新トレンド：並列AIエージェントを起動するプログラミング

こんにちは、Pragmatic Engineer ニュースレターの特別無料号をお届けするゲルゲーです。毎号、シニアエンジニアやエンジニアリングリーダーの視点からビッグテックとスタートアップを取り上げています。今回は The Pulse #149 から一つのトピックを扱います。フルサブスクライバーには、この記事を 2 週間前に配信しました。このような記事を毎週あなたのメールボックスにお届けするには、こちらから購読してください。 Claude Code、OpenAI Codex、Cursor など、エージェント型コマンドラインインターフェースが主流となる中で、複数のソフトウェアエンジニアが、並行して複数のエージェントを起動し、別々のタスクに取り組むという実験的な動きを目にしています： Anthropic のエンジニアである Sid Bidasaria 氏に Claude Code の構築方法についてお話ししましたが、会話の最後に、彼は数個のエージェントを常時実行しており、それが仕事の生産性を高めたと言及しました。同様に、AI エンジニアリングの専門家と私が考えるソフトウェアエンジニアの Simon Willison 氏は、「並行するコーディングエージェントライフスタイルを受け入れる」という投稿を行いました。彼はこう書いています： 「ここしばらく、複数のコーディングエージェントを同時に実行しているエンジニアたちから話を聞いてきました。同じリポジトリ内で、あるいは複数のチェックアウトや git worktree に対して、数個の Claude Code や OpenAI Codex インスタンスを同時に起動するのです。 （注：原文がここで切れているため、以降は翻訳できません） 最初は私もかなり懐疑的でした。AI が生成したコードはレビューが必要なので、このすべてのプロセスにおける自然なボトルネックは、私が結果をどれほど速くレビューできるかにかかっています。これほど高速に成果物を生み出す LLM を一つだけ追うことさえも困難なのに、一度に複数実行しても結局自分がさらに取り残されるだけなら、一体どんなメリットがあるのでしょうか？ 私の懸念にもかかわらず、ここ数週間で私は静かに並列コーディングエージェントのライフスタイルを受け入れ始めていることに気づきました。 一度に一つの大きな変更だけをレビューして確定させることしか集中できませんが、主要な業務に過度な認知負荷を加えることなく、並列で発注できるタスクの数が徐々に増えていると感じています。 Simon は自分に効果がある方法についてアドバイスを提供しており、研究や保守作業、指示された作業などすべてがユースケースとして言及されています。 エージェントとの並行作業が、数十年にわたるソフトウェアエンジニアリングの慣行を覆す可能性を持っているかどうかを考えるのは興味深いです。一度に複数のエージェントを開始するソフトウェアエンジニアが、「一度に一つの課題に取り組む」単一スレッド型の同僚よりも生産性が高くなるという仮定を立ててみましょう。もしそうであれば、十分な数のソフトウェアエンジニアが生産性の向上を目指したり、以前より多くのことを実行する同僚に取り残されるのを避けたりしたいと願うなら、この実践は広まる可能性があります。 しかし、AI 以前の時代のエンジニアリングとは、多くの生産的なエンジニアにとって「フロー状態」にあることすべてでした。フロー状態とはおよそ以下のようなものです： 動く部品を理解する 解決策を構築し、検証し、改善する 動作に満足したら、コードレビューのためにプルリクエストを送るか、レビューが不要な場合はそのままマージしてリリースする このプロセスを中断するとフロー状態が崩れ、再び集中するには時間がかかる。そのためソフトウェアエンジニアは、コーディング作業で進捗を出すために集中時間を優先しがちである。 もちろん、これはすべての高生産性エンジニアに当てはまるわけではない。私がエンジニアマネージャーだった頃、私のチームで最も生産性の高いエンジニアたちは多くのコンテキストスイッチを行っており、複数のことを同時に捌くのが得意であった。テックリードとして働くシニアエンジニアの平均的な一日を挙げる: コードレビュー。オフィスに着いたら、前夜のオープンなコードレビューを確認する コーディング。自分のコーディング作業を進める スタンドアップ。いつもの通り さらにコーディング。仕事を完了させる。少なくともそれが理想である。実際には： 中断：コードレビュー、助けを求める依頼、肩を叩かれること。チームで最も生産性の高いエンジニアは定期的に、同僚のブロックを解消するためのコードレビュー依頼や、行き詰まっている他者の支援要請、あるいはマネージャー（私だ！ごめんね！）からの何かの手伝い依頼のために肩を叩かれる。 既存の習慣と現在の行動に基づけば、シニア以上のエンジニアが並列 AI エージェントとの作業において「自然にこなせる」ようになるだろうか： 頭の中で並列ワークフローを維持する。例えば、チームメンバーがそれぞれの時点で何をしているか把握しておくこと。 