はじめに
「ループ・エンジニアリング」と聞くと、難しそうに身構えるかもしれません。
でも中身は、「やってみる → 確かめる → 直す」を自動で繰り返すだけです。
AIエージェントを使っていると最近よく見かけるこの言葉を、初心者の方向けにゼロから整理するのが本記事です。
専門用語は本文の中と末尾の用語集で説明しますので、前提知識は不要です。
読むと得られるものは、次の3つを想定しています。
- 「ループ」と「1回ずつのプロンプト」の違いが分かる
- ループを作る5つの要素と、その役割が分かる
- 自分の手元で小さく始めるための流れと、つまずきポイントが分かる
対象読者は、Claude Code や Cursor などのAIエージェントを触り始めた方、もしくは「ループという言葉は聞くが中身が曖昧」という方です。
本記事は、ループ・エンジニアリングを論じた複数の記事（末尾の参考文献）を出発点に、筆者が初心者向けに噛み砕いて再構成したものです。
用語の説明や図は、筆者の理解に基づく解釈です。
構成・文章の整理と図の作成には生成AI（Claude）を併用し、内容は筆者が確認しました。
先に結論（この記事の要点）
- ループとは「プロンプトを与える→出力を見る→完了か判定する→未完なら投げ直す」を自動で繰り返す小さな仕組みです。
- 1回ずつ手でプロンプトを書く代わりに、その「繰り返し」自体を設計するのがループ・エンジニアリングです。
- ループは5つの要素（トリガー / アクション / 証明 / メモリ / 停止条件）でできています。
- いちばん大事で、いちばん抜けやすいのが「証明（どうなったら成功か）」と「停止条件（いつ止めるか）」です。
- 最初は、繰り返しが多くて成功判定がしやすい作業から、小さく始めるのがおすすめです。
一言でいうと
ループ・エンジニアリングを一言でいうと、「AIに仕事を任せて、合格するか行き詰まるまで自動で回す」ことです。
毎回プロンプトを手で打つのをやめて、その繰り返しを仕組みに任せる、という発想です。
この1行さえ持ち帰れば、あとの説明はすべてその肉付けだと考えてください。
ループとは何か
まず、いちばん大事な区別から始めます。
ふだん私たちは、AIエージェントに「これをやって」と1回ずつ頼みます。
これが「1回ずつのプロンプト（one-shot）」です。
一方の「ループ」は、その頼みごとを自動で繰り返す小さな仕組みです。
具体的には、次の4つを自動で回します。
- あなたの代わりに、エージェントへプロンプトを与える
- エージェントが出した結果を読む
- 完了したかどうかを判定する
- まだなら、エラーや次の指示を添えて、もう一度プロンプトを与える
身近な例で言い換えます。
一発勝負の指示はこうです。
このページを速くして。
ループにすると、こうなります。
いちばん遅いページを見つけて、1か所だけ改善し、もう一度計測する。速くなったときだけ残す。全ページが目標を満たすか、これ以上よくならなくなるまで繰り返す。
違いは「フィードバックが組み込まれているか」です。
ループは「やってみる→確かめる→直す」を、人間が横に座らなくても回せる形にしたものです。
プロンプトの次に来るもの
ループは、いきなり現れた別物ではありません。
ふだんのプロンプトに、少しずつ部品を足していった先にあります。
①だけが「いつものプロンプト」です。
②で前提を渡し、③で成功の判定を足し、④でそれを繰り返しにすると「ループ」になります。
つまりループは、まったくの新概念ではなく、プロンプトの延長線上にある「次の一歩」です。
なぜループが必要なのか
「毎回手で指示すればいいのでは？」と思うかもしれません。
ループが効くのは、次のような場面です。
- 1回で終わらず、何度かやり直す前提の作業（バグ修正、テスト追加、ドキュメント更新など）
- 定期的に繰り返す作業（毎週のレポート、毎晩のログ点検など）
- 人が見ていない間も進めたい作業
もう1つ、見落としやすい理由があります。
エージェントに渡す指示や設定ファイルは、使っているうちに少しずつ崩れていきます。
ルールが増えすぎたり、昔の都合を引きずったりして、いつのまにか質が落ちます。
この「少しずつズレていく現象」は、英語では「ドリフト（drift）」と呼ばれます。
ループは、毎回きちんと成功を確かめる仕組みを持つので、このズレに気づきやすくなります。
ループを分解する ― 5つの要素
ここが本記事の中心です。
「ループ」という言葉を、いちど分解してみましょう。
多くのループは、次の5つの部品でできています。
たとえるなら、新人に仕事を任せる場面に似ています。
