結論：複数のAIが資料を共有し、タスクを引き継ぐ仕組みを、一部に手動操作を残しながら実現しました。

なぜ作った？

ChatGPTを設計・相談役、Claudeを実装担当、Codexをレビュー担当として、開発を進めていました。

役割を分担できるのは便利ですが、AI間で依頼や回答をコピー＆ペーストするのは、結局自分です。何度もやり取りするうちに、貼り付け先を間違えたり、必要なファイルを添付し忘れたりするようになりました。

こうした人的ミスと作業負荷を少しでも減らしたい（要するに楽をしたいww）。それが、今回の仕組みを作り始めたきっかけです。

目指した仕組み

人間（目的・承認）
   ↓
ChatGPT（要件整理・管理）
   ↓ Handoff
Claude（実装）
   ↓ Handoff
Codex（レビュー）
   ↓
ChatGPT（結果整理）
   ↓
人間（最終判断）

目標は、定型的な連絡を減らし、人間が重要な判断に集中できるようにすることです。

項目	現状
AIごとの役割分担	実施
Markdownによる依頼・回答の受け渡し	実施
MCPによるタスク・状態管理	試作・検証
GitHubとローカル環境の受け渡し	一部経路を検証
Pythonのオーケストレーター	試作
Claude・Codex本人回答のGitHub送信と対応依頼の保全	限定2件の手動E2Eで確認
AIの完全自動起動・無人での全往復	未実現

手動E2Eでは、人間がAIと送信処理を起動し、両AIが作成した回答のGitHub送信から、対応する依頼の処理済みフォルダへの保全までを確認しました。回答と元依頼の内容が変わっていないことも照合しています。

ただし、この成功は限定した2件の試験結果です。日常運用への全面的な切り替えや、長時間の無人運転まで実現したわけではありません。

依頼はMarkdownファイルにし、送り手・受け手・作業内容・返信要否を明記します。

MCP、GitHub、ローカルのPythonプログラムを組み合わせて、依頼の取得、回答の受け渡し、状態の記録を行います。正式な報告はChatGPT側に集め、人間の判断が必要な事項を整理する方針にしました。

通常の連絡と、仕様変更や開発コードの統合などの重要な操作を分け、重要な操作には人間の承認を残しています。

難しかったのは、二重処理を防ぐこと、確実に停止できること、ファイルを検証すること、許可した範囲だけを変更させることでした。

また、GitHubに置いた依頼が、すべてのAIからすぐに見えるとは限りません。同期前には検索で見つからなかったり、過去の長い文書まで読み込んで使用量が増えたりする課題もありました。

ファイルを共有するだけでなく、「どれが最新の依頼か」「どこまで処理したか」「失敗したときに再実行してよいか」を明確にする必要がありました。

今後の課題は、各AIの消費クレジットを抑えるように依頼を少ない操作で確実に取得する方法、障害からの復旧、権限管理、長時間運転の検証です。人間の承認を前提としたAIの自動起動や、全工程の自動往復も将来の検討対象です。

現時点では、成功した範囲と手動操作が必要な範囲を区別しながら、運用を整えています。

複数のAIを使うことから、複数のAIが仕事を引き継ぐことへ。 限定した範囲ですが、その一歩を実現できました。

構成やファイル形式、試行錯誤については、別途、詳細版の記事で紹介する予定です。