複数のワークストリームにわたるコードレビュー：彼らはデファクトスタンダードのコードレビュアーであり、通常 2〜5 のワークストリーム全体の変更をレビューします。実際に作業を行うわけではありませんが、何が正しいかを知っています。 中断への対応力：彼らは集中力が絶えず妨げられる状況でも進捗を出し続ける方法を学んでいます。 同僚の指導能力：頻繁に邪魔されるため、タスクの委任や緊急業務をチームメンバーに説明する方法も習得しています。 文章作成スキル：これらのエンジニアは多くのコードレビューを書き、作業内容を概説する RFC（Request for Comments）のような文書を作成し、プロジェクトを分解するためのチケットを作成し、同僚の成果に対して批判的検討を行います。これらすべてが効果的な文章コミュニケーションを必要とします。 AI エージェントを用いることで、より生産性を高めたいエンジニアにとって、優れたテックリードに必要な資質は手の届くところにあります。これまで私が聞いた限り、並列エージェントを成功裏に活用しているのはシニア以上のエンジニアだけです。 しかし、このワークフローがすべての人に定着したわけではありません：私は Flask の作成者である Armin Ronacher に並列エージェントの利用経験について尋ねました。彼はこう答えました。 「時々、並列エージェントを起動しますが、以前ほど頻繁には行いません。 理由はこうです：私の頭でレビューできる量には限界があるからです！」 しかし、あらゆる開発者がコーディングエージェントを使って並行してコーディングを開始できるという新しい領域に私たちは今入っています。これがエンジニアの生産性を高めるのか、それとも単に人々が自分たちの生産性が高くなったと感じさせるだけなのか。おそらく、一度に一つのことに集中し、焦点を維持するエンジニアの方が、時間とともにより信頼性の高いソフトウェアを生産することが示されるでしょう。あるいは、並行してエージェントと作業することは、より多くの問題が見過ごされ、より多くの反復が必要となり、あらゆる利益を破壊することになるかもしれません。 私たちはそれを知るでしょう。個人的には、より多くの開発者が並行エージェントの実験を行うことしか見えていません。 私の感覚では、AI エージェントとの作業においてはソフトウェアエンジニアリングの基礎がこれまで以上に重要になります。私は自分のサイドプロジェクトで AI エージェントの使用を始めましたが、これまでに成功しています。私が行うことはいくつかあります: テスト：すべてのサイドプロジェクトにはユニットテストがあります。検証なしに自分の仕事を信頼しないことを学んだからです。 小さく記述的なタスク：スコープが小さいタスクを与え、その内容を説明し、例を示します。 リファクタリング：3 番目または 4 番目のタスクは、エージェントが彼らが書いたコードをリファクタリングすることです（例えば、メソッドに抽出する、新しいクラスに移動するなど）。 レビュー：私はエージェントが行ったことを追跡しています。 個人的に小さなことを行う：IDE を開き続けます。数行で手動変更できることは何でも自分で処理し、コードベースへの意識を保ちます。 他のエンジニアたちからも同じ声をよく耳にします：「エージェントが継続する前にすべてのテストをパスすることを義務付ける」ようなエンジニアリングプラクティスを強制することは、より良い結果をもたらすということです。これは驚くべきことではなく、まさにこれらのプラクティスが人気を集めている理由です。AI エージェントは非決定論的であり、ある程度信頼性に欠けるものです；しかし、こうしたプラクティスによってそれらははるかに信頼性が高く、実用可能になります。 これは『The Pulse #149』で取り上げられた 5 つのトピックのうちの一つです。本号ではさらに以下の内容も扱っています： ACP プロトコル。Zed チームが構築した新しいプロトコルで、MCP プロトコルよりも IDE 向けの AI ツールビルディングを容易にすることを目指しています。 AI セキュリティツールは驚くほどよく機能するのか？AI を活用したセキュリティツールは、成熟したオープンソースプロジェクトにおけるセキュリティ欠陥の特定において優れた能力を示しているようです。 AI は米国経済成長の唯一のエンジンなのか？今年の米国の GDP の 40% が AI 関連支出に基づいており、ベンチャーキャピタルの 60% もが AI に投資されています。2001 年のようにバブルが弾けるような結末にはならないことを願っています。 8 つの大規模テック企業での面接を比較。プーネット・パトワリ氏は 8 つの主要なテック企業に応募し、6 つからオファーを受けました。彼は Meta、Amazon、Uber、および他の 5 つの職場での面接経験を比較しています。 本号全文はこちらで、今日の『The Pulse』はこちらでご覧ください。

新トレンド：並列AIエージェントを起動するプログラミング

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

背景や根拠まで確認しますか？

関連記事

ニュースの次に確認する

調べる

選ぶ

サイト