mini-swe-agentとは？
mini-swe-agent は、SWE-bench と SWE-agent を手がけた Princeton と Stanford のチームによる、意図的に極小に作られたコーディングエージェントです。エージェントのクラスはおよそ100行の Python で、唯一のツールは bash、すべての操作は新しいサブプロセスとして動くので、どのモデルでも動き、呼び出しを1つ差し替えるだけで Docker、Podman、Singularity、bubblewrap、Modal のサンドボックスに組み込めます。
チームは現在、保守のみのモードにある SWE-agent よりもこちらを勧めています。現行はバージョン2（v1 の設定には移行ガイドが必要）で、最新のリリースは2026年7月の v2.4.6 です。README は利用者として Meta、NVIDIA、IBM、Anyscale を挙げています。プロジェクトは SWE-bench Verified で74%を超えるスコアを報告しています。
mini-swe-agentは使う価値があるか？
mini-swe-agent はコーディングエージェント向けの最もすっきりした基準のハーネスで、実用的なアシスタントの代わりにはなりません。GitHub のスターは約8,800で、2026年7月に v2.4.6 を出し、10月19日にもコミットがありました。bash 以外のツールがないので、モデルのツール呼び出しのインターフェースさえ必要とせず、シェルコマンドを書けるモデルなら同じ条件で比較できます。
この中立性が研究者に使われる理由です。SWE-bench の bash-only のリーダーボードはすべてのモデルをこれで動かし、Ramp の SWE-Bench はこれをもとに作られています。2026年の DeepSWE の論文は、小さなサンプルでいくつかのベンダー自身のハーネスに並ぶか上回ったと報告していますが、著者らは差がノイズの範囲内だったと注記しています。履歴が直線的なので、軌跡はモデルが見たものそのものであり、実行のデバッグが簡単で、ファインチューニングや RL のデータとしても便利です。
既定の動作には注意が必要です。対話型の mini コマンドはサンドボックスではなくロ ーカルのシェルで動きます。確認モードで始まり、各操作の前に確認を求めますが、-y フラグで yolo モードに切り替わり、許可リストにあるコマンドは確認を飛ばします。SWE-bench のランナーは既定で x86 Linux のイメージを使う Docker を用い、各タスクのモデル支出を $3、ステップを250に制限し、環境変数で全体のコスト上限を設定できます。
日常の作業では、最小主義が足かせになります。MCP も IDE との連携も永続的なシェルもないので、cd やエクスポートした変数は次のステップに残りません。SWE-agent の方が優れているのは、独自のツールインターフェースを試す場合か、以前の EnIGMA のセキュリティの結果を再現する場合だけです。ほとんど何も加えないハーネスは実験の対照として正しく、その同じ性質こそ、OpenHands や OpenCode の利用者なら1時間以内に物足りなく感じる点です。
真価を発揮する場面
SWE-bench Verified で3つのフロンティアモデルを比較する ML の研究者
足場が変数にならないスコアを得る
Docker を入れた x86 Linux のマシンで mini-extra swebench --subset verified --workers 4 を実行し、sb-cli で採点します。結果は通常20分以内に返ります。既定のタスクあたり $3 の上限なら、500タスクのセットの API 料金はモデルあたり最大 $1,500 で、典型的な実行は上限を下回ります。
ファインチューニングや RL 向けにエージェントの軌跡を生成する事後学習のチーム
きれいで再生可能なエージェントの実行を大規模に集める
各ステップはメッセージのリストに追加されるだけなので、保存された軌跡はそのまま再構成なしに学習用の例になります。Singularity や Apptainer の環境なら Docker なしで HPC クラスター上で動きます。ソフトウェアは MIT のもとで無料で、コストはモデルのトークンと計算資源です。
社内のエージェントで標準にするモデルプロバイダーを選ぶエンジニアリングマネージャー
契約の前に、チーム自身のバグのバックログでモデルを比較する
Python のバインディングを実際の issue のサンプルに向け、各モデルを同じ100行のループで動かします。差はベンダーのハーネスではなくモデルを反映します。コストは API のトークンだけで、有料版はありません。
