Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Back to blog
العربيةDeutschEnglishEspañolFrançais日本語한국어Bahasa MelayuPortuguês (Brasil)РусскийไทยTiếng Việt繁體中文中文

Tencent Marvis 6-Agentチームレビュー：PM、File、Computer、Browser AgentがデスクトップのAIチームに見える理由

MarvisTencentAI AgentsDesktop AIFile AgentComputer AgentBrowser Agent

Marvis公式カバー画像

Marvis を「Tencentの別のchat AI」とだけ見ると、一番重要な部分を見落とします。公開資料を見る限り、Marvisの面白さは回答文の自然さではなく、デスクトップ上の作業を複数の agent に分けて処理し始めている点にあります。

見た資料は、Marvis公式サイト、Tencent Cloud Developer Communityのチュートリアル、公開されているmulti-agent協同ケースです。結論から言うと、Marvisは単なる会話窓ではなく、PC上の小さなAIチームとして設計され始めています。

Conclusion First

  • 2026年6月29日時点の公開情報では、Marvisは system-level AI assistant、1+5 agent collaboration、またはPC内の6人AIチームとして説明されています。
  • 代表的な役割は、PM Agent、File Agent、Computer Agent、APP Agent、Search Agent、Browser Agentです。
  • 公開チュートリアルには、起動が遅いPCの診断、会議記録からPPT作成、file conversion、contract review、spreadsheet analysis などの具体例があります。
  • 重要なのは「6つの名前」ではなく、作業を分解し、適切な agent に渡し、成果物まで戻す流れです。

Why the "AI team" framing is not just marketing in Marvis

多くの製品が agent や multi-agent という言葉を使います。Marvisで見るべきなのは、その言葉が実際のdesktop workflowに接続されているかです。公開資料では、単発の回答ではなく、task decomposition、file operation、browser retrieval、app operation が一つの流れとして扱われています。

The 6 roles in the public tutorials explain Marvis's desktop direction surprisingly well

1. PM Agent

PM Agentは依頼を理解し、作業を分け、どのagentに渡すかを決める役割です。普通のchat assistantとの違いは、ここで「答える」だけでなく「作業を割り振る」ことです。

2. File Agent

File Agentはファイル検索、format conversion、document reading、内容理解を担当します。filenameだけでなく、内容や文脈で探す方向が重要です。

3. Computer Agent

Computer Agentはsystem settings、startup items、performance tuning のようなPC操作に近い領域を扱います。ここが system-level assistant らしさを強めています。

4. APP Agent

APP Agentはアプリをまたぐ操作や業務フローの実行を担います。Word、Excel、browser、local file をつなぐ作業で価値が出ます。

5. Search Agent

Search Agentはweb search、情報収集、source aggregation を担当します。単なる検索ではなく、後続のreportやdecisionに渡せる情報にすることが狙いです。

6. Browser Agent

Browser Agentはwebpage data extraction、page interaction、フォームやページ単位の操作に近い部分を担当します。browserをただ開くのではなく、ページ上の作業を進めるagentです。

Scenario 1: The most realistic onboarding case is not a complex project, but "my computer starts too slowly"

一番現実的な入口は大きなprojectではありません。「PCの起動が遅い」という日常的な悩みです。PM Agentが依頼を受け、Computer Agentがstartup itemsやsystem settingsを確認する。この小さな流れのほうが、Marvisのsystem-level性を理解しやすいです。

Scenario 2: Multi-department meeting notes -> extract decisions -> build a PPT -> present in the afternoon, which is where multi-agent collaboration starts to feel real

会議記録から決定事項を抽出し、PPTにまとめ、午後の共有に間に合わせる。これは一つの回答では終わりません。file reading、summary、presentation drafting、reminder までつながるため、multi-agent構成の意味が出ます。

Scenario 3: What makes File Agent valuable is not filename search, but turning file work into one chain

Marvis公開file conversion画像

File Agentの価値は「検索欄が増えた」ことではありません。file conversion、document reading、content extraction、整理までを一本のchainにできることです。

Scenario 4: The official "plain-language interaction" pitch is really about lowering the PM Agent threshold for task decomposition

自然言語で依頼できるという説明は、単なるUXの話ではありません。利用者が細かい手順を書かなくても、PM Agentが作業を分解できるという意味です。

The public "1+5 agent collaboration architecture" suggests Marvis is trying to become a task middle layer

Marvisの公開資料から見える方向は、model wrapper ではなく task middle layer です。ユーザーの依頼とPC上の複数ツールの間に入り、誰が何をするかを整理する層になろうとしています。

Why this direction matters more in production than ordinary "chat AI"

本番の業務では、きれいな回答よりも、作業が途中で止まらないこと、ファイルとアプリをまたいで文脈を保つこと、最後に使える成果物になることが重要です。Marvisの6-agent構成はそこに向いています。

Who should test this direction first

最初に試すべきなのは、file-heavyなoffice team、support operation、research team、PC操作の繰り返しが多い個人です。逆に、短いQ&Aだけなら普通のchat AIでも十分です。

My Final Take

Marvisの6-agent構成は、まだ万能の自律職員ではありません。ただし公開資料を見る限り、普通のchat AIよりも desktop workflow に近い方向へ進んでいます。評価するなら、会話の自然さではなく、作業の分解と受け渡しを見るべきです。

FAQ

What are the roles in Marvis's "6-person AI team"?

公開資料でよく出るのは、PM Agent、File Agent、Computer Agent、APP Agent、Search Agent、Browser Agentです。

What is the biggest difference between Marvis and ordinary chat AI?

普通のchat AIは回答を返すだけですが、Marvisはtaskを分解し、file、system、browser、app操作へ渡す方向を持っています。

What is the most typical public task chain shown in the tutorials?

PC起動の遅さを診断する、会議記録を整理してPPT化する、file conversionやspreadsheet analysisを行う、といったchainです。

What is the most realistic example of multi-agent collaboration in office work?

会議記録を読み、決定事項を抽出し、PPTにまとめ、reminderまで作る流れが最もわかりやすい例です。

If I want to start from Marvis's current public information, where should I look first?

公式サイトとTencent Cloud Developer Communityの初心者向けチュートリアルを見るのが早いです。

References