エージェント型インフラストラクチャ
Vercelは、AIコーディングエージェントによるソフトウェア開発の急増に対応するため、エージェントが自律的にデプロイ・構築・実行できる「エージェンティック・インフラストラクチャ」の必要性を提唱し、その3つの進化方向を具体的に示している。
キーポイント
ソフトウェア開発の主体が人間からエージェントへ移行
Vercelでのデプロイメントの30%以上がコーディングエージェントによって開始されており、この割合は6か月で1000%増加した。エージェントはAIネイティブなソフトウェアを構築・テスト・リリースし、従来の運用速度を超える速度で開発を進めている。
エージェンティック・インフラストラクチャの3つの進化
新しい世代のエージェンティックソフトウェアは、(1)エージェントがデプロイするためのインフラ、(2)エージェントを構築・実行するためのインフラ、(3)それ自体がエージェンティックなインフラ、という3つの進化を要求している。
エージェントがデプロイするためのインフラ要件
エージェンティックエンジニアリングのボトルネックは運用上の摩擦であり、エージェントはプログラム可能で決定論的なデプロイメント環境を必要とする。不変のデプロイメント、コミットごとのプレビューURL、即時ロールバックは、機械駆動のソフトウェア開発の絶対的な前提条件となった。
エージェントを構築・実行するためのインフラ要件
エージェントのワークロードは、長期間の実行、多段階のオーケストレーション、モデルルーティング、コスト制御、サンドボックス化されたコード実行、悪用防止など、サーバーレスとは根本的に異なる形状を必要とする。
影響分析・編集コメントを表示
影響分析
この記事は、AIコーディングエージェントの実用化が単なるツールの進化ではなく、ソフトウェア開発のパラダイムシフトを引き起こし、それに対応するインフラの根本的な再設計を迫っていることを示している。開発者体験の最適化から、機械が自律的に開発・運用するためのインフラ設計へと焦点が移行する重要な転換点を捉えた分析である。
編集コメント
Vercel自社ブログという性質上、ややPR色はあるが、AIエージェントによる開発の急増という具体的なデータと、それに対応するインフラの設計思想を明確に示しており、業界の重要なトレンドを先取りした内容と言える。
タイトル: エージェンティック・インフラストラクチャ
ソフトウェアのあらゆる世代は、最終的に新しい世代のインフラストラクチャを要求します。
最初は、手作業でサーバーを設定していました。
次に、クラウドがインフラストラクチャをAPIへと変えました。
そして、さらに重要な変化が訪れました。アプリケーションそのものから導出されるインフラストラクチャです。
LLMとコーディング・エージェントが次の移行を牽引しており、その速度は急速です。
わずか3か月で、Vercelにおける週次のデプロイメント数は2倍になり、エージェントがその成長を推進しています。現在、デプロイメントの30%以上がコーディング・エージェントによって開始されており、これは6か月前から1000%増加しています。内訳は、Claude Codeが75%、Lovableとv0が6%、Cursorが1.5%です。
ソフトウェアは今やエージェンティックである
エージェントはAIネイティブなソフトウェアを構築、テスト、リリースしており、その速度は従来の運用を破壊します。コーディング・エージェントによってデプロイされたVercelプロジェクトは、人間によってデプロイされたものと比べて、AI推論プロバイダーを呼び出す可能性が20倍高くなっています。エージェントはAIを利用するソフトウェアを書き、エージェントはエージェント自身を構築しているのです。
最終的な実行主体が人間から機械へと移行するにつれ、インフラストラクチャは再び適応しなければなりません。それは、ユーザーに代わって動作し、自らを書き、本番環境における自身の振る舞いをますます理解する必要があるソフトウェアに対応できなければならないのです。この新しい世代のエージェンティック・ソフトウェアは、エージェンティック・インフラストラクチャを要求します。
これは単一の進化ではなく、3つの進化です：
- コーディング・エージェントがデプロイするためのインフラストラクチャ
- エージェントを構築・実行するためのインフラストラクチャ
- インフラストラクチャそのものがエージェンティックであること
1. コーディング・エージェントがデプロイするためのインフラストラクチャ
エージェンティック・エンジニアリングのボトルネックは、運用上の摩擦です。
コーディング・エージェントが機能を実装するとき、それを実行、テスト、出力を検証する場所が必要であり、最終的にはURLが必要になります。コードから動作するシステムへの経路に、手動でのTerraform状態管理やクラウドコンソールUIでのクリック操作が含まれるならば、自律的なループは崩壊します。エージェントには、プログラム可能で決定論的なデプロイメント環境が必要です。
これが、不変のデプロイメント、すべてのコミットに対するプレビューURL、即時ロールバックが、もはや単なる開発者体験の向上ではなくなった理由です。それらは機械駆動のソフトウェア開発における絶対的な前提条件なのです。
VercelのCLI、API、MCPサーバー、git統合は、エージェントにデプロイメント環境へのネイティブなアクセスを提供します。これにより、エージェントは人間の介入なしに、コードを生成し、PRをオープンし、プレビューURLを取得し、出力を検証し、本番環境へリリースすることができます。
2. エージェントを構築・実行するためのインフラストラクチャ
