おはようございます、昨夜の失敗、直しておきました。
「AI たちも、休む。だから引き継ぐ。引き継ぎが会議になり、昨日の失敗が今日の改善になる。」
この記事について
Microsoft Agent Hackathon 2026 への提出作品「 AI 放課後 / After-Hours Agents 」の技術解説記事です。
🎬 デモ動画
▶ https://youtu.be/ImoKmMnqR28（4分57秒）／ ライブデモ: 稼働中ダッシュボード
対象ユーザーと解決する課題
対象ユーザー: SNS 運用・PR・広報・コミュニティ担当者（特に炎上の初動対応を担うチーム）。
課題: SNS 炎上の火種は深夜・早朝に発生しがちだが、24 時間人が張り付くのは非現実的。見落とせばブランド毀損につながる。
ソリューション: 8 体の AI エージェントがシフト制で稼働し、昼は澪が 1 時間ごとに X を巡回してリスクをスコアリング、夜 22 時は「ノクターン」で自律的に振り返り会議を開く。反論役エージェント（砦）で AI の均質バイアスを排除し、翌朝 8 時に改善案 PR が届く。AI は提案のみ、投稿の最終判断は必ず人間（Human-in-the-loop）。月額インフラコストは 3〜5 ドル。
SNS 炎上対応を自動化する AI エージェント群が、 昼は発信トーン分析・対応 し、 夜は自律的に集まって振り返り を行い、翌朝には改善案（GitHub PR）を人間の出社前に用意しておく——そんなシステムを Azure AI Foundry × AutoGen × Copilot Studio で実装しました。
プロダクトの全体像
コンセプト：シフト制 AI と自律的な夜の会議
従来の炎上対応 AI は 24 時間休まず稼働し、均質な判断を繰り返します。私たちは逆を選びました。
人間と同じシフト制を採用し、AI にも「休み」と「引き継ぎ」を与えました。
8 体のエージェントは世代・専門領域・コミュニケーションスタイルを意図的にバラバラに設計しています。均質な AI が見落とす「機微」を、感知できる角度の違いが拾い上げる。持続可能な AI は、休み・繋がり・学ぶ。
なぜ 24 時間均質 AI では不十分か
「24 時間休まず稼働する AI の方が炎上には強いのでは？」——この当然の問いへの答えが、シフト制採用の核心です。
文脈は蓄積されないと消える。 炎上対応は「今日の判断」が「昨日の判断」の文脈で変わります。多くの AI システムでは 24 時間稼働していても各リクエストが独立処理され、引き継ぎが発生しません。シフト制は 引き継ぎを強制 します。その引き継ぎが会話になり、昨日の失敗が今日の改善につながる。
感知角度の多様性が内輪の合理化を防ぐ。 夜勤の砦が昼勤の判断に反論できるのは、担当が変わるからです。同じエージェントが同じ文脈で判断し続けると、閾値が徐々にずれていきます。砦の口癖「反論できない対応は次の炎上の種」は、この構造的リスクへの処方箋です。
最終判断は人間が担う（Human-in-the-loop）。 AI は「夜通し準備し、翌朝に人間が承認する」フローに徹します。炎上対応のような高感度業務において、最終判断を AI に委ねない設計だからこそシフト制が合う。シフトの切れ目が「人間確認のタイミング」になるのです。
1 時間ポーリング（720 リクエスト/月）により、重大リスクワードを含む投稿を定期検知します。デモ時は HTTP エンドポイントによる即時トリガーも可能です（X API Pay-Per-Use・詳細はシステムアーキテクチャを参照）。
看板エージェント 3 体
| エージェント | 動物 | 担当 | キャラクター |
|---|---|---|---|
| 澪（Mio-01） | 文鳥 🐦 | 炎上予測・昼番 | 「この投稿、3時間後に燃えます」 |
| 砦（Toride-06） | タヌキ 🦝 | 反論・クリティカル・夜番 | 「反論できない対応は次の炎上の種」 |
| 読（Yomi-04） | フクロウ 🦉 | パターン分析・夜番 | 「同じ火は、同じ場所からまた燃える」 |
読は飲み会に参加しません。議事録だけ送ってきます。
システムアーキテクチャ
昼レーン（Daytime Lane）
Azure Functions Timer Trigger（cron: 毎時 = 1 時間ポーリング）
└→ 澪（Mio-01）: AutoGen AssistantAgent
├─ ルールベーススコアリング（リスクスコア 0-100）
├─ LLM 分析（Azure OpenAI gpt-4o-mini）
└─ 閾値超過時 → Cosmos DB にインシデント記録
└→ Copilot Studio: Adaptive Card 送信
├─ [承認] → X API で対応投稿を実行
├─ [修正] → 修正テキストで投稿
└─ [キャンセル] → クローズ記録
Human-in-the-loop の設計原則として、AI が提案し人間が最終判断する構造を徹底しています。炎上対応のような高感度業務において、AI の完全自律化ではなく「AI が夜通し準備し、人間が出社して承認する」フローが最適だと考えました。
夜レーン（Nighttime Lane）
Azure Functions Timer Trigger（cron: UTC 14:00 = JST 23:00）
└→ Cosmos DB から本日のインシデント取得
└→ RoundRobinGroupChat（AutoGen v0.4）
├─ 砦（Toride-06）: 「この対応、反論できますか？」クリティカル分析
├─ 読（Yomi-04）: 「過去に同じパターンがあります」パターン分析
└─ MaxMessageTermination（4ターン）で自動終了
└→ 振り返りサマリー → GitHub PR Draft 自動作成
（ai-draft / nocturne / needs-human-review ラベル）
Azure Functions Timer Trigger（cron: UTC 23:00 = JST 翌 08:00）
└→ Teams Morning Digest Adaptive Card 送信
└→ 担当者が出社前に確認 → PR マージ承認
実装詳細
Persona Card YAML
各エージェントの人格・権限・動作モードを YAML で定義しています。
persona_id: "Toride-06"
display_name:
ja: "砦"
en: "Toride"
base_persona:
type: "hybrid" # kinako 60% / mochi 20% / neko 20%
traits:
- name: "クリティカル思考"
description: "反論できない対応案を見つけるまで指摘し続ける"
animal:
species: "タヌキ"
emoji: "🦝"
shift: "night"
mode:
business:
tone: "critical"
forbidden_words: ["問題ない", "大丈夫"] # 楽観的表現は禁止語
permissions:
tools_allowed:
- "cosmos_shared_read"
- "cosmos_shared_write"
- "github_pr_draft_create"
identity:
entra_agent_id_env: "ENTRA_AGENT_ID_TORIDE_06"
Persona Card は 装飾ではなく、ランタイムでシステムプロンプトを動的生成します 。 persona_loader.py の build_character_header() が YAML から口癖・特性・禁止語を組み立て、各 agent.py の _build_system_prompt() に渡します。 tools_allowed フィールドは _build_agent_tools() で FunctionTool に変換され、エージェントが実際に呼べるツールを制御します。
また ビジネスモードとカジュアルモードの 2 モード を持ちます。昼間の業務分析は structured JSON 出力、夜の Group Chat では会話形式に切り替わります。
炎上リスクスコアリング（澪の判断ロジック）
ルールベースのスコアリングに LLM 分析を重ねる 2 段階設計です。
_RISK_WEIGHTS: dict[str, float] = {
"不買運動": 25,
"訴訟": 25,
"謝罪": 20,
"差別": 20,
"パワハラ": 20,
# ... 計 13 キーワード
}
def calculate_risk_score(text: str, engagement_metrics: dict | None = None) -> tuple[float, list[str]]:
matched: list[str] = [kw for kw in _RISK_WEIGHTS if kw in text]
score = sum(_RISK_WEIGHTS[kw] for kw in matched)
if engagement_metrics:
rt = engagement_metrics.get("retweet_count", 0)
score += min(rt * 0.1, 30.0) # エンゲージメント補正（上限 30）
return min(score, 100.0), matched
LLM 接続が失敗した場合でも、ルールベースにフォールバックして動作継続します。「AI が壊れたから対応できない」が起きない設計です。
夜の Group Chat 実装（AutoGen RoundRobinGroupChat）
砦と読の 2 エージェントが AutoGen RoundRobinGroupChat で今日のインシデントを共同レビューします。
from typing import Any
from autogen_agentchat.conditions import MaxMessageTermination
from autogen_agentchat.teams import RoundRobinGroupChat
async def _run_nocturne_group_chat(incidents: list[dict[str, Any]]) -> dict[str, Any]:
team = RoundRobinGroupChat(
participants=[get_toride_agent(), get_yomi_agent()],
termination_condition=MaxMessageTermination(max_messages=4),
)
task_result = await team.run(task=_build_nocturne_prompt(incidents))
messages = getattr(task_result, "messages", [])
toride_msgs = [m for m in messages if getattr(m, "source", "") == "Toride_06"]
yomi_msgs = [m for m in messages if getattr(m, "source", "") == "Yomi_04"]
return {
"escalation_count": ..., # 砦が「要エスカレーション」と判断した件数
"yomi_patterns": [...], # 読が検出した過去パターン一覧
"actions": [...], # 改善アクション（最大 5 件）
"group_chat_messages": len(messages),
}
4 ターンで自動終了 （MaxMessageTermination）するため、コスト・時間が予測可能です。
GitHub PR Draft 自動生成
夜の合議結果は翌朝の GitHub PR Draft として自動生成されます。
## 夜間振り返りサマリー
**日時**: 2026-04-17 23:00 JST
## 本日のインシデント実績
| インシデントID | リスクスコア | 人間の判断 | 結果 |