いつ頼むか（トリガー）、何を頼むか（アクション）、できたと判断する基準（証明）、やりとりの記録（メモリ）、いつ切り上げるか（停止条件）。
この5つを決めておくと、横についていなくても任せられます。
初心者の方は、まずこの5つの名前と役割を覚えれば十分です。
この図は「証明を満たさないときに停止へ抜ける」流れを示しています。
うまくいかないときに作業へ戻って繰り返す流れは、後の「進め方」の図で説明します。
トリガー（いつ始まるか）
ループが動き出すきっかけです。
「あなたが頼んだとき」「毎週金曜の朝」のような時刻、「PRにラベルが付いたら」のようなイベントが該当します。
始まる条件を決めておかないと、毎回その場の判断で起動することになり、再利用しにくくなります。
アクション（何をするか）
エージェントが実際に行う作業です。
「要約する」「レビューする」「テストを足す」「修正する」などです。
1回のループで1つの作業に絞ると、結果を確かめやすくなります。
証明（どうなったら成功か）
その作業がうまくいったと、どうやって分かるかです。
英語では proof や verify と呼ばれます。
「テストが全部通った」「目標の速度を満たした」のように、機械でも測れる形にするのがコツです。
「なんとなく良くなった」では、ループは止まりどきを判断できません。
メモリ（学びをどこに残すか）
ループが「何を試して、どうだったか」を保存する場所です。
ファイル、ボード、コミット履歴などが該当します。
AIは実行のたびに前回を忘れますが、ファイルは忘れません。
だから、状態は会話の中ではなくディスク（ファイル）に残します。
停止条件（いつ終わるか）
ループを止める条件です。
「成功したら止まる」「これ以上よくならなければ止まる」「3回失敗したら人に知らせる」などです。
これが弱いと、ループは延々と動き続け、時間と費用を無駄にします。
止まれるループは安心して任せられます。
止まれないループは、付きっきりの世話が必要になります。
ループの進め方（1サイクルの流れ）
5つの要素がそろうと、ループは次の流れで1周します。
ポイントは、1周で変える量を小さくすることです。
小さく変えて、そのつど確かめると、どの変更が効いたかが分かります。
うまくいけば残し、ダメなら元に戻します。
この「残すか戻すか」を毎回はっきりさせるのが、ループを信頼できるものにするコツです。
Pythonで動かす最小のループ例
言葉だけでは分かりにくいので、実際に動く小さなコードで5要素を体験します。
ここでは、AIエージェントの代わりに簡単な関数を使い、「ある値を目標（100）に近づける」ループを作ります。
作業役（worker）と検証役（evaluator）を、わざと別の関数に分けているのがポイントです。
動作確認は Python 3.6 以上（標準ライブラリのみ）で行っています。
# loop_demo.py — ループの5要素を最小コードで体験する例
# 実際のAIエージェントの代わりに、簡単な関数を「作業役」「検証役」として使います。
import json
TARGET = 100.0 # 目標（検証役が知っている品質基準）
TOLERANCE = 1.0 # この誤差以下なら成功とみなす（証明のしきい値）
MAX_ITERATIONS = 20 # 繰り返しの上限（停止条件のひとつ）
def worker(value, feedback):
"""作業役: フィードバックを受け取り、値を半分だけ目標へ近づける。"""
return value + 0.5 * feedback
def evaluator(value):
"""検証役: 作業役とは別に、目標との誤差を測る。"""
return abs(TARGET - value)
def run_loop(start):
"""トリガー: この関数を呼ぶとループが始まる。"""
value = start
error = evaluator(value)
history = [{"iteration": 0, "value": value, "error": error}]
for i in range(1, MAX_ITERATIONS + 1):
feedback = TARGET - value # 実行結果として返るフィードバック
candidate = worker(value, feedback) # アクション: 1回だけ変える
candidate_error = evaluator(candidate) # 証明: 良くなったか測る
if candidate_error < error: # 良くなったときだけ残す