サーバーレス・ワークロードは、エッジにおける関数、キャッシング、短命なリクエストを必要としますが、このスタックを自ら管理することは、設定の逸脱やシステム横断的なデバッグに何時間も費やすことを意味します。Vercelはすべてのレイヤーをフロントエンド・クラウドに統合することで、この問題を解決しました。
エージェント・ワークロードは根本的に異なる形状をしています。それらには、長時間実行、マルチステップ・オーケストレーション、モデル・ルーティング、コスト制御、サンドボックス化されたコード実行、悪用防止が求められます。これはより複雑なスタックであり、自ら実行する場合のペナルティは累積します：無駄なリクエストは推論コストを浪費し、プロバイダーの障害はエージェントを停止させ、信頼できないコードはプロンプト・インジェクションへの扉を開きます。
Vercelのエージェンティック・インフラストラクチャは、サーバーレスの場合と同様に、私たちが構築してきたすべてのAIプリミティブを単一の安全なプラットフォームに統合します。
- AI SDKは、開発者に対してフレームワークやプロバイダーを超えてAI駆動アプリケーションを構築する統一された方法を提供します。AI SDK 6ではエージェント抽象化が追加され、開発者は一度エージェントを定義すれば、インターフェースやワークフローを超えて再利用できるようになります。
- Chat SDKは、単一のコードベースから数十のチャットアプリやプラットフォームでエージェントを利用可能にします。
- AI Gatewayは、チームに数百のモデルに対する単一のエンドポイントを、予算管理、監視、ルーティング、リトライ、フォールバック機能とともに提供します。
- Fluid computeは、レイテンシ、並行性、アイドル待機がすべて同時に重要となる、AIワークロード特有の形状のために設計されています。
- WorkflowsとQueuesは、エージェントが処理を一時停止、再開、リトライし、状態を維持し、バックグラウンド作業をオフロードする方法を提供します。
- Sandboxは、信頼できないコードのための隔離された実行環境を提供します。
- Observability（可観測性） は、チームがエージェントの行動や問題発生箇所をトレースできるようにします。
これらの構成要素を組み合わせることで、開発者はエージェントを構築・実行するために必要なすべてを一箇所で手に入れることができます。しかしVercelはさらに、これらの各要素を、コード、モデル呼び出し、ランタイム動作という共有コンテキストを持つ単一のシステムに統合します。このコンテキストこそが、インフラストラクチャそのものをエージェントへと変えるものなのです。
3. インフラストラクチャそのものがエージェンティックであること
従来のインフラストラクチャは一方通行でした：コードが投入され、ログが出力され、人間がログを読んでコードを修正します。統一されたプラットフォームは、すべてのレイヤーにわたる完全な可視性をリアルタイムで提供し、エージェントが本番環境を監視するだけでなく、自律的に対応する能力を与えます。
重要なルートでレイテンシの急上昇が発生したり、モデルプロバイダーがリクエストをドロップしたりしたとき、Vercelは人間が気付くのを待ちません。プラットフォームは異常を調査し、可観測性データをクエリし、ログを読み、ソースコードを検査し、根本原因分析を実行し、隔離されたサンドボックスで提案された修正をレビューします。プラットフォームは開発者の意図を解釈し、システムの実際の動作を観察し、その差分に基づいて行動するのです。
現在、これはまだ人間の承認をループに含めて行われています。時が経つにつれ、プラットフォームはこの運用負担の多くを引き受けるようになるでしょう。それは開発者を置き換えるからではなく、彼らに代わって行動するのに十分なコンテキストを有しているからです。
私たちの目指す先
クラウドコンピューティングの歴史は、機械から人間を取り除く歴史です。エージェンティック・インフラストラクチャはその次の進化であり、命令を待つ受動的なツールから、私たちに代わって行動する能動的なシステムへと私たちを導きます。
次の10年を勝ち抜く企業は、ソフトウェアが自らを書き、リリースし、自己修復することを想定したインフラストラクチャの上に構築されるでしょう。
続きを読む
原文を表示
Every generation of software eventually demands a new generation of infrastructure.
First, we configured servers by hand.
Next, the cloud turned infrastructure into APIs.
Then, a more important shift: infrastructure derived from the application itself.
LLMs and coding agents are driving the next transition, and it's happening fast.
In just three months, weekly deployments on Vercel have doubled, and agents are driving the growth. Today, over 30% of deployments are initiated by coding agents, up 1000% from six months ago. Claude Code accounts for 75%, Lovable and v0 for 6%, and Cursor for 1.5%.
