tabby AIツール

概要

Tabby（TabbyML）は、自分のマシンやオンプレミス環境に構築できるオープンソースのAIコーディングアシスタントです。GitHub Copilotのようなクラウド型サービスとは異なり、コードが外部のサーバーに送信されないため、機密コードを扱う個人開発者やチームでも安心して利用できます。Apache 2.0ライセンスのもとで公開されており、GitHubスター数は33,500以上を誇ります（2026年時点）。

注目される理由は「データを手放さない自由」と「コストコントロール」にあります。コード補完・インラインチャット・Answer Engine（IDE内で質問に答えてくれる仕組み）・RAG（手持ちのリポジトリをAIに読ませて文脈を理解させる仕組み）など多彩な機能が、コミュニティ版では完全無料で使えます。家庭用GPUでも動作するよう設計されており、高価な専用サーバーを用意しなくても始められる敷居の低さも人気を集めている要因です。

主な機能

• AIコード補完：コードを書いている途中に次の行や関数をリアルタイムで提案。1秒未満の応答を実現するため、IDE拡張側でも独自のキャッシュ戦略を採用しています。
• インラインチャット：エディタを離れずにAIへ質問したり、選択したコードについて説明を求めたりできます。コードの文脈に紐づいた会話が可能なため、作業の流れを遮らずに使えます。
• Answer Engine：IDE内に常駐する「質問応答エンジン」。詰まった箇所について自然言語で質問すると、コードや説明を返してくれます。v0.28からは回答をページとして保存・共有する機能も追加されました。
• RAGによるリポジトリ連携：自分のGitリポジトリをTabbyにインデックス（索引化）させることで、プロジェクト固有の関数名や設定ファイルを踏まえた提案が得られます。GitHubやGitLabとの連携にも対応しています。
• Context Provider（文脈提供機能）：ドキュメント・設定ファイル・外部APIなど複数のソースからデータを取り込み、AIがプロジェクトの全体像を理解して回答の精度を高めます。
• マルチIDEサポート：VS Code・JetBrains系（IntelliJ IDEA・PyCharm・WebStormなど）・Vim/Neovim・Emacsに対応する公式拡張機能を提供しています。
• 柔軟なモデル選択：StarCoder・CodeLlama・Qwen・Mistral・DeepSeekなど複数のモデルを切り替えて使用可能。家庭用GPUでも動作するよう小規模モデルから選べます。

料金プラン

公式サイト（https://www.tabbyml.com/pricing）に掲載されている内容をもとに整理しています。

> 補足：セルフホスト版のコード補完（Tab Completion）は利用回数制限なしで常時無料です。クラウド版（Tabby Cloud）はトークン使用量に応じた従量課金となっており、詳細は公式サイトを参照してください。

導入方法

最も手軽なのはDockerを使った起動です。以下の手順で始められます。

① GPU（NVIDIA CUDA）環境での起動

docker run -d \
  --name tabby \
  --gpus all \
  -p 8080:8080 \
  -v $HOME/.tabby:/data \
  registry.tabbyml.com/tabbyml/tabby \
  serve \
  --model StarCoder-1B \
  --chat-model Qwen2-1.5B-Instruct \
  --device cuda

② CPU環境での起動（GPUなしでも動作可）

docker run -d \
  --name tabby \
  -p 8080:8080 \
  -v $HOME/.tabby:/data \
  registry.tabbyml.com/tabbyml/tabby \
  serve \
  --model StarCoder-1B

③ 起動後の手順

1. ブラウザで http://localhost:8080 にアクセスし、管理者アカウントを作成する
2. プロファイルページからエンドポイントURLとAPIトークンを確認する
3. VS CodeなどのIDEにTabby拡張機能をインストールし、サーバーURLとトークンを設定する
4. コードを書き始めると補完が自動的に動き始める

> 注意：CUDA利用には事前にNVIDIA Container Toolkitのインストールが必要です。詳細は公式ドキュメント（https://tabby.tabbyml.com/docs/quick-start/installation/docker/）を参照してください。

こんな人におすすめ

• コードを外に出したくないソロ開発者：手元のGPU付きPCにTabbyを入れるだけで、月額費用ゼロ・利用回数制限なしのAIコーディング補助が手に入ります。自分のコードが第三者のサーバーに送られないため、副業・受託開発など秘匿性が求められる場面にも最適です。
• プライバシーを重視する小チーム：Communityプランは5ユーザーまで無料。チーム全員のコードを社内サーバー内で完結させたい小規模開発チームに向いています。
• AIで開発を始めたいが月額費用をかけたくない人：「GitHub Copilotを試したいけど毎月お金を払いたくない」という個人開発者は、自前PCにTabbyを立てることで同様の体験を無料で実現できます。
• 自社リポジトリに合わせたAI補完を使いたい人：RAGによるリポジトリ連携を活用することで、自分のプロジェクト専用の知識を持つAIアシスタントとして育てることができます。既存コードベースの規模が大きいほど、提案の精度が上がります。

よくある質問

Q. GPUがないパソコンでも使えますか？ A. はい、CPUのみの環境でも動作します。ただしGPUに比べて補完の応答速度は遅くなります。小さいモデル（1B規模）を選ぶことで、CPUでも実用的な速度での利用が可能です。

Q. GitHub Copilotとどう違いますか？ A. 最大の違いは「コードがどこに送られるか」です。GitHub Copilotはコードの文脈をGitHub（Microsoft）のサーバーに送信して補完を生成しますが、Tabbyはすべて自分のマシン内で処理するため、コードが外部に出ることはありません。またTabbyはオープンソースで無料から利用できる点も異なります。

Q. どのプログラミング言語に対応していますか？ A. 選択するモデル（StarCoder・CodeLlamaなど）が対応している言語であれば利用できます。Python・JavaScript・TypeScript・Go・Rust・Java・C/C++など主要言語を幅広くカバーしています。言語ロックインはなく、使用中のエコシステムをそのまま継続できます。

Q. 自分のリポジトリのコードを学習させることはできますか？ A. ファインチューニング（追加学習）とは異なりますが、RAGの仕組みを使ってリポジトリをインデックス化することで、プロジェクト固有のコードや関数名を踏まえた提案が得られます。GitHubやGitLabとの連携も公式にサポートされています。