AI エージェントの負荷で限界を迎える Git

AI エージェントは Claude Code を、従来のソース管理の根本的なボトルネックが露呈するほどの速さで生成しています。緊張関係は明らかです。エージェントは変更を迅速に生成できる一方で、調整、テスト、レビューといった人間中心のワークフローが追いつけずにいます。

規模を考えてみてください。Anthropic は、1 日あたりの Claude Code の変更数が、わずか 4 か月で約 2,500 件から 30,000 件超に急増したと報告しました。OpenAI のモノレポでは、エージェントが変更をプッシュするにつれて、信頼性が 90% を下回ることもありました。これらは極端な事例ですが、構造的な課題を浮き彫りにしています。

より小さな規模であっても、ローカルエージェントを使う開発者は同様の調整上の問題に直面します。1 つの作業ディレクトリを共有するエージェントは、ファイルを上書きしたり、互いのテストを妨げたりすることがあり、新しい Claude Code を書くよりもコンフリクトの解消に多くの時間を費やすことになります。

Anthropic と OpenAI のインフラ上の問題は大規模なものですが、その根底にある調整の問題は、同じプロジェクトで複数のコーディングエージェントを動かしているすべての人にとって身近なものです。中心的な問題は、主にオフラインで作業する人間の開発者向けに設計された Git が、AI による絶え間なく大量で並列的な要求に対応しきれないことです。

OpenAI は Anthropic とは逆のアプローチを取り、Git の使い慣れたインターフェースを維持したままバックエンドを再構築しました。開発者は引き続き標準の git push および git fetch コマンドを使用します。Pando と呼ばれるこのシステムは、Rust で書かれたカスタムの高並行バックエンドで、AI エージェントの需要に合わせて拡張できるよう設計されています。

ボトルネックは、多数のブランチにわたる同時更新の調整でした。Pando は、異なるブランチへの更新を即座に処理し、モノリシックな ref ロックを独立した ref の調整に置き換えることで、この問題を解決します。これにより、エージェントは別々のブランチへ同時にプッシュでき、以前はすべての処理を遅くしていた直列化されたボトルネックが解消されます。

Pando は Git のパックファイルもキャッシュするため、一般的な CI ジョブのリクエストに対して、サーバーが同一のデータを繰り返し再生成することを防ぎます。現在このシステムは 1 日あたりほぼ 1 ペタバイトの Git データを提供しているため、この効率化は不可欠です。

OpenAI は目覚ましい成果を報告しています。プッシュ遅延の中央値は 80% 近く低下し、ワークフローが大幅に高速化されました。その代償として、複数のブランチにまたがる読み取りでは、リポジトリの完全に同期された単一のビューが得られない場合があります。Pando はキックオフから本番稼働まで約 10 週間で到達し、中核部分は 1 人のエンジニアが設計し、その大部分は Claude Code エージェントによって実装されました。

一方、Anthropic は Git の根本的な前提に疑問を投げかけました。同社のチームは、クライアントの大半が常時オンラインの AI エージェントや自動化ジョブである場合に、オフラインファーストの分散型バージョン管理システムが引き続き最適かどうかを検討しました。その結果生まれたのが、Git を完全に置き換える Scion です。

Anthropic のメインブランチの履歴は 100 GB に近づき、圧縮済みの作業コピーは 25 GB を超えていました。CI インフラでは、1 日あたり約 2,500 万回のチェックアウトが行われていました。こうした負荷により、大規模なローカルリポジトリと Git の分散型モデルに伴うオーバーヘッドの増大が浮き彫りになりました。

Scion は、コミット、マージ、履歴に関する操作をサーバー側のシステムに移しました。クライアントは必要なファイルとデータのみを要求するため、大規模なローカルリポジトリは不要になります。このアーキテクチャにより、大きな効率向上が得られました。

Anthropic は、Scion が従来の Git ミラーリング基盤と比べて、CPU とメモリの使用量を約 200 分の 1 に抑えていると報告しています。以前は数分かかっていた一部のチェックアウトが数秒で完了するようになり、CI は CPU 容量の約 25% を回復しました。Scion を最大限に活用するため、Anthropic は Claude Code のレビュー、Claude Code の検索、および CI ツールを再構築しました。技術的な詳細については、Redesigning source control at Anthropic をご覧ください。Scion は汎用的な Git の代替ではなく、Anthropic 固有のエージェント主導のワークロード向けの特化型ソリューションです。

Pando と Scion は、異なる方向への選択を表しています。OpenAI は Git との互換性を優先し、開発者のワークフローを変えることなく、ペタバイト規模のデータと 1 日 30,000 件の変更を処理できるようバックエンドを再構築しました。一方、Anthropic の Scion は、社内のエージェントワークロードに合わせて一から設計されたシステムであり、Git のオフラインファーストの前提を捨て、常時オンラインでサーバーを正とするモデルを採用しています。

どちらのシステムも一般には利用できません。また、社内での優れたベンチマーク結果(例:Scion の CPU/メモリ効率 200 倍、Pando のプッシュ遅延 80% 削減)は、ノート PC 規模での改善にはそのままつながりません。ほとんどのチームにとって、Git は引き続き堅牢です。ローカルでのエージェント間の競合に対する当面の解決策は git worktree add <path> <branch> です。このコマンドにより、各エージェントに独立した作業ディレクトリとブランチが提供され、同時編集による衝突を防げます。

worktree はローカルのワークスペースでの衝突を軽減しますが、すべてのマージコンフリクトを解消するわけではありません。エージェント主導の開発を拡大するには、次の対策を検討してください。

• 大規模なリポジトリには sparse checkout を使用する
• 依存関係をキャッシュする
• 重複する CI ジョブを避ける
• 関連するテストを安全に実行する

Claude Code やその他のエージェントが Claude Code の生成を加速させるにつれ、次のボトルネックは、ソース管理から人によるレビューと自動検証プロセスへと必然的に移っていきます。

AI コーディングエージェントはなぜ Git に問題を引き起こしているのですか?

エージェントは大量の変更を並行して作成・プッシュできるため、競合、チェックアウトの負荷、変更のレビューやテストに必要な作業が増大します。

OpenAI の Pando と Anthropic の Scion の違いは何ですか?

Pando は Git のワークフローを維持したまま Git のバックエンドを再構築します。Scion は Git を、Anthropic のエージェント中心のワークロード向けに設計されたサーバー中心のシステムに置き換えます。

開発者は現在 Pando や Scion を利用できますか?

いいえ。どちらも社内システムであり、チームが Git の代替としてインストールして導入できるツールではありません。

複数のコーディングエージェント間の競合を防ぐにはどうすればよいですか?

各エージェントに専用の Git worktree とブランチを割り当て、その後で変更をレビューしてマージします。worktree は作業ファイルを分離しますが、後でのマージコンフリクトは防げません。