Software is now agentic
Agents are building, testing, and shipping AI-native software, and they're doing it at a velocity that breaks traditional operations. Vercel projects deployed by coding agents are 20 times more likely to call AI inference providers than those deployed by humans. Agents are writing software that uses AI, and agents are building agents.
As the final actor shifts from human to machine, infrastructure has to adapt again. It has to work for software that acts on behalf of users, writes itself, and increasingly needs to understand its own behavior in production. This new generation of agentic software demands Agentic Infrastructure.
It’s not one evolution, but three:
Infrastructure for coding agents to deploy to
Infrastructure for building and running agents
Infrastructure that itself is agentic
- Infrastructure for coding agents to deploy to
The bottleneck for agentic engineering is operational friction.
When a coding agent writes a feature, it requires a place to run, test, and verify the output, which ultimately means it needs a URL. If the path from code to running system involves manual Terraform state or clicks in a cloud console UI, the autonomous loop breaks. Agents need programmatic, deterministic deployment surfaces.
This is why immutable deployments, preview URLs on every commit, and instant rollbacks aren't just developer experience upgrades anymore. They are absolute prerequisites for machine-driven software development.
Vercel's CLI, API, MCP servers, and git integration give agents native access to a deployment surface where they can generate code, open a PR, get a preview URL, verify the output, and ship to production, all without human intervention.
- Infrastructure for building and running agents
Serverless workloads need functions, caching, and short-lived requests at the edge, but managing that stack yourself means config drift and hours debugging across systems. Vercel solved that by unifying every layer into the frontend cloud.
Agent workloads are a fundamentally different shape. They require long-lived execution, multi-step orchestration, model routing, cost controls, sandboxed code execution, and abuse resistance. It's a more complex stack, and the penalty for running it yourself compounds: every wasted request burns inference dollars, provider outages take your agent offline, and untrusted code opens the door to prompt injection.
Vercel's agentic infrastructure unifies every AI primitive we've built into a single, secure platform, the same way we did for serverless.
AI SDK gives developers a unified way to build AI-powered applications across frameworks and providers, and AI SDK 6 adds an agent abstraction so developers can define an agent once and reuse it across interfaces and workflows.
Chat SDK makes agents available across dozens of chat apps and platforms from a single codebase.
AI Gateway gives teams a single endpoint for hundreds of models, with budgets, monitoring, routing, retries, and fallbacks.
Fluid compute is designed for the unusual shape of AI workloads, where latency, concurrency, and idle waiting all matter at once.
Workflows and Queues give agents a way to pause, resume, retry, maintain state, and offload background work.
Sandbox gives them isolated execution environments for untrusted code.
Observability lets teams trace what agents are doing and where they are going wrong.
Together, these building blocks give developers everything they need to build and run agents in one place. But Vercel also puts each of them into a single system with shared context: code, model calls, and runtime behavior. That context is what turns the infrastructure itself into an agent.
- Infrastructure that is itself agentic
Traditional infrastructure is a one-way street: code goes in, logs come out, and a human reads the logs to fix the code. A unified platform provides complete visibility across every layer in real time, giving agents the ability to not just monitor production, but autonomously respond to it.
When a latency spike hits a critical route or a model provider drops requests, Vercel doesn't wait for a human to notice. It investigates the anomaly, queries observability data, reads logs, inspects source code, performs root-cause analysis, and reviews proposed fixes in isolated sandboxes. The platform interprets what the developer intended, observes what the system actually did, and acts on the delta.
Today, that still happens with human approval in the loop. Over time, the platform will take on more of that operational burden, not because it's replacing developers, but because it has enough context to act on their behalf.
Where we're going
The history of cloud computing is the history of removing the human from the machine. Agentic infrastructure is the next evolution, moving us from passive tools that wait for commands to proactive systems that act on our behalf.
The companies that win the next decade will build on infrastructure that expects software to write, ship, and heal itself.
Read more
関連記事
コードベースの脆弱性発見を支援するセキュリティハネス「DeepSec」の公開
開発者がクラウド設定不要でローカル環境や既存の契約を利用し、大規模なコードベースから難検出型の脆弱性を特定できるオープンソースツール「DeepSec」が公開された。
Uber、コスト管理のためClaude CodeなどのAIツールの利用を制限
Uberは2026年のAI予算を4ヶ月で使い果たしたため、Claude CodeなどのAIツールの利用に上限を設けてコスト削減を図っている。
オープンモデルとクローズドモデルは異なる指数関数的成長曲線にある（8 分読）
TLDR AI は、現在のオープンソースモデルは分布外タスクで不足しているが、将来的に追いつくと指摘。最終的にオープンモデル生態系はクローズド企業寡占を超え、市場価値も OpenAI や Anthropic の累積を上回ると予測する。