Linearでチケットを書き、いくつかのラベルを付けて席を離れた開発者が、戻ってくるとGitHubに完成したプルリクエストが届いており、テスト、lint、型チェック、ビルドまですでに通っている。これが、Claude CodeとT3 Codeを中心に組まれたオープンソースのオーケストレーションシステムの前提です。AIエージェントがトリアージ、調査、実装、検証を自律的にこなす「ソフトウェア工場」で、人間が呼ばれるのはチケットが曖昧なときと、変更を完全には検証できないときだけです。興味深いのは自動化そのものよりも、人間がどこで手を離し、どこでハンドルを握り続けるかという線引きの判断にあります。

シェフとラインコック

ここでいうソフトウェア工場とは、エージェントが標準化されたツール、ワークフロー、プロジェクトの知識を使ってソフトウェアを構築、テスト、保守する自動化された開発環境です。よくある誤解は、こうしたシステムが「一度作れば放っておける」というものです。ここでの主張は、完全に手放しのコーディングは実際には破綻するというものです。耐力壁を取り払った家のように、人間の方向付けとガードレールを欠いたパイプラインは、成果物の品質が崩れ落ちます。

この分業は、P-Stackの作者による例えを借りています。かつてCursorの開発に携わり、SpaceXとxAIでひと月に2,500件のプルリクエストを本番環境に出したと述べているエンジニアです。エグゼクティブシェフ1人とラインコック10人の業務用厨房を思い浮かべてください。シェフは麺をゆでる鍋をすべて自分で見るわけでも、食材をすべて味見するわけでもありません。シェフは全体を指揮し、仕事を割り振り、品質を確かめ、必要な皿があれば味付けを調整しに入ります。これをソフトウェアに当てはめると、エンジニアがシェフで、コーディングエージェントが反復的な実行を担うコックです。

10人のラインコックが持ち場で働く中、パスで料理を味見するエグゼクティブシェフ

▲ シェフとラインコック型のエージェント委任

両極端に2つの失敗パターンがあります。生成された1行1行を細かく管理すれば、エージェントを使う速度面の利点そのものが失われます。継続的なコンテキストも最終承認もなしにエージェントを盲目的に走らせれば、崩れる家ができあがります。従来の手作業のワークフローは前者の極に近いものでした。CursorやClaude Code、T3 Code、Codexといったエージェントを開き、調査を指示し、コードを書くのを眺め、手動でテストし、プルリクエストを開いてマージする。開発者は事実上、人間の「続行」ボタンでした。

チケットからマージまでのパイプライン

工場では、思いつきのプロンプトの代わりに、すべての依頼を固定された一連のステージに通します。各ステージはジョブボードの列としても表示されます。

ステージ 行われること
チケット Linearでissueが作成されラベルが付く。Webhookが発火する
トリアージ エージェントがタスクが実行可能で明確に定義されているかを判断する
調査 エージェントが問題を再現するか、コードベースを探索する
実装 テストファーストで変更を実装する
検証 lint、テスト、型チェック、ビルドを実行。失敗すれば実装に戻る
プルリクエストとCI 確信度の評価と作業の要約を添えてGitHubにPRを開く
マージ 確信があれば自動マージ、なければ人間のレビューに引き渡す

人間が関与する2つのチェックポイントは意図的なものです。トリアージでは、曖昧なチケットを推測で進めることはしません。エージェントは一時停止し、具体的な選択肢をチケットにコメントして、ジョブを「Waiting on you」列と中央の受信箱に移します。マージには2つの経路があります。継続的インテグレーションが通り、レビューボットが問題を指摘せず、エージェントが高い確信度を報告していれば、プルリクエストは自動的にマージされます。エージェントの確信度が低い、不明確なエッジケースに当たった、完全な証拠を示せない、といった場合は、PRが人間に割り当てられ、レビューと必要なアーキテクチャ上の修正を受けます。デモのリポジトリ既定値は、クラウド実行、ハーネスとしてClaude Code、確信があればマージ、Bugbotによるセキュリティレビューの必須化、自動マージの最大diffサイズ300でした。

チケットからマージまでのパイプライン いいえ はい はい いいえ Linear issueを作成しラベルを付与 トリアージ: チケットが曖昧なら停止して確認 調査: 再現またはコードベースを探索 実装: テストファーストで変更 検証: lint、テスト、型チェック、ビルド チェック通過? 確信度付きでPRを開きCIを待つ CIが通り確信あり? 自動マージ 人間のレビュー
▲ チケットからマージまでのパイプライン

