アイデアの速度で開発 - スナップチャット ジェフリー・リー＝チャン氏

アイデアの速度で開発：スナップチャットのジェフリー・リー＝チャン氏が語る「Open Claw」の実践

AI エージェントを単なるコード補完ツールから、自律的にタスクを管理・実行する開発パートナーへと進化させるには、どのようなアーキテクチャが必要なのか。スナップチャットエンジニアのジェフリー・リー＝チャン氏は、その答えとして「Open Claw」という概念と、それを支える具体的な実装手法を公開しました。

従来の AI ツールとの決定的な違いは、コード生成そのものよりも「タスクの文脈」や「履歴」を管理するオーケストレーション層にあります。ジェフリー氏は、Claude Code や tmux を組み合わせた並列処理ワークフロー、そして AI の楽観的バイアスを排除するための「マネージャー型エージェント」の導入を通じて、開発速度と信頼性を最大化する方法を解説しています。

文脈を忘れない「Open Claw」と摩擦のないコミュニケーション

ジェフリー氏が提唱する Open Claw の核心は、単にコードを書くことではなく、開発者の思考プロセスを阻害しない「摩擦のないコミュニケーション」を実現することにあります。従来の AI ツールでは、毎回詳細な指示を入力する必要がありましたが、Open Claw は過去の会話履歴や仕様、目標を記憶し続けることで、短く簡潔な指示でも正確にタスクを理解します。

「Slack のメッセージは非常に短くても、OpenClaw は私が以前に依頼した内容を覚えています。例えば『懐疑的エージェントを直して』と言っても、それが何を指すか理解してくれます。」

この仕組みにより、開発者は毎回同じ背景説明をする手間が省かれ、AI との対話が自然な会話の流れに進みます。ジェフリー氏は、Open Claw が持つ文脈管理能力こそが、高次の開発速度を実現する鍵だと強調します。

並列処理と階層型アーキテクチャ：tmux で加速するワークフロー

Open Claw の実装において重要なのが、複数のエージェントを同時に動かす「並列処理」の仕組みです。ジェフリー氏は、ターミナルマルチプレクサである tmux を活用し、オーケストレーター（管理者）がワーカー（実行役）を管理する階層型アーキテクチャを採用しています。

このシステムでは、Claude Code を実行するワーカーが複数存在し、さらにその下にサブエージェントを持たせることも可能です。tmux の画面分割機能を使うことで、開発者は複数の AI エージェントの進捗を同時に監視・制御できます。

「私は複数のエージェントをワークツリーで使い、並列処理が非常に重要です。CI コードの統合も良好です。短く指示するだけで通じますね。」

このアーキテクチャにより、AI が「準備完了」を報告するのを待つのではなく、複数のタスクを同時に進行させながら、オーケストレーターが全体を統括します。これにより、開発プロセス全体のボトルネックを解消し、スピードを最大化しています。

AI の楽観的バイアスを排除する「マネージャー型エージェント」

AI エージェントの最大の弱点の一つに、「楽観的バイアス」があります。コード生成を担当するワーカーは、自分の出力が正しいと思い込みやすく、潜在的な問題を見逃しがちです。これを防ぐため、ジェフリー氏は独立した「マネージャー型エージェント」を配置しています。

このマネージャー型エージェントはコード生成には直接関与せず、客観的なレビューや意思決定を担当します。例えば、あるプルリクエスト（PR）が機能しているかどうかを判断する際、ワーカーは「素晴らしいですね」と推奨する傾向がありますが、マネージャー型エージェントは他の PR と比較し、「この PR をクローズすべきだ」と冷静な判断を下します。

「私が直接これらでコードを書くとき、通常はバイアスがあるように感じますね。それは、物事が本当に機能していると言いたがるようなバイアスです。しかしマネージャー型エージェントは、『いいえ、これを上回る別の PR があって、おそらくこの PR をクローズすべきです』と言います。」

この役割分担により、AI の過信によるバグや設計の欠陥を早期に発見し、開発の信頼性を大幅に高めています。

複数モデルを横断分析する独自ツールとブラウザテスト

さらにジェフリー氏は、単一モデルの限界を超えた意思決定支援のために、複数の AI モデルからの回答を比較・統合する独自ツールも構築しています。研究や複雑なタスクにおいて、異なるモデルに問いかけ、その結果を一つの画面で縦タブ形式で表示できるこのツールは、情報の偏りを防ぎます。

「通常、この種の回答を単一のモデルに聞くよりも好むようにしている。複数のモデルからの回答を比較・統合する独自ツールを開発し、信頼性の高い意思決定を支援しています。」

また、ブラウザテストの自動化にも注力しています。数ヶ月前まではポップアップの特定やパスワード入力などで苦労していたエージェントも、現在は CSS や JS の視覚的テストを正確に実行できます。この進化により、手動で行っていたテスト作業を大幅に削減し、開発サイクルを加速させています。

まとめ：自律的な開発パートナーとしての未来

ジェフリー・リー＝チャン氏の Open Claw は、AI を「指示待ちのツール」から「自律的な開発パートナー」へと昇華させるための具体的なロードマップを示しています。文脈管理、並列処理、バイアス排除、複数モデル分析という 4 つの要素を統合することで、エンタープライズレベルでの AI 導入における信頼性と効率性を劇的に高めることが可能になります。

AI エージェントの未来は、単なるコード生成ではなく、開発者の思考と協働し、自律的にタスクを管理・実行するシステムへと進化していくでしょう。その第一歩として、Open Claw のようなアーキテクチャが示す道筋は、多くの開発者にとって重要な指針となるはずです。