エージェンティックAIパターンがエンジニアリング規律を強化

最近の AI DevOps Podcast で、ポール・ダヴァルは、現代モデルの能力が高まるにつれて、エージェント型 AI パターンが中核的なエンジニアリング分野を強化している様子について議論しました。また、彼は AI 支援ソフトウェア開発のための実践を文書化し進化させる場所として、自身のエージェント型 AI エンジニアリングパターンのリポジトリも共有しました。 『継続的インテグレーション：ソフトウェアの品質向上とリスク低減』の著者であるダヴァルは、このパターン集を、クライアントワークにおけるエージェント型 AI の実践的な利用を通じて確立されたエンジニアリングプラクティスがどのように適応されているかを探索するものとして位置づけました。彼は「AI がコードを生成している場合でも、エンジニアリングプラクティスはさらに重要になっている」と述べ、AI によって生成された出力を共有パターンに基づかせることの重要性を強調しました。 AI によって生成されるコードの量に鑑み、ダヴァルは、変更速度が増大する中で品質を維持するために不可欠となるトランクベース開発（trunk-based development）、早期かつ頻繁なコミット、そして自動テストの継続的な重要性を強調しました。 また、ダヴァルは、AI 生成出力を取り扱う際に「もはやすべてのコード行をレビューしていない」と述べ、開発者がコードと対話する方法に変化が生じていることを指摘しました。変更量の増加により、すべての行を確認することが次第に現実的でなくなっているためです。その代わりに、ダヴァルは、エージェントが自身の出力をレビューし改善できるようなコード化されたスキルを含む、自動検証とエージェント型ガードレール（agentic guardrails）への依存を強調しました。 Duvall氏はまた、仕様駆動型開発などのアプローチが既存のエンジニアリングプラクティスをどのように進化させているかについても議論しました。Duvall氏のリポジトリには、AWS IAM ポリシー生成シナリオにおけるエージェント可読な仕様の例が含まれており、期待される動作、制約、受入基準を事前に定義することで、エージェントが明確な仕様に対して出力の生成と検証を行えるようにしています。AI支援ワークフローを導くために、よく知られたテストファーストパターンがどのように適応されているかについて説明する際、彼は次のように述べています。 私はまさに…アジャイルやXPで行ってきたことを複製しているのです…それは文字通り「赤、緑、リファクタリング」と言っています。私はそのプロセスを踏みます。 Duvall氏はまた、エージェントライフサイクルの初期段階における課題、特に意図の定義に関する課題にも注目しました。彼は、AIツールが素早くコードを生成できる一方で、曖昧または不十分な入力は一貫性のない予測不能な結果をもたらすことが多いと指摘しています。このことが、役割、文脈、制約を通じて意図を記述する構造化されたプロンプトや、定義された動作から導き出される仕様駆動型開発および受入テストなど、より明確な仕様に従ってエージェントを駆動することへの注目を高めています。「意図が何であるかを完全に記述しない場合」、ランダムな結果「しか得られない」と彼は注意しています。 同様に、明確な仕様への焦点は最近、DevSecOps Talks ポッドキャストで議論されました。出演したのは System Initiative の製品ディレクターであるポール・スタック氏です。彼は SWAMP という、インフラの自動化と検証のためのエージェント型オープンソースプラットフォームの開発に携わっています。スタック氏は、開発プロセスをエージェントを中心に再構築している様子について語りました。その徹底振りから、プルリクエスト（Pull Request）の受け入れを拒否し、仕様駆動型開発へと繋がる GitHub Issue ベースのワークフローを優先するに至った点まで言及しています。彼は次のように述べています。 「私たちはプルリクエストを受け付けていません…もし設計があるなら、Issue を開いてください。そうすれば対話的にそのプロセスを進め、一緒に設計しましょう」 スコット・ハンセルマン氏のポッドキャストに登場した『The Pragmatic Engineer』ニュースレターの著者であるゲルゲー・オロシュ氏は、「リミックス」という手法を好むオープンソースプロジェクトについて議論しました。これはプルリクエストのマージを避け、貢献された PR をプロジェクトの基準に沿ってエージェントが再構築するアプローチです。これと対比して、ハンスelman 氏は、要件を満たすまでサブエージェントが反復的に解決策を洗練させる完全自動化された「ラルフ・ループ」を用いる自律型エージェントについても言及しました。その上で、重要なシステムにおいてはアーキテクチャやデザインの「センス（品味）」が重要であることは認めつつも、「無限に忍耐強い新人エンジニア」というマインドセットは、単調な作業には非常に適している可能性があると指摘しています。 Stack はまた、エージェントが「コードベースと整合性のある方法でコードを生成」できるようにするため、正確なアーキテクチャパターンとプラクティスを提供することの重要性を強調しました。これには、事前にアーキテクチャ、制約、テストの期待値を定義することが含まれます。InfoQ のボリス・チェルニー（Boris Cherny）のアジェンティック・ワークフローに関する報道と同様に、Stack は実行前に意図を確認するために Claude の「プランモード」も使用しており、これにより「AI による恐怖物語」を防ぐのに役立っています。 Duvall もまた、フィードバックループを本番環境へシフトし拡張することの重要性を指摘しました。彼は、観測性（observability）、テレメトリ、さらには本番環境内のテストを活用してフィードバックサイクルを短縮し、開発ライフサイクルにライブ信号を解釈して戻す方法を説明しました。将来を見据え、AI はより小さく焦点を絞ったチームをもたらす可能性があると示唆し、調整オーバーヘッドの減少と自動化の増加に伴い、「ピザ 1 枚分のチーム（one pizza team）」への移行が進むと述べました。 Duvall は、エンジニアリングにおける以前のシフトと同様に、品質はもはや人間の検査ではなく自動化を通じて達成されるようになっていると示唆しました。彼は次のように述べています： 「コードレビューを行う仕組みを導入しますが、毎回必ずしもあなた自身が直接レビューするわけではありません。」 Duvall と Stack の両氏は、AI を活用した開発には、左側シフト（shift-left）のプラクティスと右側シフト（shift-right）フィードバックの組み合わせが必要であり、行動定義やプロダクション状態が検証プロセスの一部となる点を強調しました。また Duvall は、AI が生産テレメトリをより広範に分析することでパターンを特定し、問題を早期に浮き彫りにする利点にも言及しています。 Duvall のリポジトリは継続的に更新されており、開発・セキュリティ・運用の各シナリオにおける成熟度レベルを持つ構造化されたパターンを定義しています。これらのパターンには、仕様駆動型開発（specification-driven development）、コード化されたルールとアーキテクチャ制約、並列エージェントによる原子分解（atomic decomposition）、および自動追跡可能性を備えたワークフローのための観測可能な開発（observable development）が含まれます。 コード中心の開発からさらにシフトする点を認識し、Orosz はエンジニアリングのアイデンティティと実践がコードそのものを超えて一段階上位へと移行すると振り返りました。彼は次のように述べています。 コーディングよりもはるかに重要な何かこそが私たちを特別なものにしていると考え、それを育むべきだと私は思います。 著者について ラフィク・ジェムイル ラフィク・ジェムイルは、ニュージーランドを拠点とするエンジニアリングリーダーであり、グローバルに分散したチームや高ボリュームの SaaS プラットフォームのスケーリングに注力する実践者です。彼の活動の中心は、強力なエンジニアリングプラクティス、プラットフォーム思考、そして AI 支援開発の実用的な導入を通じて、エンジニアリングの有効性を高めることにあります。 もっと見る 表示しない

エージェンティックAIパターンがエンジニアリング規律を強化

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト