日々対話型人工知能を使っていると、大規模言語モデル（LLM）の性能、特にコーディング能力の進化を強く実感します。精度の向上に伴い、人工知能へコーディング作業を委ねる場面は確実に増えてきました。
今後この流れは一層加速し、「どこまで AI に任せられるのか」「人はどのように役割をシフトさせるべきか」を理解することが重要になります。
そこで今回、私自身が vibe coding に慣れることを目的に、vibe coding を活用したシステム開発に挑戦しました。題材として選んだのは、複数の LLM を束ねてより良い回答を生成するマルチエージェントシステムです。
なお、vibe coding とは、人間が方針や要件を提示し、人工知能エージェントが主体となってコーディングを進める開発スタイルを指します。
コードは以下の GitHub で公開しています。システムの詳細やコードについてはこちらをご覧いただけたらともいます。
https://github.com/KazuhisaFujita/OllamaSimpleHub
実装の大部分は AI エージェントにより生成されたもので、私は LLM の指定や待ち時間、軽微な修正などを行っただけです。
開発プロセス：Vibe Coding の実際の流れ
-
システム像を固める
対話型 AI と議論しながらアイデアを仕様に落とし込み、最終的な要件定義まで整理します。 -
Vibe Coding システムに要件を共有
まとめた要件を提示し、実装方針を AI に説明します。必要に応じて AI 側にも要件定義を作成させます。 -
コード生成を依頼する
仕様に沿ってコードを自動生成させます。 -
動作確認とフィードバック
想定との差異や不具合を人間がコメントし、AI に修正を依頼します。 -
問題が解消すれば完成
仕様通りに安定稼働すれば完成です。
必要なもの
- 対話型人工知能（今回は Gemini を利用）
- GitHub Copilot や Codex CLI などの vibe coding システム（今回は GitHub Copilot を利用）
Vibe Coding を成功させるためのポイント
1. 指示はできるだけ明確にする
AI は曖昧な指示では適切に動けません。丁寧な要件定義を行うことで、生成されるコードの品質は大きく向上します。要件が固まっていれば、ほぼ期待通りの実装が返ってきます。
2. 一度に完成形を目指さない
まずはコア機能を最小限で構築し、動作を確認しながら段階的に拡張するのが最も効率的です。今回のシステムも、最初に「複数エージェントを束ねるコア部分」だけを構築し、安定動作を確認してから UI を追加しました。
まとめ：Vibe Coding がもたらす未来
Vibe coding を活用すると、これまでよりも圧倒的に簡単に必要なシステムを構築できるようになります。近い将来、必要なアプリケーションを必要なときに自分で作る「ジャストインタイム開発」が一般化し、試作しては捨てるような新たなソフトウェア開発スタイルが普及する可能性があります。これにより、ソフトウェア産業全体の構造が変化することも考えられます。
また、技術の進化により、着想から実装までの距離は驚異的な速度で縮まっています。過去には Java や P 言語の普及による生産性向上、TensorFlow や PyTorch の登場によるニューラルネットワーク開発の大衆化など、環境整備が技術革新に直結した事例は多くあります。
Vibe coding が広がれば、軽度の IT リテラシーがあるだけで誰でもプロダクトを作れる時代が訪れるでしょう。
さらに進化が進めば、自然言語で指示するだけでシステムが完成する未来も想像できます。その場合、プログラミング教育そのものが見直される可能性もあります。
今回の取り組みは vibe coding の実践であると同時に、一部は AI エージェントに裁量を持たせる agentic coding に近いアプローチでもありました。実際の現場で使い込むことで見えてくる点も多いと思います。
この記事が、皆さまのチャレンジの一助となれば幸いです。