Anthropic流「Long-running Agents」から学ぶ、長時間自律稼働AIエージェント設計

Anthropic社の応用AIチーム（Andrew氏・Ash氏）による、長時間の自律稼働エージェント（Long-running Agents） 構築に関する非常に実践的で興味深いプレゼンテーションでした。

単なる「便利なチャットAI」ではなく、

数時間〜数日単位で自律的にタスクを実行し続けるマルチエージェントシステム

を実現するためのアーキテクチャや設計思想が紹介されています。

Vibe Codingを活用して、非労働集約型の完全自動化システムを構築したい人にとって、多くのヒントが詰まった内容でした。

---

① 長時間稼働エージェントが直面する3つの壁

Andrew氏は、長時間AIを動かすと必ず発生する問題として、次の3つを挙げています。

1. Context Rot（コンテキストの腐敗）

セッションが長くなるにつれ、

• 文脈が乱れる
• 初期の目的を忘れる
• 過去の設計方針を無視し始める

という現象です。

いわば AIの記憶喪失（Amnesia） が起こります。

---

2. Context Anxiety（コンテキスト不安）

コンテキストウィンドウの限界が近づくと、

AIは

「そろそろ履歴がいっぱいになる」

ことを暗黙的に察知し、

• 無理に結論を出す
• タスクを急いで終わらせる
• 品質より完了を優先する

ようになります。

これを Context Anxiety と呼んでいました。

---

3. Planning / Judging Deficiencies（計画・評価能力の不足）

LLMは

• コードを書く
• 文章を書く

ことは非常に得意ですが、

自分の成果物を客観的に評価すること は苦手です。

例えば、

「このコードに問題ありますか？」

と聞くと、

かなり高い確率で

「問題ありません」

と答えてしまいます。

---

② 「敵対的評価」によるマルチエージェント構成

Ash氏は、この問題を解決するために、

GAN（敵対的生成ネットワーク）の考え方を応用した構成を紹介しました。

ポイントは、

役割を完全に分離すること

です。

---

Planner（設計担当）

Plannerは設計だけを担当します。

主な仕事

• 要件整理
• スプリント分割
• Rubric（評価基準）の作成
• テスト仕様書の作成

コードは書きません。

---

Generator（実装担当）

Generatorは実装だけを担当します。

例えば

• Python
• Java
• JavaScript
• API統合

などです。

評価は行いません。

---

Evaluator（評価担当）

Evaluatorは

Generatorが作った成果物を

徹底的に批判します。

例えば

• Playwright
• テストコード
• Rubric

を利用して、

実際に動かしながら評価します。

ここでは

「優しくレビューする」

のではなく、

欠点を探すことが仕事

になります。

---

REPLループ

システムは次の流れで動きます。

Planner
    ↓
Generator
    ↓
Evaluator
    ↓
Generator
    ↓
Evaluator
    ↓
・・・

Evaluatorが問題を見つけるたびに、

そのフィードバックだけをGeneratorへ返します。

Generatorは修正し、

再びEvaluatorがテストします。

これを繰り返すことで、

人間がほとんど介入せずに品質を高めていきます。

---

③ Vibe Codingへの応用

この考え方は実際の開発にも非常に応用できます。

スプリントごとにコンテキストをリセットする

1つの巨大なチャットを使い続けるのではなく、

Sprint1
↓

Shared Stateへ保存

↓

新しいセッション

↓

Sprint2

という構成にします。

これにより

• Context Rot
• Context Anxiety

の両方を防げます。

---

汎用QAエージェントを作らない

よくある

「バグある？」

というQAではなく、

例えば

• UI品質
• 技術品質
• 独創性
• 可読性
• パフォーマンス

など、

専門Evaluator

を複数用意します。

それぞれが異なる観点で評価します。

---

テスト仕様書を最初に作る

Plannerが最初に

完成条件

を書きます。

例えば

・ログインできる

・登録できる

・速度2秒以内

・スマホ対応

・例外処理あり

などです。

Generatorは

この仕様を満たすまで修正を繰り返します。

---

人間の役割が変わる

Anthropicのアプローチを見て感じたのは、

人間の仕事が

コードを書く

から

AIを設計する

へ変わっていることです。

つまり

人間

↓

Planner

↓

Generator

↓

Evaluator

↓

Generator

↓

・・・

という構造になります。

人間は

• アーキテクチャ設計
• 評価基準の設計
• プロンプト設計

に集中し、

コードの細かな修正はAIが担当します。

---

学習OSやAIエージェントへの応用

現在構築しているような

• 学習OS
• AI秘書
• 営業エージェント
• 教材生成AI
• 自律型業務システム

にも、この設計思想は非常に応用しやすいと感じました。

特に、

• Shared State
• Planner
• Generator
• Evaluator
• Rubric

という役割分担は、長時間動作するAIシステムでは標準的な設計になっていくのではないでしょうか。

---

まとめ

長時間稼働エージェントを構築する上で重要なのは、AIを万能にすることではありません。

重要なのは、

• 役割を分離する
• 評価基準（Rubric）を明確にする
• セッションを適切に区切る
• 共有状態（Shared State）を設計する
• 評価と修正のループを自律的に回す

ことです。

「人間がコードを書く」のではなく、「AI同士が協調・相互評価し、人間はその仕組みを設計する」。

この発想の転換こそが、長時間自律稼働するAIエージェントを実現する鍵だと感じました。