kern：3.5msで起動するRust製rootlessコンテナランタイム — AIコード実行サンドボックスにも対応

「Dockerを起動するたびにデーモンの重さを感じる」「LLM生成コードを安全に実行したいが大掛かりなセットアップは避けたい」——そんな課題に応えるのが kern（getkern/kern）です。Rustで書かれた1.52MBの静的バイナリ1本で、デーモン不要のrootlessコンテナを約3.5ミリ秒で起動します。Dockerの約297msと比べると実に85倍の高速化。しかも1.52MBという驚異的な小ささで、GitHubスター369を集めています（2026年9月時点）。

さらにAIエージェントのLLM生成コードを安全に実行するkern-sandbox（Python/Node.jsバインディング）と、Claude DesktopやCursor向けのMCPサーバー（kern-mcp）を内蔵しており、現代のAIネイティブな開発ワークフローにも対応しています。

kern コンテナランタイムとは何か：軽量化の哲学

kernは「コンテナランタイムでありながら、サンドボックスでもあり、リソーススライサーでもあり、スタックランナーでもある」ツールです。そのすべてが1.52MBのバイナリに収まっています。

設計思想：依存を削ぎ落とす

Rustの依存クレートはlibcのみ。JSONやOCIマニフェストは手書きパーサーで処理し、TLSスタックのリンクを避けるためにpullはcurlとtarに委譲するという徹底ぶりです。その結果：

待機時のRAM使用量 = 0（デーモンプロセスなし）
静的バイナリ1本（インストール後に余計なファイルなし）
起動時間 ≈ 3.5ms（対Docker: 297ms、対Podman: 293ms）

コンテナ技術として本物

「軽量だから機能が限られる」は当てはまりません。kernは本物のOCIイメージに対応し、pull・build（Dockerfile）・commit・push・save/loadをすべてサポートします。

インストール方法：3パターン

推奨：インストールスクリプト（30秒）

curl -fsSL https://raw.githubusercontent.com/getkern/kern/main/install.sh | sh

スクリプトがアーキテクチャ（x86_64 / aarch64）を自動判別し、SHA256チェックサムを検証してから~/.local/bin（root実行時は/usr/local/bin）にインストールします。

手動検証あり

curl -fsSLO https://github.com/getkern/kern/releases/latest/download/kern-x86_64-unknown-linux-musl.tar.gz{,.sha256}
sha256sum -c kern-x86_64-unknown-linux-musl.tar.gz.sha256 && tar xzf kern-x86_64-unknown-linux-musl.tar.gz

ソースビルド（Rust開発者向け）

# Rust未インストールの場合
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

cargo install --git https://github.com/getkern/kern getkern --locked

依存クレートがlibcのみのため、i7-14700KF環境で36秒でビルド完了します。

kern の使い方：クイックスタート5コマンド

インストール直後から使えるコマンドを紹介します。

1. OCIイメージからのインタラクティブシェル

kern box dev --image alpine -it -- sh

Alpine Linuxのシェルが約3.5msで起動します。exit後はコンテナが即座に消えます。

2. バックグラウンドサービス起動

kern box svc --image nginx:alpine -d -p 8080:80

-dでデタッチ、-pでポートフォワード。kern psでステータス確認、kern logs svcでログ確認。

3. サンドボックスなしのリソース制限実行

kern run --memory 256M --cpus 0.5 -- ./heavy_process

コンテナ（名前空間分離）なしで、CPUとメモリだけを制限してホストプロセスを実行します。

4. スタック起動（docker-compose.yml互換）

kern compose stack.toml up
# または既存のdocker-compose.ymlをそのまま指定
kern compose docker-compose.yml up

5. リアルタイムTUIダッシュボード

kern top

CPU・メモリ・ディスク・デバイスの使用状況をリアルタイムで監視できるターミナルUIが開きます。

AIエージェントのコード実行サンドボックスとして使う

kernが特に注目されているのが、LLM生成コードの安全な実行環境としての活用です。

kern-sandbox：Python/Node.jsバインディング

pip install kern-sandbox    # PyPI
npm install kern-sandbox    # npm

from kern_sandbox import run_code

result = run_code("import platform; print(platform.python_version())")
print(result.stdout)
# タイムアウト・OOMキル・ブロックされたシステムコールは例外ではなくresult.faultとして返る

フレッシュなコンテナでネットワーク遮断・メモリ上限・PID制限・ケイパビリティドロップが自動適用されます。障害はデータとして返る設計（例外にならない）が特徴で、エラーハンドリングがシンプルになります。

