものには、bot も同様にブロックされるということです。ログイン、シングルサインオン、二段階認証、CAPTCHA、支払い確認などです。

これらの関門に直面すると、PC の操作をあなたに返却します。あなたが手動でその関門を通過し、再び PC を bot に返すと、bot は作業を再開します。

詰まるのを待つ必要はありません。普段から作業内容が見えます。デスクトップ版の右側には常時、そのクラウド PC の現在の画面が表示され、どの Web ページを開いて、どのステップを実行しているかを一目で確認できます。

この関門を通過する必要があるのは一度だけです。通過後、そのセッションはクラウド PC に残り、すべての bot が自然に失効するまで再利用できます。bot ごとにログインし直す必要はありません。

そのクラウド PC 内の Chrome です。Costco の配送ページと Amazon の 2 つのタブが開いています。Amazon にはログイン済みで、右上に「Hello, Matt」、配送先はサンフランシスコ 94107、カートには 2 点入っています。このセッションが、すべての bot が共有するセッションです。

また、より単純な認証情報（API キーなどのプレーンテキスト）は、この方法を取る必要はありません。bot が安全なフォームを送信してくるので、そこに入力します。MCP サービスや各種 API キーの設定は、この方法で行います。

Grok Bot は、あなたの作業を一度見てルーチンとして保存する

反復的な作業を覚えさせる方法は、あなたが一度作業するのを bot に見せることです。ステップを記録し、固定ルーチンとして保存し、次回からは自動で実行します。

保存されたルーチンは、スケジュール実行または外部イベントでトリガーできます。Slack に新しいメッセージが届いた、Git に新しいコミットがプッシュされた、などが該当します。bot に直接トリガーを作成させることも、手動で細かく調整することもできます。

ルーチンの全体像です。名前は「Open DoorDash carts」。指示欄には平易な文章が書かれており、#food-315 と #food-295 の Slack チャンネルに新しい DoorDash グループ注文の投稿（通常 drd.sh/cart/... のようなリンク）がないか確認し、この会話で既に報告したものと比較して、実際にまだ開いているものだけを報告する、とあります。トリガー条件は 2 つで、これらのチャンネルに「drd.sh」を含む新しいメッセージが投稿された場合です。上部には Active スイッチと「Test run」ボタンもあります。

指示欄には文章を入力します。トリガー条件はメニューから選択するため、式を書く必要はありません。何をさせるかを変更するには、その文章を編集します。

保存されたルーチンはデスクトップ版のパネルに一覧表示され、それぞれに実行スケジュールが表示されます。毎朝 8 時に朝のブリーフィングを生成、平日 18 時に受信トレイを整理、などです。一時的に実行したくないルーチンは一時停止でき、パネルには「一時停止中」と表示されます。

さらに、記憶は 3 層構造。bot 同士でタスクを依頼することも可能

bot が記憶する情報は 3 層に分かれており、それぞれ役割が異なります。

Agent 層のプロファイル・ファイルは、その bot のトップレベル設定のような役割です。自分が誰で、何を担当し、どのようなルールで作業するかが定義されています。この 3 層を保持していても、チャットの応答速度は速く、期待以上です。

また、bot 同士は独立して動いているわけではありません。互いにメッセージを送信し、トリガーし、同じグループチャットやプロジェクト内で協力できます。統括 bot が他の bot を指揮する構成も可能です。xAI 社内で一般的な構成は、「参謀長」が上位にいて、その下に受信トレイ、経費精算、採用、バグ修正、運用など、各分野の専門 bot が配置されるというものです。

公式プロダクト画像（プロモーション素材のため、UI の人名や 9:41 は演出です）。この構成を 1 画面で表しています。左の列はこの人物の bot チームで、各 bot のステータスが表示されています。受信トレイ担当は「受信トレイを整理済み、返信待ち 2 件」、採用担当は「候補者リスト 6 名準備完了」、カスタマーサポートは「チケット 12 件処理、2 件エスカレーション」、経費担当は「領収書を分類済み、1 件要確認」、請求書担当は「ベンダーポータルから請求書 9 件取得」。中央は参謀長との会話で、前回の議事録と CRM から顧客の進捗を調べ、「#brightside-shared チャンネルに製品アップデートを同期しました」と返信しています。右側の上半分はその PC の現在の画面、下半分はルーチンパネルです。一番右のスマートフォンには同じ bot が表示されています。