value, error = candidate, candidate_error
kept = True
else: # 悪化したら戻す
kept = False
history.append({"iteration": i, "value": round(value, 4),
"error": round(error, 4), "kept": kept})
if error <= TOLERANCE: # 停止条件1: 成功
print(f"成功: {i}回で誤差 {error:.4f} に到達しました")
break
else:
print(f"停止: 上限 {MAX_ITERATIONS} 回に到達しました（誤差 {error:.4f}）") # 停止条件2: 上限
with open("loop_history.json", "w", encoding="utf-8") as f: # メモリ: 学びをファイルに残す
json.dump(history, f, ensure_ascii=False, indent=2)
return value, error
if __name__ == "__main__":
final_value, final_error = run_loop(start=0.0)
print(f"最終値: {final_value:.4f} / 誤差: {final_error:.4f}")
実行すると、次のように出力されます。
成功: 7回で誤差 0.7812 に到達しました
最終値: 99.2188 / 誤差: 0.7812
値は 0 → 50 → 75 → 87.5 → … と、毎回半分ずつ目標に近づきます。
そして誤差が 1.0 以下になった7回目で、ループは自分で止まります。
なお、同名の loop_history.json があると上書きされるので、試すときは上書きされても困らない場所で動かしてください。
このコードを5つの要素に対応づけると、次のようになります。
| 要素 | コード上の場所 |
|---|---|
| トリガー |
run_loop() を呼ぶ |
| アクション |
worker() で値を1回だけ変える |
| 証明 |
evaluator() で誤差を測る（作業役と分けた検証役） |
| メモリ |
history を loop_history.json に保存 |
| 停止条件 | 誤差が TOLERANCE 以下（成功）、または MAX_ITERATIONS 回（上限） |
「良くなったときだけ残す（kept = True）／悪化したら戻す」という判定も入っています。
ここがループの心臓部です。
実際のAIエージェントでは、worker() はLLMやツールの呼び出しに、evaluator() はテスト・評価スクリプト・別エージェント・人のレビューなどに置き換わります。
骨格（実行→検証→残すか戻すか→停止）は、コードでもエージェントでも変わりません。
最小の始め方
最初から完璧なループを目指す必要はありません。
次の手順で、小さく始めるのがおすすめです。
- 繰り返す作業を1つ選ぶ: 定期レポート、テスト修正、ドキュメント更新など、何度も発生する作業にします。
- 範囲をきつく絞る: 「触るのはこのファイルだけ」のように、対象を限定します。
- 成功の証明を決める: 「テストが通る」など、機械でも測れる条件にします。
- 停止条件と上限を付ける: 「3回失敗したら人に通知」「20回で止める」など、暴走を止める線を引きます。
- 検証役を分ける: 作業した本人とは別の視点で採点させると、見落としが減ります。
- 状態をファイルに残す: 進捗や学びを、会話ではなくファイルに書きます。
特に「3. 証明」と「4. 停止条件」を先に決めておくと、暴走と費用の膨張を同時に防げます。
ループにすべきでないとき・つまずきポイント
ループは万能ではありません。
次の場合は、無理にループにしなくて構いません。
- 1回で終わる作業: やり直しが要らないなら、ループはむだな手間です。
- ゴールが決まっていない探索: 「何かいい感じにして」は成功条件が無く、止まれません。
- 成功を自動で確かめにくい作業: 確認が「自分の目だけ」なら完全な自動化には早く、まずは人間のレビューを品質ゲートに組み込むのが安全です。
そしてつまずきは、たいてい単純な原因で起きます。
特に次の3つは、最初にやりがちな失敗です。
やってはいけない3つ（と、その防ぎ方）
- 成功条件を決めずに回す → 「テストが通る」など、機械で測れる条件を先に決める。
- 停止条件を付けずに回す → 「○回失敗したら人へ」など、止めどきを必ず付ける。
