AIAgent

OpenTelemetry の中核コンポーネントと可観測性シグナル、および AI Agent、RAG、本番システムでの活用方法を解説する。

Latent SpaceによるShunyu Yaoへのinterviewを基に、ReAct、Reflexion、Tree of Thoughts、memory、benchmark、ACI、Agent UXを整理し、AI agentを実用化する際のツール、環境、評価、interface設計の重要性をまとめます。

基礎的なRAGパイプラインがプラットフォームに吸収されつつある流れを起点に、評価と可観測性、データガバナンスとアクセス制御、エージェント型ワークフローの高度なエンジニアリング能力など、2026年にAIアプリケーションエンジニアが重点的に身につけるべき高付加価値スキルを分析します。

優れたAI agentシステムの中核設計フレームワークとして、Spec-Driven Development、三層アーキテクチャ、Resolver、LatentとDeterministicの境界、Diarization、自己進化する学習ループを体系的に整理し、補完ツール中心の発想からAI強化型ソフトウェアエンジニアリングへの転換を支援します。

2025〜2026年のAI coding agentとSpec-Driven Developmentの最新実践を基に、Software Specの定義、価値、主要要素、ワークフロー、よくある落とし穴を体系的に解説し、Claude Code、Codex CLI、Cursorなどで使える実践的なテンプレートを紹介します。

データパイプライン、Scaling Law、システム制約、合成データ、蒸留、ポストトレーニング、評価体系、Agent 学習まで、大規模言語モデル学習の全工程を体系的に整理し、それらの仕組みが AI アプリケーションエンジニアのモデル選定、評価、harness 設計にどう影響するかを解説する。

AI coding agentの実行機構を起点に、agent-native文書が「参考資料」から「基盤」へ変わった理由を体系的に説明し、AGENTS.md、PRD、Architecture、Spec、Planなど各文書層の責務と構成原則を整理します。Context EngineeringとSpec-Driven Developmentの実践を踏まえ、contextを節約しながらagentの行動を安定して導く文書体系の設計方法も示します。

最初に全体像を見る Java backend engineerがAI Agent分野の現在の標準化状況を素早く理解するには、次のように対応させられます。 通信/設定の種類 AI Agent標準 Javaでの類比 提唱者 Governance 採用状況 Agent ↔ ツール/データ MCP JDBC Anthropic AAIF (Linux Foundation) ✅ de facto standard Agent ↔ Agent A2A RMI / gRPC Google Linux Foundation ✅ 急速に採用中 プロジェクトrule設定 AGENTS.md application.yml OpenAI AAIF (Linux Foundation) ✅ de facto standard 再利用可能な能力package SKILL.md Maven Plugin Anthropic agentskills.io（open standard） ✅ de facto standard アプリケーションframework Goose / Claude Agent SDK / ADK Spring Boot 各社 一部はAAIF 🔶 複数社が競争 microservice governance Harness Engineering体系 Spring Cloud — — 🔴 標準なし test/評価 Agent評価framework JUnit — — 🔴 標準なし コード品質governance Entropy管理 SonarQube — — 🔴 標準なし 上半分の✅は、業界の共通見解またはde facto standardを形成済みの部分です。下半分の🔶と🔴は、まだ探索中のfrontierです。この記事では主に上半分の全体像を説明し、その後、下半分がどのように進化するかを考えます。 ...

OpenAI、Anthropic、HumanLayerなどのチームがAI coding agentプロジェクトの文書化で得た実践経験を体系的に整理し、入口ファイル、階層化された知識ベース、状態追跡ファイル、局所文書がAgentの性能へ直接影響する理由を説明します。最小限の文書体系から継続的な保守へ進む、実行可能な道筋も示します。

一つの比較から始める ChatGPT に「KV Cache とは何か」と聞くと、モデルが答えて会話は終わります。 Codex CLI に「このプロジェクトへテスト付きのユーザー認証 module を追加して」と伝えると、agent は自律的に作業を始めます。プロジェクト構造を読む → 既存コードを理解する → 実装を計画する → 認証ロジックを書く → テストを書く → テストを実行する → 失敗を見つける → 修正する → テストを通す → PR を作る、という流れです。数十 step に及ぶ間、あなたが介入しないこともあります。 ...