MCP サーバー（Claude Desktop・Cursor対応）

pip install kern-sandbox    # kern-mcp も同梱

Claude DesktopやCursorのMCP設定に追加するだけで、ローカルコードインタープリターとして使えます：

{ "mcpServers": { "kern": { "command": "kern-mcp" } } }

利用可能ツール：run_code（python/bash/node）、write_file、read_file、list_files。各呼び出しはフレッシュなネットワーク遮断ボックスで実行され、ファイルはワークスペース上に永続化されます。

kernとの違い・なぜ今このツールか

Docker・Podman・bubblewrapとの性能比較を同一ハードウェア（i7-14700KF、Linux 7.0）で計測した結果：

	kern	Docker	Podman
デーモン	不要	必要	不要
rootless	常時	オプション	yes
コールドスタート	~3.5 ms	~297 ms	~293 ms
待機時メモリ	0	154〜160 MB	0
フットプリント	静的バイナリ1本	デーモンスタック	マルチバイナリ

bubblewrapとの比較：コールドスタート速度は同等（~2.3ms）ですが、bubblewrapはOCIイメージ・ライフサイクル管理・リソースプロファイルを持ちません。kernはそれらを1バイナリに統合しています。

GitHubでの急上昇背景：AIエージェント（Claude Code含む）のツールコール実行にセキュアなサンドボックスが求められる中、「軽量・デーモンなし・MCP対応」という組み合わせが開発者の関心を集めています。

こんな人に向いている：職種別活用シーン

DevOpsエンジニア・インフラエンジニア
CI/CDパイプラインでDockerデーモンなしにコンテナをビルド・テストしたいエンジニアに最適です。200コンテナの並列起動が0.11秒（Docker: 16.2秒）という性能はGitHub ActionsのセルフホストランナーやJenkins環境での大幅高速化につながります。

AIエンジニア・LLMアプリケーション開発者
LLMが生成したコードをkern-sandboxで安全に実行するアーキテクチャは、コードエージェント・Jupyter代替・Devinライクなシステム構築に直接活用できます。タイムアウト・OOMが例外でなくデータとして返る設計により、ロバストなエラーハンドリングが実現します。

Rustエンジニア・システムプログラマー
依存クレートがlibcのみという極限まで削ぎ落とされた設計はRust学習の教材としても優秀です。Linuxの名前空間・seccomp・cgroupの実用的な活用例をRustで学べます。

RaspberryPi・Jetsonなどのエッジデバイス開発者
aarch64バイナリが提供されており、リソース制約の厳しいARMボード上でも動作します。IoTデバイスのGPIOアクセスをvgpio:プロファイルで制御する例もREADMEに含まれています。

使う前に知っておきたいこと

プラットフォーム制限:
Linuxネイティブのみ対応。macOSネイティブビルドは提供されず、今後の予定もありません（macOSには名前空間もcgroupsも存在しないため）。macOSユーザーはcolima・Lima・OrbStack等のLinux VM経由での利用が必要です。Windows向けはWSL2経由でのみ動作します（WSL2向けのrootfsも同梱）。

GPU対応:
ロードマップ掲載中ですが、現時点では未対応です。GPU利用が必要な場合はDockerを継続使用する必要があります。

vgpioの粒度:
GPIO制御は「ピン単位」ではなく「チップ単位（/dev/gpiochipN全体）」でのアクセス付与となります。特定ピンのみ許可する境界はカーネルレベルでは実現できません。

ライセンス:
Apache License 2.0。商用利用・改変・再配布は自由ですが、著作権表示とライセンス文書の保持が必要です。TRADEMARKファイルでブランド利用に関する追加条件も定義されています。

Linux カーネル要件:
非特権ユーザー名前空間（unprivileged user namespaces）とcgroup v2が必要です。kern doctorコマンドで事前確認できます。

この技術を学ぶ

Rust・コンテナ技術・CLIツール開発に興味を持った方には、Udemyのオンラインコースもおすすめです。

🎓 関連するCLI・Rustコース一覧 — セール時（最大90%OFF）を狙うとお得です

まとめ

kernはDockerの複雑さに疲れたエンジニアと、AIエージェントのコード実行基盤を探しているMLエンジニアの両方にフィットするツールです。1.52MBバイナリ・デーモンなし・rootless常時・3.5ms起動という性能と、Claude Desktop/Cursor向けMCPサーバー内蔵というAI対応の両軸で、2026年後半のGitHub急上昇リポジトリに選ばれた理由が明確です。Apache 2.0の完全オープンソースで商用利用も可能。まずkern doctorで手元の環境を確認するところから始めてみてください。