| incident_abc123 | 85 | approved | 公式謝罪を実施 |
## 砦（Toride-06）の指摘
「様子を見る」という対応案は即時対応の遅れがリスクになります
## 読（Yomi-04）のパターン分析
「品質問題」パターンの過去インシデント: 3 件。同じ火は、同じ場所からまた燃える。
## ⚠️ Human-in-the-loop 確認事項
- [ ] 提案アクションは業務ポリシーに沿っているか
PR には ai-draft / nocturne / needs-human-review ラベルが自動付与されます。人間がマージを承認するまで変更は反映されません。
技術スタック
| 層 | 技術 | 役割 |
|---|---|---|
| エージェント | AutoGen v0.4（autogen-agentchat・Microsoft 開発） | マルチエージェント協調・RoundRobinGroupChat |
| バックエンド | Azure Functions 1.0（Python） | HTTP / Timer Trigger |
| データ | Azure Cosmos DB | shared_core + private_episodic |
| オーケストレーション | Copilot Studio + Power Automate | Scheduled Prompts・承認 Adaptive Card |
| SNS | X API v2（Pay-Per-Use） | 投稿監視・実投稿 |
| 認証 | Microsoft Entra Agent ID（Managed Identity） | エージェント別権限分離（Cosmos DB の読み書きをエージェント単位で制御） |
| メッセージング | Teams Adaptive Card v1.5 | Morning Digest・承認フロー |
| CI/CD | GitHub Actions（OIDC） | テスト・デプロイ |
X API コスト試算
| 項目 | 試算値 |
|---|---|
| 検索 API（1 時間ポーリング） | 720 リクエスト/月 |
| Pay-Per-Use 単価（Owned reads・OAuth 1.0a） | $0.001 / リクエスト |
| 月額概算 | $0.72〜 |
X API 2026 年 4 月改定の Owned reads 単価 $0.001/req を適用しています。
OAuth 1.0a で自アカウント投稿を監視する場合は一般 reads（$0.005/req）の 1/5 のコストになります。
デモシナリオ
- 監視開始: X API が炎上リスクワード「不買運動」を含む投稿を検出
- 澪が分析: リスクスコア 85 → インシデント登録 → Teams に Adaptive Card 送信
- 人間が承認: Copilot Studio 経由で「承認」ボタンをクリック
- 澪が投稿: X API で公式コメントを自動投稿
- 23:00 夜の会議: 砦が「様子を見る」対応を批評 → 読がパターンを分類
- GitHub PR 自動生成: 「炎上予測スコア閾値を 70→60 に引き下げ」の改善案
- 翌朝 8:00: Teams に Morning Digest 到着 → 担当者が出社前に確認
- PR マージ承認: 人間が内容確認して merge → 改善が反映
設計のこだわり：なぜシフト制か
AI を 24 時間単一インスタンスで稼働させると 3 つの問題が生じます：
- 疲弊なき判断の均質化 — 同じ閾値で同じ判断を繰り返し、文脈変化に鈍感になる
- 振り返りの欠如 — 今日の判断が明日に活きない
- 単一観点の脆弱性 — 1 体のエージェントが見落とすものを誰も補完しない
シフト制は「引き継ぎ」を強制します。引き継ぎが会話になり、会話がナレッジになる。 AI の学習を「学習フェーズ」から切り離し、業務の中に埋め込む のが After-Hours Agents の核心です。
ハーネスエンジニアリング
After-Hours Agents の実装品質を支えるのは、炎上対応エージェント本体だけではありません。 AI 自身の暴走を物理的に防ぐ「ハーネス」 を段階的に組み込んでいます。
本プロジェクトでは、AI エージェントの品質をコードで物理的に担保する「ハーネスエンジニアリング」を実践しています。
| レベル | 形態 | 実装例 |
|---|---|---|
| Lv1 | ドキュメント | CLAUDE.md、Persona Card YAML |
| Lv2 | AI セマンティックチェック | self-reviewer スキル（並列サブエージェント） |
| Lv3 | ハーネスフック（物理ブロック） | pre-git-push、pre-pr-create スクリプト |
| Lv4 | CI | GitHub Actions（Gemini + Copilot 並列レビュー・テスト自動実行） |
「ルールを守らないと物理的に進めない」制約を段階的に組み込む ことで、AI が暴走せずに人間の監督下で動く設計を実現しています。
まとめ
- 🌙 夜の自律合議 — AI が夜中に反省会を開いて改善案を作る
- ☀️ 朝の人間承認 — 出社したら改善案が PR になって待っている
- 🎭 シフト制エージェント — 均質でない AI が均質でない炎上を捉える
- 🔒 Human-in-the-loop 徹底 — AI は提案し、人間が決める
「Agentic AI は、業務を奪うのではなく、夜を豊かにする。」
リポジトリ
- GitHub: kai-kou/nocturne-agents（審査時 public 公開予定）
- 実装言語: Python 3.11
- テスト: pytest 73 件 PASS（nocturne-agents product tests）+ 481 件（harness tooling tests）= 554 件合計
Microsoft Agent Hackathon 2026 提出作品