Tabbyは、「コードを社内ネットワークから出さない」プログラミング支援を探すチームがまず目にする名前の一つです。セルフホスト型のAIプログラミング支援で、コード補完を主軸に、質問応答やチャットも備え、GitHub Copilotのローカル導入可能な代替と見られることが多い存在です。魅力は明快で、サービスを自分のサーバーに入れ、推論を社内で完結させ、オフラインでも動き、テレメトリも外へ送りません。コンプライアンスの厳しいチームにとって、この前提は補完が少し賢いことより重みを持ちます。
公式リポジトリ情報
プラットフォームはGitHub、組織はTabbyML、プロジェクト名はtabbyで、GitHubでは3.3万を超えるスターを集めています。主要エディタ向けのプラグインがあり、VS CodeとJetBrains系が含まれ、接続したリポジトリを索引化できるため、補完は単一ファイルからの推測ではなく、現在のプロジェクトの文脈を参照します。
なぜ選ばれるのか
クラウドの道具は導入が速い反面、コードを外部サービスへ送る必要があり、金融、行政、大規模製造などの場面では内部審査を通らないことが少なくありません。Tabbyはその線を社内側に引きます。公式の形は、Dockerの一コマンドで起動する自己完結型のサービスで、外部のデータベースやクラウドの後段に依存しません。グラフィックスカードを備えたマシン一台で始められ、民生向けカードにも対応し、完全にオフラインで動かせます。共用の一式を置けば、管理側も入口を一本化しやすく、一人ずつ外部サービスを契約する形にはなりません。
導入と運用、二つの勘定
一つ目はグラフィックスカードの勘定です。後段のコードモデルは自分で選びます。同種でよく挙がる選択肢にはStarCoder、CodeLlama、DeepSeek-Coder、Qwen系のコードモデルなどがあり、補完品質の上限は選んだモデルで決まります。モデルが大きいほど通常は出来が良くなる反面、ビデオメモリも多く食います。チーム共用では同時利用人数分の余裕が要り、常時稼働のGPUマシンとなれば電気代と冷却も長期の費用です。二つ目は運用の勘定です。コンテナを上げるのは始まりにすぎず、リポジトリの索引は自分で維持し、モデルの切り替え、版の更新、メモリ不足の切り分けも自分の側に残ります。導入前に境界の確認も要ります。チーム単位のユーザー管理や、より細かな分析などの能力は企業向け版の範囲に属するため、オープンソースのセルフホスト部分でできることと、別途考えるべきことを先に分けてください。導入後に不足に気づく事態を避けるためです。
本当の落とし穴と限界
最も目立つ差は補完の品質です。クラウドの最先端のプログラミング道具と比べると、ローカルの小さいモデルは短いコードや定型の断片ならこなせますが、ファイルをまたぐ複雑な推論は苦手で、提案にも人の確認がより必要です。最強のクラウド体験をそのまま置き換えるつもりなら、落差ははっきり感じます。楽をしたい場合にも向きません。索引、モデル、プラグインの互換は継続的に追う必要があり、クラウドのような開けば使える気軽さはありません。「コードを社内から出せない」という条件が本当に成り立ち、そのためにマシンと運用の費用を引き受ける覚悟があるときにだけ、その価値は大きくなります。それ以外の理由でのセルフホストは、勘定が合わないことが多いです。
向いている人、向いていない人
コンプライアンスや社内ネットワークの要件がある小規模チーム、オフライン環境、補完サービスを一本化して管理したいチームに向いています。こうしたチームは、補完が少し弱くてもコードを内部に留める方を選びます。最強の補完品質を追う個人の開発者には向きません。個人の試用ならクラウドの道具を直接使う方が通常は割に合います。GPUサーバーを持たないチーム、運用を引き受ける人がいないチームにも向きません。決める前に、実際のリポジトリで一週間試し、補完の当たり具合、応答速度、メモリ使用量が許容できるかを見てから常設化を考えてください。