チャットストリームに表示された通知：この bot が Cursor Product Expert という別の bot にヘルプを依頼しました。

別の通知：ルーチンが更新された後、ユーザーが「Nice - looks good」と返信し、bot がこのメッセージに 👍 を付けました。

コード作成などのタスクは Cursor に直接接続

両社が同じ企業グループであるため、bot は Cursor のクラウド Agent を起動してコードを作成できます。完了した PR カードはチャットストリームに直接表示され、変更ファイル数、追加・削除行数がカードに表示されます。GitHub に移動するボタンと、Cursor で開くボタンがあります。

チャットストリーム内の PR カード：タスク「Build img2threejs playground MVP」が完了、ブランチ cursor/img2threejs-playground-mvp-3041、PR #1、23 ファイル変更、1,425 行追加、2 行削除。上部のレポートには、参照画像を実際の写真に変更したこと、モデル再構築の結果が保存されたファイルが記載されています。

GitHub コネクタの設定も簡単で、設定後は bot がコマンドラインで gh コマンドを実行したり、新しいリポジトリを作成したりできます。

接続可能なものも同様です。プラグイン、コネクタ、スキルパックは Cursor と共通のため、基本的なコネクタはすぐに利用できます。Notion、Slack、GitHub、そしてチームが独自に構築した MCP サービスなどです。Cursor で設定済みのコンテキストソースは、追加コストなしでそのまま利用できます。

プラグインマーケット。上の段の Gmail、Google Calendar、Google Drive、Notion、Slack はインストール済みで、Granola は未インストール。下の段は Agent オーケストレーション系で、Arize、Atlan、AWS Agents、AWS SageMaker、Browserbase、Composio（1,000 以上の外部アプリと連携可能と謳う）、Context7 があります。

結局、Grok Bot を制御するのは、一段の平易な文章

PC を持ち、あなたのセッションを持つ Agent は、本当にあなたの指示通りに動くのでしょうか？ それをどうやって確認するのでしょうか？

PC を持つ Agent にあなたの Amazon アカウントへログインさせた場合、技術的には、あなたと同じように何でも購入できます。

Matt Pauls

それを制御するのは、3 つの要素が組み合わさったものです。権限、レビューエージェント、許可・拒否リストです。

ルールは設定画面の Agent 欄に自然言語で記述します。許可・拒否リストは、このレビューエージェントに方向性を与える役割です。一連のアクションはすべて隔離された環境で実行されます。

ルールの実際の例です。前半分には「Grok Bot が、メッセージやソーシャルメディア上でユーザー向けのコンテンツを送信しようとする場合（Gmail、X、LinkedIn、Slack）」と入力され、後半分はメニューから「まず私に確認する」を選択しています。上の行は既に有効な別のルールで、特定の Slack 検索ツールの自動許可です。

多くの人はコードや JSON で Agent にルールを定義することに慣れていますが、ここでのルールは本質的にプロンプトです。あなたが書いた文章が機能するかどうかは、別のモデルがそれに従って行動するかどうかにかかっています。

この設計は、最初は確かに不安に感じました。しかし、数週間使用しても、越権行為は見られませんでした。また、「最近の研究では、自分自身よりも Agent を信頼すべき段階に来ている」という記述もありますが、出典は示されていません。

そこで Matt Pauls 自身が 4 つの bot を運用

すでに以下のようなタスクで使用されています。あなた自身の文体でサプライヤーと価格交渉（in their own voice、つまり普段の文章スタイルで。音声を使うわけではありません）、自社 EC サイトのカスタマーサポートチケット監視、CRM の最新状態維持などです。