- 学びをファイルに残さない → 進捗や結果をファイルに書き、次回そこから始める。
裏を返すと、この3つを避けるだけで、ループはぐっと安定します。
用語集（よく出る言葉の説明）
本文に出てきた言葉を、まとめて説明します。
| 用語 | 読み・英語 | 意味 |
|---|---|---|
| プロンプト | prompt | AIへの指示文。「これをやって」と伝える文章です。 |
| AIエージェント | agent | 指示を受けて、調べる・書く・実行するなどを自分で進めるAIです。 |
| ループ | loop | 「実行→確認→やり直し」を自動で繰り返す小さな仕組みです。 |
| one-shot | ワンショット | 1回きりの指示。繰り返しや学習が無い使い方です。 |
| トリガー | trigger | ループが始まるきっかけ（時刻・イベントなど）です。 |
| 証明 | proof / verify | 作業が成功したと判定する根拠・検査のことです。 |
| 停止条件 | stop condition | ループを止める条件。成功・行き詰まり・上限超過などです。 |
| メモリ | memory | 学びや進捗を残す場所。多くはファイルに書きます。 |
| アーティファクト | artifact | 作業を形づくる再利用可能な部品。指示書・チェックリスト・採点基準などです。 |
| ルーブリック | rubric | 採点基準表。「何が良くて何がダメか」を定義したものです。 |
| 検証役 | evaluator | 成果物を採点する役割。特に重要な成果物では、作業した本人と分けるのが安全です。 |
| eval | 評価 | アーティファクトやループの良し悪しを、例を使って測ることです。 |
| ドリフト | drift | 指示や設定が、使ううちに少しずつズレて質が落ちる現象です。 |
| 誤green | ― | テストが緑（合格）でも、実際は壊れている状態を見逃すことです。 |
| オーケストレーション | orchestration | 1人が多数のエージェントに仕事を割り振り、束ねることです。 |
次の一歩
基礎がつかめたら、次の順で進むと迷いません。
- まず1つ動かす: 本記事のPythonコード例を、手元で実行してみます。
- 実例を使う: 公開ループ集「Loop Library」から近いループを探し、コピーして使います。
- 自分の業務へ: いつもの繰り返し作業を1つ選び、5要素に当てはめて小さくループ化します。
エンジニア向け（コードを書くシステムを設計する話）や、プロダクトマネージャー向け（プロダクト判断を反復させる話）の記事は、末尾の参考文献に挙げています。
どの記事も、本記事の5要素（トリガー / アクション / 証明 / メモリ / 停止条件）がそのまま土台になります。
まとめ
ループ・エンジニアリングは、「1回ずつプロンプトを書く」から「自動で回る仕組みを設計する」への切り替えです。
ループは5つの要素（トリガー / アクション / 証明 / メモリ / 停止条件）でできており、特に「証明（成功の判定）」と「停止条件（止めどき）」が要になります。
ここで大事なのは、AIに丸ごと任せる人で終わらず、「任せ方を設計する人」になることです。
ボタンを押す側ではなく、止めどきと合格基準を決める側に回る、という意識の変化が中心にあります。
なお、本記事のPythonコード例も、実際に動かして出力を確認しています。
難しく考えず、まずは身近な繰り返し作業を1つ選び、成功の条件と止めどきを決めるところから始めてみてください。
参考文献
- elvis (
@omarsar0), "From Prompting Agents to Loop Engineering"（ループの考え方の出発点） - Shubham Saboo (
@Saboo_Shubham_), "Loop Engineering for Product Managers"（PM視点のループ論） - Matthew Berman の Loop Library（実例のループ集）: https://signals.forwardfuture.ai/loop-library/
- 関連記事「ループエンジニアリング入門（エンジニア向け）」: https://qiita.com/nogataka/items/60c1a9ba6b2cdebacc1f
本記事の構成・文章の整理と図の作成には生成AI（Claude）を併用しました。用語の説明・初心者向けの噛み砕きは筆者の解釈で、内容は筆者が確認しています。