はじめに

15。

これが何の数字か、先に種明かしはしません。まずこの記事を書くまでの経緯から話させてください。

私はこのシリーズを書くとき、毎回同じ手順を踏みます。Zenn・Qiitaに置いてある過去記事のタイトルを全部読み直し、まだ書いていないテーマを探す。今回もいつも通りその作業をしていて、ふと気づいたことがありました。

気づいたこと：15本の記事は、実は1冊の本の目次だった

拙著『AIエージェント設計論 — Harness/Loop EngineeringからRAGまで』は、序章を含めて全16章で構成されています。今回、Zenn・Qiitaの既存記事タイトルと本の目次を突き合わせてみたところ、序章を除く15章すべてに、対応する無料記事がすでに存在していました。

章	テーマ	記事
1	Harness Engineering	Harness Engineeringとは何か？AIエージェントの性能を決める「実行環境」の設計
2	Loop Engineering	Loop Engineeringとは何か？AIエージェントを「失敗から改善するシステム」に変える方法
3	Evaluation	AIエージェントの評価（Evaluation）設計入門
4	Context Engineering	Context Engineeringとは何か？AIエージェントに「何を見せるか」を設計する
5	Tool Engineering	AIエージェントのTool Engineering入門
6	Memory設計	AIエージェントのMemory設計入門 — 何を覚え、何を忘れるか
7	Observability	AIエージェントのObservability設計
8	Recovery Engineering	AIエージェントの失敗とRecovery Engineering
9	Human-in-the-loop	Human-in-the-loopとは何か
10	AIコーディングエージェント	AIコーディングエージェントの設計方法
11	Agent2Agent Protocol	Agent2Agent Protocol（A2A）とは何か？AIエージェント同士がつながる標準規格
12	自己改善型エージェント	自己改善型コーディングエージェントとは何か？Claude Codeの「自動モード」から考える
13	Claude Code/AI駆動開発	Claude Code/AI駆動開発入門 — サブエージェントと並列実行で変わる開発ワークフロー
14	実務導入	AIエージェントの実務導入で、企業はどこでつまずくのか
15	RAG/ローカルLLM	RAGとローカルLLMとは何か？AIエージェントに「外部の知識」をどう持たせるか

つまり、序章だけが記事化されていなかった。この記事は、その空白を埋めるために書いています。

「AI-native Software Engineering」という呼び方について

上の15本を書きながら一貫して感じてきたのは、AIエージェント開発でつまずく場所は、ほとんどの場合LLM自体の性能ではないということです。プロンプトをどう書くかより、

どんな実行環境（Harness）に置くか
何を見せ、何を隠すか（Context）
間違えた後どう検出し、直すか（Loop / Recovery）
何を「合格」と判定するか（Evaluation）
何を覚えさせ、何を忘れさせるか（Memory）
実行を人間がどこで止めるか（Human-in-the-loop）

といった、LLMの「周り」の設計のほうが、実際に動くエージェントの質を左右していました。この一連の設計領域を、私はこのシリーズの中で便宜的に「AI-native Software Engineering」と呼んでいます。

これは業界で確立した用語ではありません。あくまで、15本の記事を書き終えて振り返ったときに、自分の中でいちばんしっくりきた呼び方です。呼び方そのものより、上の表に並んだ15個の設計領域が実在する、という事実のほうが重要だと思っています。

自己批判：この記事について正直に言うと

このシリーズを書きながら気づいたデータが1つあります。「〜とは何か」という概念解説型の記事は、「思い込みが数字で裏切られた」という一次体験ベースの記事に比べて、反応が伸びにくい傾向があります。この記事もまさにその「とは何か」型で、しかも中身は既存記事へのリンク集に近い構成です。

それでもこの記事を書いたのは、シリーズを最初から読む人のための入口が、今までなかったからです。単体の記事としての伸びより、他の15本への導線としての役割を優先しました。読み物として面白いかどうかより、地図として機能するかどうかを基準に書いています。

もう1つ正直に言うと、15本すべてが同じ深さで書けているわけではありません。実装まで踏み込んだ回もあれば、概念整理にとどまっている回もあります。その差は表からは分かりませんが、読んでいただければすぐに分かると思います。

今日から使えること：読む順番の目安

15本を一度に読む必要はありません。今の立場に応じて、次の3つの入口をおすすめします。

AIエージェントという言葉自体に馴染みがない人 → まず1（Harness Engineering）と2（Loop Engineering）の2本。この2つが土台になっているので、ここが分かると残り13本の見通しが良くなります。
現場での導入を検討している人 → 14（実務導入）を先に読み、そこで挙げているつまずきポイントに関連する章（Human-in-the-loop、Observability など）を後から辿る方が、自分の状況に近い部分から読めます。
すでに何かエージェントを動かしていて、精度や安定性で困っている人 → 3（Evaluation）と8（Recovery Engineering）から。多くの場合、モデルを変える前に、この2つが手薄になっていることが原因です。

どこから読んでも構いませんが、「LLMを差し替える前に、まず表のどこか1章分を疑ってみる」というのが、このシリーズ全体を通じて一番伝えたかったことです。

拙著『AIエージェント設計論 — Harness/Loop EngineeringからRAGまで』では、この15個の設計領域を、序章を含めて1冊の流れとして体系立てて整理しています。