公式に挙げられている役割は 8 つです。営業開拓、採用、広告運用、経費精算、プロダクトデータ、バグ再現、顧客ヘルスチェック、そしてこれらを統括する参謀長です。

Matt Pauls 自身が運用しているのは以下の 4 つで、それぞれ異なるスケジュールで稼働しています。

Demo Bot：「新しいものを試す」障壁をゼロにする

彼が最も気に入っている bot です。なぜなら、特定の怠惰を解消してくれるからです。面白い新しいツールを見つけてブックマークに追加したまま、二度と開かない、という習慣です。Demo Bot は毎日ブックマークを確認し、1 つ選んで、すぐに動作するものを作成してくれます。

その時に選ばれたのは、写真を Three.js コードに変換するスキルパックでした。作成されたプロトタイプはローカルの 5173 ポートで動作します。左側はレトロなインスタントカメラの参考写真、中央は同じカメラの 3D レンダリング（ドラッグして回転可能）、右側は生成された TypeScript コードで、コピーとダウンロードボタンがあります。ページ下部には、出力が編集可能なコードであり、モデルファイルではないと明記されています。

各 Agent は、実行内容を証明するために画面収録を使用します。ログを読む必要はなく、再生を見れば、問題のある操作をしたかどうかがわかります。

買い物 Bot：無理に注文をまとめるのではなく、判断を下した

彼は買い物自体は嫌いではありませんが、配達サービスのインターフェースが嫌いです。この bot は Instacart と Amazon で商品と価格を比較し、2 つのカートを管理し、配達料も計算してくれます。

その時のレポート：Costco のカートには 3 点、キムチ $7.45、デーツ $16.16、18 オンスのブルーベリー $4.96、合計 $28.57。さらに牛乳 2 本は Amazon 側に残っています。添付されたカートのスクリーンショットには配達時間 5:06–5:16pm と「あと $6.43 で送料無料」と表示されています。

生のブラックベリーはこの Costco では在庫切れでしたが、bot はカートに入れず、冷凍品で代用することもせず、空のまま彼に報告しました。在庫切れの際に代替品に変更するかどうかは判断が必要ですが、bot は正直に報告することを選びました。

DoorDash Bot：最後のステップは人間に残した

チームは Slack で DoorDash のグループ注文をよく行いますが、彼は DoorDash の使い方にあまり慣れておらず、「チキンライスか、チキンとライス別々か」といった選択で迷い込んでしまいます。この bot は Slack のグループ注文リンクを監視し、注文があれば彼に知らせます。

会話内のリクエストは、高タンパク・シンプルな主食・低脂肪・普段はシンプルなものを好む、というものでした。bot は「了解しました。ボリューム重視ではなく、あっさり系でいきます」と返信し、sweetgreen のカートから実際の価格付きのシンプルなオプションを引き出しました。シーザーサラダ $18.25、クラシックチキンシーザーラップ $15.95、Super Green Goddess $14.95（最も安いフルサイズサラダ）、ローズマリーフォカッチャ $3.50。さらに、他の 2 品は手間がかかり高価なのでスキップすることを提案しました。

bot は彼の代わりに注文はしませんでした。

カートはまだ開いていて、5 時に自動注文されます。私は参加も、何かを追加もしていません。どれにするか教えていただければ、操作します。

DoorDash Bot のレポート

bot はメニューを取得し、価格を明確にし、提案を十分に行った後、最後のステップで一言待ちました。同じ会話内でカウントダウンも監視しており、別の店舗に変更した後、自動注文時間が 5:15 に延びたと付け加えて報告しました。まだ余裕があります。

価格と利用開始条件

Grok Bot は現在、早期テスト版です。8 月 11 日に公開されました。デスクトップ版と iOS は今すぐ利用できますが、企業向けは順番待ちです。

すでに 3 つのサブスクリプションプランに含まれています。SuperGrok Heavy、Cursor Ultra、Cursor Teams Premium です。価格だけ見ると、Cursor Ultra は月額 200 ドル。チーム版の Cursor Teams Premium は、シートあたり月額 120 ドルで、差額は一括請求、チーム専用のスキルとプラグインマーケット、共有利用分析、エンタープライズ向けシングルサインオンに対応します。

