Monday.com が Deep Agents で構築した Sidekick

Monday.com が「Sidekick V2」で挑む、AI エージェントの真の進化：コード生成と自己修復がもたらす信頼性革命

従来の AI チャットボットや単純な自動化ツールでは対応しきれなかった複雑な業務を、自律的に実行・修正できる「実働型インフラ」へと進化させる試みが始まっています。Monday.com が公開した新機能「Sidekick V2」は、多すぎるツールの混乱（コンテキスト汚染）とコスト増という課題を解決するため、「Deep Agents」という新しいアーキテクチャを採用しました。

単なる会話の相手ではなく、コードを書き、ミスを自己修復し、専門タスクを部下に任せる「知的な労働者」へと進化した Sidekick V2 の設計思想と、それがもたらす具体的な技術的革新について解説します。

従来のマルチエージェントが抱えた「コンテキスト汚染」との決別

Monday.com が Sidekick V1 から V2 へ移行した背景には、既存のマルチエージェントアーキテクチャが抱える構造的な限界がありました。同社には CRM、マーケティング、サービス管理など複数の事業部門があり、それぞれで扱うデータや用語が異なります。

当初は「各ドメインごとに専用のツールとプロンプトを持つ多数のエージェント」を構築しようとしましたが、これは裏目に出ました。一つのエンジンに 200 種類以上のツールと無限のコンテキストを詰め込むことで、LLM（大規模言語モデル）が混乱し、コストが急増する「コンテキスト汚染」という現象が発生したのです。

「巨大な課題がありました。ツールが多すぎ、コンテキストも多すぎます。LLM が混乱し、コストが上昇しました」

この問題を解決するために採用されたのが、「3 層型ツール発見（Progressive Disclosure）」という原則です。すべてのツールを常時表示するのではなく、状況に応じて必要な情報だけを段階的に提示します。

1. 基本ツール（常時公開）: Web 検索や画像生成など、頻度の高い 50〜60% のツールを常にモデルがアクセス可能にします。
2. 文脈依存ツール（動的公開）: ユーザーが現在「ドキュメント」画面にいるのか、「CRM」画面にいるのかによって、関連するツールのみを提示します。例えばノート作成中なら会議メモのツールだけを表示し、他は隠すことで混乱を防ぎます。
3. 検索型ツール（遅延ロード）: 残りの専門的なツールはカタログ形式で用意し、エージェントが「これが必要だ」と判断した瞬間にのみ呼び出します。これにより、LLM が不要な情報に惑わされるのを防ぎつつ、必要な時に必要な機能を使えるようにしています。

コード生成による「無限のスケーリング」：ツール作成の必要をなくす

Sidekick V2 の最も画期的な点は、「数百の専用ツールを作成する」従来の発想を捨てたことです。代わりに、「コード生成による動的実行」を採用しました。

ユーザーが「特定の条件でオフィスを検索したい」といった複雑な要望を出した際、AI は事前に用意されたツールを探すのではなく、その場で Python コードを記述し、サンドボックス内で実行します。これにより、数百種類に及ぶ専用ツールの開発コストをゼロにしつつ、実質的に無限のユースケースに対応できるスケーラビリティを実現しました。

例えば、ロンドンで新しいオフィスを検討しているユーザーに対し、「ビッグベンの特定の時間から車で 20 分以内」という複雑な条件を指定した際、Sidekick は Google API や OpenMaps を組み合わせた独自アルゴリズムを即座にコードとして生成・実行し、結果を提示しました。

「sum（合計）や filter（絞り込み）ツールを探す代わりに、エージェントに Python コードを書かせて実行します。これにより、冗長性が排除され、安全な環境で処理が可能になります」

この仕組みには LangChain のサンドボックスが採用されており、ユーザーのデータに触れつつも、外部への悪意あるアクセスやシステムへのダメージを防ぐ堅牢なセキュリティを担保しています。

委譲とサブエージェント：並列処理による生産性の最大化

複雑なタスクを単一の AI に任せるのではなく、「専門サブエージェントへの委譲」を行うことで、作業の効率化を図っています。プレゼンテーション作成やリサーチなど、反復的なタスクには専用のサブエージェント（例：プレゼンビルダー、ウェブリサーチャー）が割り当てられます。

このアプローチには二つの大きなメリットがあります。

• 並列処理: メインのエージェントは他の作業を続けながら、サブエージェントにタスクを任せることができます。完了したら結果が戻ってくるため、待ち時間を最小限に抑えられます。
• 専門性の向上: 特定のタスクに特化したサブエージェントは、その分野の知識や手順を深く理解しているため、単一の汎用 AI よりも高精度な成果物を生み出します。

自己修復ミドルウェア：LLM の失敗を許容しない信頼性の実現

AI エージェントが実務で使われる最大の障壁は、「ハルシネーション（嘘をつくこと）」や「メモリ不足によるエラー」です。Sidekick V2 は、これらの問題を「自己修復ミドルウェア」によって解決しています。

LLM がツール名を勝手に作り出したり、変数の使い方を間違えたりした場合、システムが即座に検知して修正を試みます。また、リソース不足を検知した場合は自動的にモデルを切り替えたり、計算リソースを拡張したりします。

この「ヒーリング・リフレクション（修復と反省）」の仕組みにより、Sidekick V2 の回復成功率は約94%に達しています。これは、AI が失敗してもシステム全体が止まらず、ユーザーにはスムーズな体験を提供し続けることを意味します。

「本番環境で失敗するのではなく、自己修正する方法を学び始めました。設計の逸脱に対して修復ミドルウェアを用いて、モデル切り替えやリソース拡張を自動実行しています」

結論：AI エージェントは「チャットボット」から「インフラ」へ

Monday.com の Sidekick V2 は、単なる機能追加ではありません。それは、エンタープライズ AI が「指示待ちのチャットボット」から、「自律的に判断し、コードを書き、ミスを直す実働型インフラ」へと進化するための具体的な設計指針を示したものです。

• コード生成で無限の可能性を担保する
• 3 層型ツール発見で混乱を防ぐ
• サブエージェントで並列処理を実現する
• 自己修復ミドルウェアで信頼性を確保する

これらの原則は、開発コストを削減しつつ、複雑な業務を安全に自動化するための新たな業界標準となり得るでしょう。AI をビジネスの核として活用したい企業にとって、Sidekick V2 のアプローチは極めて重要な示唆を含んでいます。