AIエージェントの挙動がランダムすぎる…その解決策：決定論的エージェントの構築方法（Archon）
BBetter Stack
Computing/SoftwareSmall Business/StartupsConsumer ElectronicsInternet Technology
Transcript
00:00:00AIエージェントは驚異的な進化を遂げていますが、まだ混沌としています。
00:00:04全く同じタスクを与えても、毎回コードの内容や品質、
00:00:09さらには意思決定までバラバラになってしまうのです。
00:00:12それがエージェントを利用する上での現状と言えるでしょう。
00:00:15しかし、その必要はありません。
00:00:17これが「Archon」です。マージコンフリクトなしで複数のエージェントを並列実行し、
00:00:22一貫した結果を得ることができます。
00:00:24セットアップ方法と仕組みについて、これから詳しく解説します。
00:00:30Claude CodeやCursor、Codexを使っていると、最初の実行は素晴らしいのですが、
00:00:392回目は全く違うプランになることがあります。
00:00:42文脈が逸れてしまうのです。
00:00:44エージェントが途中で方向転換してしまうこともあります。
00:00:47さらに規模を拡大しようとして、
00:00:492つ、3つ、4つのエージェントを使うと、
00:00:51リポジトリは完全にめちゃくちゃになります。
00:00:54そして、ここが本当の問題です。
00:00:55もはや時間の節約になっていないのです。
00:00:57プロンプトを再実行したり、
00:00:58壊れたコードを修正したりして、次は壊れないことを祈るばかりです。
00:01:02何かを構築している時、これは開発スピードを著しく低下させます。
00:01:06Archonは「ハーネスエンジニアリング」によってこれを解決します。
00:01:10エージェントの挙動を運に任せるのではなく、プロセスを定義するのです。
00:01:14計画、コーディング、テスト、レビュー、これら全てをYAMLで記述します。
00:01:18「エージェントスキル」は再利用可能な指示パックで、自動的にロードされます。
00:01:23これにより、エージェントは何をすべきか推測せず、システムに従います。
00:01:28ワークフローを加速するツールに興味があれば、ぜひチャンネル登録をお願いします。
00:01:32定期的に動画を公開しています。
00:01:34それでは、デモをお見せしましょう。
00:01:36これは私のM4 Pro上でローカル動作しており、クラウドは使っていません。
00:01:40「archon serv」と入力します。
00:01:43すると、このUIインターフェースが立ち上がります。
00:01:45Claudeを使って、Archonのスキルをこのリポジトリにインストールします。
00:01:49そして、この問題を解決するためのシンプルなワークフローを実行します。
00:01:54ここをよく見ていてください。
00:01:55エージェントが自分でスキルを見つけ、ワークフローをロードして順に実行します。
00:02:02ターミナルでも、こちらのUI上でも確認できます。
00:02:04見た目も非常に洗練されています。
00:02:05プロンプトの微調整は不要です。
00:02:07万が一失敗しても、UI上で完全な透明性が確保されています。
00:02:11どのステップで問題が起きたか正確に把握し、修正できます。
00:02:15チャット履歴が混乱しがちな生のClaude Codeより、はるかに優れています。
00:02:20ここが重要なポイントです。
00:02:21独自のGit worktreeで動作するため、メインブランチを汚しません。
00:02:26プロンプト処理を経て、生成が行われているのがわかります。
00:02:29完了しました。クリーンなPR、同一の構造、同一の結果が得られます。
00:02:33ログ、プロンプトのプロセス、出力の全容も確認可能です。
00:02:38これこそが一貫性のある状態です。
00:02:40では、具体的に何が変わったのでしょうか？
00:02:42Archonの使用によって、3つの変化が生まれます。
00:02:451つ目はワークフローです。
00:02:47ArchonはYAML形式のDAGを使用します。
00:02:50エージェントが従うべきチェックリストのようなものです。
00:02:53AIを使うステップもあれば、
00:02:56固定されたステップもあります。
00:02:58この組み合わせが、信頼性を高めています。
00:03:002つ目は隔離（アイソレーション）です。
00:03:01各実行は個別のGit worktreeで行われ、エージェント同士の上書きを防ぎます。
00:03:06だからマージコンフリクトが起きないのです。
00:03:08そしてスキルです。毎回プロンプトを詰め込む代わりに、文脈を自動ロードします。
00:03:14生のAIエージェントに比べ、ランダム性が排除されています。
00:03:19例えば、LangChainと比較してみましょう。
00:03:22LangChainも素晴らしいですが、Archonは汎用ボットではなくコードに特化しています。
00:03:27また、スクリプトに比べて再利用性があり、
00:03:30バージョン管理も可能で、
00:03:31発見もしやすいです。
00:03:32エージェントが推測で動くことはもうありません。
00:03:34ワークフロー全体を把握し、
00:03:36実際のシステムに沿って動いています。
00:03:38リポジトリを壊す心配なく、複数のエージェントを同時に動かせるのです。
00:03:42毎回同じ体裁のPRを生成できます。
00:03:45そして最大の利点は、チャット履歴にナレッジが埋もれないことです。
00:03:49プロセスがワークフローとして残るため、実行するたびに一貫性が高まります。
00:03:55これを利用することで、
00:03:56クリーンなPRと予測可能な結果が得られます。
00:03:58同じ入力には同じ出力を。
00:04:00これこそが、これまでのエージェントに欠けていた要素です。
00:04:02もちろん完璧ではありません。
00:04:04何が良い点でしょうか？
00:04:05オープンソースで、ローカル（特にMチップ搭載機）で軽快に動作します。
00:04:10VPS設定が必要なものもありますが、
00:04:13これには不要です。
00:04:14YAMLにより全てが可視化されます。
00:04:16これは大きな利点ですし、Git worktreeは現実的な問題を解決します。
00:04:19一方で、以下の点も考慮すべきです。
00:04:21事前の思考が必要になります。
00:04:23ワークフローの設計には多少の手間がかかりますし、まだ進化の途上です。
00:04:28仕様も変わっていくでしょう。
00:04:29発展途上ではありますが、成長しています。
00:04:31単発の簡単なプロンプトを投げるだけなら、これは不要です。
00:04:34正直、時間の無駄になってしまうでしょう。
00:04:36また、モデルの性能も依然として重要です。
00:04:38優れたモデルを使えば、当然より良い出力が得られます。
00:04:42エージェントのミス修正に疲れているなら、試す価値は十分にあります。
00:04:46確信を持って頼れるツールを求めているなら、
00:04:50非常にお勧めできるツールです。
00:04:52ただ実験してみたいだけの場合でも（私もそうでしたが）、
00:04:55シンプルに使えます。
00:04:56素晴らしい動作です。
00:04:57本質を理解することができました。
00:04:58エージェントを使った開発を本気で考えるなら、今最も影響力の大きい
00:05:02ツールの一つだと感じています。
00:05:04これこそが、単なるデモレベルだったエージェントを、実際の現場で
00:05:08より信頼できるツールへと変えてくれるワークフローの統合です。
00:05:13非常にシンプルです。
00:05:14エージェントが正しく動くよう祈るのではなく、
00:05:16エージェントですからね。
00:05:17私たちがその動作を定義するのです。
00:05:20それが彼らの主張であり、「ハーネスエンジニアリング」の正体です。
00:05:23このようなコーディングツールやヒントがお好きなら、ぜひBetter Stackを登録してください。
00:05:27また別の動画でお会いしましょう。