公式の説明によると、これは元々社内プロトタイプであり、社内で人気が出て、営業、マーケティングイベント、オフィス管理、バグ修正のチームが使用していたため、一般公開を決定したとのことです。

インターフェースを簡素化し、雑務を排除すること。これこそがこの未来の本質です。あなたが口にすれば何でも手に入る未来。

Everything is computer（万物はコンピューター）。Grok Bot もまた一台のコンピューターです。結局、私が求めていたのはこれだけだったのです。

Matt Pauls

そして、その代償も明確に示されています。あなたのアカウントで Web サイトを操作できる PC を手放すこと。それを監視しているのは、あなた自身が書いた数行の平易な文章です。

これまでプログラムにサイト操作を代行させるには、相手が API（ソフトウェア間で連携するためのインターフェース）または MCP（AI 向けツールプロトコル）を公開している必要がありました。公開するかどうかは相手次第です。Agent に PC を持たせると、前提は次の一言に変わります。この画面は、人間がクリックできるか？ クリックできるなら、Grok Bot は操作できます。

xAI の製品ページでは、この点をより明確に述べています。Grok Bot はアプリ、ツール、Web サイトを横断して作業でき、クリーンな API も MCP もないプラットフォームを含む、と。

画面が人間をブロックする場所では、Grok Bot も同様にブロックされます。ログイン、二段階認証、CAPTCHA、支払いなどです。これらの関門に直面すると、PC の操作をユーザーに返却し、ユーザーが関門を通過した後、再び PC を受け取って作業を再開します。通過後のセッションはそのマシンに残り、その後はすべての bot が自然に失効するまで利用できます。

あなたのアカウントを使い、あなたが開けるすべての Web ページを操作できるエージェントが、越権行為をしないことをどう保証するのか。それを制御するのは、設定画面に自然言語で書かれたルールです。Grok Bot が何かアクションを起こすたびに、独立したレビューエージェント（チェックを専門に行う AI。会社の経費精算の承認者のようなもの）がまずこのルールを確認し、許可、拒否、またはあなたへの問い合わせを決定します。

Matt Pauls 氏自身の見解：多くの人はコードや JSON で Agent にルールを定義することに慣れていますが、ここでのルールは本質的にプロンプトであり、機能するかどうかは別のモデルがそれに従うかどうかにかかっています。当初はこの設計に不安を感じたものの、数週間使用しても越権行為は見られなかったとのことです。この体験記は、Cursor の従業員が関連会社の製品について書いたものであり、第三者による評価ではありません。

これらの bot はそれぞれ独自の作業記憶を持ち、互いにメッセージを送信し、タスクを依頼することもできます。

• Demo Bot：毎日 X のブックマークを確認し、新しい技術を 1 つ選択。プロンプトを作成して彼の確認を受け、承認後、Cursor で動作するプロトタイプを作成。
• Content Bot：1 時間ごとにエンジニアリングとプロダクトの Slack チャンネルをスキャンし、小さなアップデートを発見したらリマインド。ワンクリックでツイートの下書きに変換可能。
• 買い物 Bot：Instacart と Amazon の両方を確認し、価格比較、2 つのカート管理、配達料計算を行い、金曜日に注文をリマインド。Costco で在庫切れだった生のブラックベリーは、冷凍品で代用せず、空のまま報告。
• DoorDash Bot：Slack のグループ注文リンクを監視し、実際の価格付きメニューを取得。ただし、彼の代わりに注文はせず、「何を買うか」の決定は人間に委ねた。

このページの数字の出典：15 分、$28.57 は Matt Pauls 氏自身の使用記録によるもので、個人の使用記録であり、正式なベンチマーク結果ではありません。サブスクリプション価格は xAI の製品ページから。