AIコーディング・エージェントはすでに多くの製品が出ておりますが、2026年6月24日にはIBM Bob 2.0が発表されました！
IBM Bob Premium Package for Java Modernizationなど、Bobを拡張するパッケージも同時に発表されています。
参照：IBM Bob変更履歴
URL：https://bob.ibm.com/docs/ide/changelog
さて、AIコーディング・エージェントの価値は、単に「コードを生成できること」ではなくなってきています。既存コードの理解はもちろん、影響範囲の調査、設計方針の整理、テスト、レビュー、セキュリティー確認まで含めて、開発プロセス全体をどう安全に進めるかが重要になります。
今回の内容では、コンテキスト汚染について、IBM Bob 2.0では、どのようなコンセプトで対応しているのかを記述していきます。
IBM Bobと2.0のサブエージェントについて
IBM Bobは、ソフトウェア開発ライフサイクル(SDLC)全体で計画・実行・検証を支援します。
セキュリティーとガバナンスを維持しながら開発やモダナイゼーションを加速するAIコーディング・エージェントです。
さらにエージェント・モードでは、複雑な変更を計画、推論、実装、検証でき、Ask、Code、といったモードを使い分けます。(2.0で、モードはシンプルになりました。)
IBM Bobのサブエージェント
Bob 2.0で注目したいのが、サブエージェントです。サブエージェントは、Bob本体から独立して生成されるエージェントで、自己完結した限定タスクを別コンテキストで処理します。
公式ドキュメントからも読み取れますが、サブエージェントは「本体会話を汚染せず、焦点を絞ったタスクを隔離されたコンテキストで扱う」ための仕組みとして説明されています。
このサブエージェントにより、どんなメリットがあるでしょうか？
メリット1：コンテキスト汚染を防ぎ、判断の精度を保てる
AI開発で起こりやすい問題のひとつは、会話コンテキストが膨らみ、重要な判断材料とノイズが混ざってしまうことです。
たとえば、大規模なコードベースを調べる場合、関連しそうなファイル、似た実装、過去の命名規則、例外処理、テストコードなど、確認すべき情報は一気に増えます。
サブエージェントは、こうした調査作業を本体の会話から切り離せます。サブエージェントは独自のコンテキスト・ウィンドウで動作し、実行結果の要約だけをBob本体へ返すとされています。
また、基本的に親の会話履歴を見ないため、コンテキストを軽くすることができます。これにより、タスクに集中した状態が保てます。
人間の開発チームで言えば「調査担当者が詳細調査を行い、リーダーには要点だけを報告する」構造に近いでしょう。Bob本体は設計判断や次のアクションに集中し、サブエージェントは局所的な探索を担当する。結果として、AIが余計な情報に引っ張られにくくなり、判断の一貫性を保ちやすくなります。
メリット2：読み取り専用と実行権限を分けられる
2つ目のメリットは、タスクの性質に応じて役割を分けられる点です。Bobのサブエージェントには、読み取り専用のexploreと、読み書きやコマンド実行を含むgeneralがあります。
exploreは軽量モデルでコードベースを探索し、ファイル検索、構造理解、要約に向いています。一方、generalはデフォルトモデルで動き、自己完結したタスクに対して読み取り、書き込み、コマンド実行を行えます
この分離が、かなり重要です。すべての作業に書き込み権限やコマンド実行権限を与える必要がないことに着目しています。
まずexploreで影響範囲を調べ、必要な情報を整理する。そのうえで、本当に変更が必要な場合だけgeneralや本体のコード実行に進む。この段階設計により、AIによる不用意な変更や過剰な実行を抑えられます。
Bob公式ページでも、Bobはセキュリティーとガバナンスを考慮して設計され、コード作成中の脆弱性検知や監査可能なガードレールを重視すると説明されています。 サブエージェントの権限分離は、この思想に基づいているといえるでしょう。
メリット3：コストと品質のバランスを取りやすい
3つ目は、AI利用コストと品質のバランスです。AIエージェントを使うとき、常に高性能なモデルで全タスクを処理すればよいわけではありません。
単純な探索や要約に重いモデルを使い続けると、コストが膨らみます。一方で、設計判断や実装判断には十分な推論能力が必要です。
Bobの製品ページでは、タスクに応じて適切なAI機能を選択し、冗長な計算サイクルを最小化することで、コスト、パフォーマンス、品質のバランスを取ることが説明されています。
Bobでは、ClaudeやMistral、Graniteなど、多くのLLMから適切なものが選択され利用されるためです。
サブエージェントのexploreが軽量モデルで読み取り専用探索を行う設計は、この考え方を具体化したものと考えられます。
つまり、サブエージェントは「何でも強いAIに投げる」のではなく、「調査は軽く、判断は本体で、必要な実行だけ重くする」という分業を可能にします。これは、AIエージェントを個人利用の便利ツールから、組織的に管理可能な開発基盤へ引き上げるための重要な設計です。
IBM Bob 2.0は、コストと品質のバランスをとった、本質的アップデート
IBM Bob 2.0のサブエージェントの価値は、単なる並列処理ではありません。より本質的には、コンテキストを分離し、権限を分け、コストと品質を制御するための仕組みです。
AI駆動開発では、AIに「何をさせるか」だけでなく、「どこまで見せるか」「どの権限を渡すか」「どの結果だけを本体判断に戻すか」が重要になります。サブエージェントは、この設計をBobの中で実現する機能です。
大規模コードベース、レガシー資産、セキュリティー要件、ガバナンスが絡む現場では、AIエージェントに丸投げするだけでは結果的にコンテキストを汚すだけになってしまうでしょう。
むしろ、AIの作業範囲を分割し、調査・判断・実行を適切に分けることが重要になります。IBM Bob 2.0のサブエージェントは、そのための現実的なアプローチと言えるでしょう。