導入前に確認すること
- 導入
- Python 3.10 以降で pip install mini-swe-agent を実行し、MSWEA_MODEL_NAME と API キーを設定して mini を実行します。最初のタスクは数分です。バッチ評価には x86 Linux 上の Docker が必要です。
- 連携
- LiteLLM、OpenRouter、Portkey 経由のモデル（/completion と /response のエンドポイントを含む）、ローカル、Docker、Podman、Singularity/Apptainer、bubblewrap、contree、Modal の環境、Python のバインディングと軌跡のブラウザー。
- データとプライバシー
- プロジェクトはホスト型のサービスを運営していません。プロンプトとリポジトリの内容は設定したモデルプロバイダーに送られます。ローカルモードではモデルのコマンドが自分のマシンで動き、守りは確認モードだけです。ドキュメントにテレメトリーの記載はなく、GitHub のコード検索でもテレメトリーのコードは見つかりません。MIT ライセンスで、リポジトリについて公開されたセキュリティ勧告はありません。
- 大規模利用時のコスト
- 無料で、モデルの利用料を払います。既定の設定では各実行を $3 に制限し、MSWEA_GLOBAL_COST_LIMIT と MSWEA_GLOBAL_CALL_LIMIT でバッチ全体の上限を設定します。
- 制限
- 各コマンドは新しいサブシェルで動くので、ディレクトリや環境の変更は残りません。MCP や IDE のフックはありません。未解決の issue と pull request は約112件で、SWE-bench のイメージは x86 のみです。
良い点
- 一度に読み通せる約100行のエージェントループ
- bash だけの設計なのでツール呼び出しなしにどのモデルでも動く
- バッチ実行向けのタスク単位と全体のコスト上限
- SWE-bench の bash-only のリーダーボードのハーネスとして使われている
気になる点
- 対話モードはサンドボックスではなくホストのシェルで実行する
- MCP、IDE との連携、永続的なシェルの状態がない
- SWE-bench のイメージは x86 Linux が前提
- v2 で v1 の設定が使えなくなった
おすすめの人
モデルのベンチマークを取る、またはコーディングエージェントの仕組みを学ぶ研究者とエンジニア。
mini-swe-agentの代替
mini-swe-agent：よくある質問
- mini-swe-agentは使う価値があるか？
- 結果がモデルそのものを測るほど簡素なベンチマーク用ハーネスで、だからこそ日常のコーディングツールとしては素っ気なく感じます。 評価は5点満点中4.0点です。
- mini-swe-agentの料金は？
- 無料のオープンソース（MIT）です。モデルプロバイダーへの支払いは自分で行います。
- mini-swe-agentの欠点は？
- 対話モードはサンドボックスではなくホストのシェルで実行する; MCP、IDE との連携、永続的なシェルの状態がない; SWE-bench のイメージは x86 Linux が前提; v2 で v1 の設定が使えなくなった.
- mini-swe-agentは誰に向いているか？
- モデ ルのベンチマークを取る、またはコーディングエージェントの仕組みを学ぶ研究者とエンジニア。
- チームや本番環境でmini-swe-agentを使うと費用はいくらか？
- 無料で、モデルの利用料を払います。既定の設定では各実行を $3 に制限し、MSWEA_GLOBAL_COST_LIMIT と MSWEA_GLOBAL_CALL_LIMIT でバッチ全体の上限を設定します。
- mini-swe-agentは企業データを扱っても安全か？
- プロジェクトはホスト型のサービスを運営していません。プロンプトとリポジトリの内容は設定したモデルプロバイダーに送られます。ローカルモードではモデルのコマンドが自分のマシンで動き、守りは確認モードだけです。ドキュメントにテレメトリーの記載はなく、GitHub のコード検索でもテレメトリーのコードは見つかりません。MIT ライセンスで、リポジトリについて公開されたセキュリティ勧告はありません。
- mini-swe-agentの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はOpenHands 、 OpenCodeです。
回答確認日：2026年10月26日