要約 / ポイント
AIに手動でプロンプトを与える時代は終わりを告げています。自律型AIエージェントは「ループ」内で動作し、目標が達成されるまで継続的に作業を進め、ソフトウェアの構築方法のすべてを変えようとしています。
プロンプトのトレッドミルは終わり
AIツールとの慣れ親しんだやり取りは、ますます時代遅れに感じられます。私たちはプロンプトを作成し、応答を待ち、その後、フォローアップのプロンプトで細かく修正し、複雑なタスクのためにこのサイクルを繰り返します。Matthew Bermanが説明するように、この「プロンプトを送り、待機し、再度プロンプトを送る」ワークフローは、特に多段階のプロジェクトでは、すぐに非効率なトレッドミルと化します。
AIのループという概念とともに、パラダイムシフトが訪れます。Matthew Bermanは、ループを、指定された検証可能な目標が達成されるまでエージェントが自律的に動作する、持続的で目標駆動型のプロセスと定義しています。この目標は、「すべてのテストがパスする」のような決定論的なものでも、より非決定論的なものでも構いませんが、常に測定可能でなければなりません。これには、プロセスを開始するためのトリガーと、明確に定義された検証可能な目標という、たった2つのコンポーネントが必要です。
このプロアクティブなモデルは、提案はするものの、各ステップで絶え間ない人間の監視を必要とするGitHub CopilotのようなリアクティブなAIアシスタントとは根本的に異なります。単に提案するのではなく、ループ駆動型のエージェントは、明示的な人間の介入なしに、コードの修正やCIがグリーンであることを確認するなどの反復的な改善を行いながら、積極的に目標を追求します。これは、提案ベースのツールから、エンドツーエンドのタスク完了が可能な真のエージェントパートナーへの移行を示しています。
エージェントの思考：トリガーと目標
ループはAIとのインタラクションを再定義し、プロンプトのトレッドミルを自律的なワークフローに置き換えます。これらには、特定のトリガーと検証可能な目標という2つの主要なコンポーネントが必要です。トリガーは、新しいGitHub Pull Request (PR) のオープンなどのプロセスを開始します。目標は、「すべてのCIチェックがグリーンである」や「すべてのテストがパスする」といった望ましい最終状態を指定します。この決定論的または非決定論的な目標は、エージェントが自律的に追求すべき明確な目的を提供します。
エージェントは1つのアクションで止まりません。彼らは反復し、現実世界のフィードバックを使用して次のステップを導きます。テストが失敗した場合、エージェントは自動的に修正を試み、Reason + Act (ReAct) パターンを体現します。この継続的なフィードバックループは、エージェントを目標へと推進し、絶え間ない人間の介入の必要性を排除します。Matthew Bermanは、Cursorでこれを実演しており、エージェントがPRをレビューし、問題を修正し、さらなるプロンプトなしにすべてのCIがグリーンであることを確認します。
この変化は、新しいメタスキルであるループエンジニアリングを要求します。開発者は今やAIエージェントのためのシステムを設計し、トリガー、目標、フィードバックメカニズムを構築します。各ステップを手動でプロンプトする代わりに、エンジニアはAIが動作するパラメータを定義し、AIが自己プロンプトを行い、複雑な多段階タスクを効率的に管理できるようにします。これは、AIを用いた構築方法における根本的な変化を示しています。
あなたの新しいAIチームメイト：ループの動作
これらのループが実際にどのように展開するかを見てみましょう。Matthew BermanによるCursorの自動化機能のデモンストレーションは、鮮やかな例を提供します。彼は、Astro Hubのような指定されたリポジトリでPull Request (PR) を開くことがトリガーとして機能するシステムを構成します。
このトリガーは、潜在的な問題についてPRをレビューし、それらを自動的に修正し、その後それらの変更をコミットするように指示されたエージェントを起動します。決定的に重要なのは、すべてのテストがパスすることを確認し、パスしない場合は修正し、すべてのContinuous Integration (CI) チェックがグリーンであることを検証することです。これがループの目標を示します。
これは単なるインテリジェントなコード補完ではありません。開発ライフサイクル全体のセグメントを処理する自律型エージェントです。quality assuranceから自動化されたCI/CDチェックに至るまで、これらのループは手動で反復的な人間の監視から、継続的で自己修正型のAIプロセスへと負担を移行させます。これらの機能の詳細については、Automations - Cursorをご覧ください。
Cursorのようなツールは、深く統合されたAIファースト環境の最前線を代表しています。コードベース全体を理解し、複数のファイルを自律的に編集することで、AIエージェントが積極的なチームメイトとなり、絶え間ない人間の指示なしにプロジェクトを推進する、新しい開発時代を可能にします。
未来を築き、「Agent Slop」を回避する
業界は急速にagentic AIを受け入れ、単純なプロンプトを超えて複雑な目標を追求する自律システムへと移行しています。Gartnerは、2028年までにすべての日常業務の意思決定の15%が完全に自律的になると予測しており、これは単なるわずかな効率向上にとどまらず、ソフトウェアの設計、構築、運用方法の根本的な再構築を意味し、ワークフロー全体を知的エージェントに委ねることを示しています。
しかし、この強力な変化は、私たちが正面から取り組むべき重要な新たな課題をもたらします。暴走ループを防ぐためには、堅牢な終了条件を設計することが最も重要であり、エージェントがいつ操作を停止するか、またはアプローチを洗練するかを正確に知るようにします。また、人間の繊細さや戦略的意図を欠いた、低品質で反復的なAI生成出力の拡散であるagent slopを厳しく防ぐ必要があります。検証可能な目標と継続的な人間の監視は、依然として譲れないものです。
この進化するパラダイムの中で、開発者の役割は劇的に変化します。彼らは、あらゆる行を細心の注意を払って作成する実践的なコーダーから、洗練されたsystems architectsへと移行します。彼らの専門知識は、今や包括的な戦略目標を定義し、自律型AIエージェントのチーム全体を編成することにあり、高レベルで戦略的な考え方が求められます。
よくある質問
AIエージェントループとは何ですか？
AIエージェントループとは、AIに目標とトリガーが与えられる自動化されたワークフローです。人間のプロンプトを待つ代わりに、エージェントは継続的に行動し、結果を観察し、検証可能な目標が達成されるまでその行動を調整します。
ループは標準的なAIプロンプトとどう違うのですか？
標準的なプロンプトは、1つの応答を引き出す単一のターンベースの指示です。ループは、AIが自身にプロンプトを出し、コードの修正やテストの実行などのタスクを繰り返して、最終的な目標が達成されるまで継続するプロセスです。
現在、AIループをサポートしているツールは何ですか？
CursorのようなAIネイティブなコードエディタが最前線にあり、新しいpull requestsのようなイベントに基づいてAIエージェントが複雑な多段階タスクを実行するようにトリガーする自動化を作成する機能を提供しています。
「ループエンジニアリング」とは何ですか？
ループエンジニアリングとは、これらの自律型AIエージェントシステムを設計、構築、管理する新たな実践です。個々のプロンプトを作成することから、AIエージェントの作業を導く目標、トリガー、フィードバックメカニズムを定義することへと焦点を移します。