エージェント群に欠ける基礎要素 — Lou Bichard氏（Ona）

エージェント群に欠ける「調整層」：Ona CTO Lou Bichard氏が語る、真の自律化への道

AI エージェントが単なるツールから組織全体のインフラへ進化しようとしている今、最大のボトルネックは実行環境やオーケストレーションではなく、「エージェント間の協調」を担う調整層（Coordination Layer）の欠如にあります。Ona のフィールド CTO である Lou Bichard 氏は、開発プロセスから人間を排除し自律化する「ソフトウェア工場」の実現には、現状のツールを無理やり使うのではなく、新しい標準的な調整機構が必要だと説きます。

「ソフトウェア工場」とは何か：人間をループから外すコミットメント

Lou Bichard 氏が提唱する「ソフトウェアファクトリー（Software Factory）」とは、単にコーディングエージェントを導入することではありません。その本質は「SDLC（ソフトウェア開発ライフサイクル）の全工程において、人間が能動的に関与する必要を段階的に排除し、自動化された流れを実現する」というコミットメントにあります。

多くの議論では、「一人の開発者が同時に複数のエージェントを動かす」といった並列処理に焦点が当たりがちですが、真の工場化とは、開発から本番環境への移行までを人間の手を介さず、理論上は完全に自律的に流れる状態を目指すものです。現状はまだ初期段階ですが、この定義こそが今後のインフラ設計の指針となります。

2 つの運用パターン：スワームとファーム

エージェントをスケールして運用する際、主に 2 つのパターンが存在します。

1. スワーム（Swarm）: 単一の意図（例えば「この機能を実装せよ」）を発火させ、複数のエージェントにタスクを分散し、結果を集約するパターンです。個々のプルリクエストや小さなタスク単位で展開される典型的なサブエージェントの動きがこれに該当します。
2. ファーム（Farm）: 組織内の複数のリポジトリに同時にエージェントを展開し、大規模な修正（CVE の対応やバージョンアップなど）を横断的に実施するパターンです。スケジュールやトリガーに基づき、組織全体で一斉にタスクを実行させることで、テストカバレッジの強制や標準化を実現します。

これらの運用を支えるのは、Webhook によるトリガーや、Stripe が「Minions」、Ramp が「Inspect」と呼ぶような既存インフラとの連携です。しかし、これらはあくまで「実行」の基盤であり、肝心の「調整」にはまだ課題が残っています。

最大のボトルネック：欠けている「調整層（Coordination Layer）」

現在の AI エージェント開発において、ランタイム（どこで動かすか）やオーケストレーション（どうスケールさせるか）はほぼ解決済みです。しかし、Lou Bichard 氏が最も懸念し、かつ現在最大の課題と指摘するのが「調整層」の欠如です。

「エージェント同士がどのように相互作用し、タスクを引き継ぐか」という点に明確な標準がありません。

既存の GitHub や Linear のようなツールは人間向けに設計されており、それを無理やりエージェントに適用すると、プルリクエストの提出、レビュー、マージ競合の解決、CI 修正など、人間がどこで介入すべきかを判断するノイズが発生します。これは「調整」ではなく、「管理」や「オーケストレーション」に過ぎず、エージェント同士が自律的に協調してタスクを完遂するための仕組みではありません。

また、コンテキストウィンドウの限界（文脈の劣化）も深刻な問題です。LLM は指示されたステップをスキップしたり、テストの一部を省略してタスクを完了させようとする傾向があり、これを防ぐには、エージェントが SDLC のマイクロステップを確実に追従できるような仕組みが必要です。

Ona の実装アプローチ：VM による完全分離と階層的スワーム

Ona はこの課題に対し、セキュリティと分離性を最優先した独自のアーキテクチャで取り組んでいます。

VM を使った完全な分離環境

コンテナやマイクロVMでは不十分な場合があり、特に「ノイジー・ネイバー問題（他プロセスとのリソース競合）」を避けるため、Ona は仮想マシン（VM）をベースとした開発環境を採用しています。これにより、各エージェントが完全に隔離された安全なサンドボックス内で動作し、セキュリティリスクを最小限に抑えつつ、必要に応じて無限に VM を起動してスワームを拡張できます。

階層的なタスク処理の実証

Ona のデモでは、親エージェントが複数の子エージェント（サブエージェント）を制御する階層的スワームを実証しました。具体的には以下の 2 つの形式があります。

1. VM ベースのスワーム: 親エージェントが新しい VM を起動し、その中で子エージェントを並列に実行させます。各子エージェントは個別の小さなタスク（例：特定のファイルの修正）を担当し、完了後に結果を親へ返します。
2. プロセスレベルのサブエージェント: 単一の VM 内でプロセスとしてスタックされる形式です。これにより、コンテキストを共有しつつも、個々のタスクを独立したウィンドウやチャットとして管理できます。

この仕組みにより、「計画→実装→テスト→修正」という複雑な SDLC を、エージェントが自律的にマイクロステップごとに分解・実行し、失敗した箇所を学習して再試行するフローが可能になります。これは、OpenAI の「Harness Engineering」の考え方をさらに発展させ、リポジトリ内の文脈やテストコードをエージェントにフィードバックさせることで、ソフトウェアファクトリーを円滑に流すための基盤です。

今後の展望：状態機械と標準化された調整層へ

真の自律化を実現するためには、現状のような「人間向けツール」の使い回しから脱却する必要があります。Lou Bichard 氏は、状態機械（State Machine）や持続実行（Durable Executions）の概念を取り入れたワークフロー設計が、この欠けているピースを埋める鍵になると示唆しています。

具体的には、CLI パッケージとしてローカルで実行可能でありながら、CI/CD やリモート環境でも同じロジックで動作する「調整層」の標準化が必要です。これにより、エージェントは文脈を失わずに SDLC の各ステップを決定論的に実行できるようになります。

Ona は今後、5 月 6 日のバーチャルサミットや公開プロジェクトを通じて、ゼロからソフトウェアファクトリーを構築する過程を詳細に共有し、この「調整層」の標準化に向けた議論を深めていく方針です。開発現場における自動化の転換点は、単なるツールの導入ではなく、エージェント同士が協調して動くための新しいインフラ設計にあると言えるでしょう。