検証は自律の前提条件

自動マージが意味を持つのは、エージェントが自分の作業を再現可能かつ決定論的に検証できる場合に限られます。ここではその役割を2つのツールが担います。

P-Stackは、プレイブック、スキル、補助ロールからなるフレームワークで、エージェントに構造化された行動指針を与えます。入口のルーターがチケットの制約を読み取り、機能開発、バグ修正、調査のいずれかのプレイブックに振り分けます。このシステムで使われているインスタンスには、23のプレイブック、58のスキル、12のエージェントロール定義が含まれます。各プレイブックは、スコープ設定の段階、集中した実行、客観的な証拠に基づく検証を強制し、それを経なければエージェントは完了を宣言できません。検証スキルはアプリケーションを起動し、操作を実行し、コンソールやCLIの出力を読み取り、終了後に後片付けまで行えます。

TestSpriteはWebアプリケーションのエンドツーエンドのブラウザテストを担当します。これが解決するのはコンテキストの問題です。コーディングエージェント自身がブラウザを操作すると、繰り返されるスクリーンショットやDOMのダンプがコンテキストウィンドウを丸ごと食いつぶしかねません。TestSpriteは代わりに、稼働中のアプリを探索してテスト計画を組み立て、並列のテストエージェント(最大96件同時)で実行し、失敗したステップ、視覚的な証拠、根本原因のメモ、修正案をまとめたコンパクトな構造化JSONレポートを返します。ある例では、Stripeの手数料計算で$0.30の固定手数料が抜け落ち、$100の価格に対して$96.80ではなく$97.10が算出されていた不具合を捉え、該当コンポーネントの正確な修正をコーディングエージェントに差し戻しました。ある実際のテストでは、ブラウザテストを外部に任せたことでトークン使用量が約50%減り、コーディング1日あたり$20以上の節約になりました。これらは1つのワークフローでの数値で、節約額はツール構成によって変わります。オープンソースのCLIにより、ターミナルベースのエージェントがテストスイートを直接起動できます。

ローカルでもクラウドでも隔離されたワークスペース

1つのリポジトリに対して複数のエージェントを同時に走らせるには、互いに衝突しないことが条件です。ローカルでは、タスクごとに専用のT3 Codeスレッドと新しいgit worktree、つまり独自のチェックアウトを持つ別の作業フォルダーが用意され、並列セッションがダーティツリーの競合を起こすことはありません。クラウドでは、ジョブごとにModal上で専用のサンドボックスが起動します。T3 Code、Claude Code、Codex、P-Stack、レポーター、プロジェクトのプレイブックのバージョンを固定した標準のワーカーイメージから立ち上がります。Modalはリポジトリごとにソースをクローン済みで依存関係もインストール済みのウォームイメージを保持しているため起動が速く、この経路では実質的に無制限の水平方向の並列実行が可能です。

ロボットがコーディングする6つのガラスポッド、4つは稼働中、2つは休止中で、制御盤につながっている

▲ 休止機能付きの隔離サンドボックス

コスト管理で目を引く仕組みが1つあります。人間の回答やPRレビューを待つ間など、サンドボックスが5分間アイドル状態になると自動的に休止状態に入り、返答が届くと状態をそのまま保ったまま再開します。Modalは強力で無料枠も手厚いとされていますが、ほかのサンドボックス提供事業者の方が速かったり安かったりする可能性はあります。

土台となる配管

システムには3つの独自プリミティブがあります。Runnerはローカルマシン(ここではMac Studio)で動くバックグラウンドスクリプトで、新しいチケットイベントを監視し、ミリ秒単位で取得し、ラベルを読んでローカル実行かクラウド実行かを決め、スレッドやコンテナを起動し、稼働状態を監視し、worktreeを後片付けします。現場監督であり、自分でコードを書くことはありません。Reporterはすべてのスレッドを監視し、ステージの遷移、トークン数、ドル建てのコストをストリーミングします。PanelはVercelでホストされたダッシュボードで、ボード表示とリスト表示、タイムスタンプ付きのイベントフィード、接続中の各Runnerの負荷、メモリ、ディスク、稼働中のサブエージェントを示すマシンページを備えます。

全体をつなぐのがサーバーレスPostgresバックエンドのNeonです。LinearからのWebhookは取り込み関数に届き、不変のeventsテーブルに記録され、Neonのネイティブなリアルタイム同期が新しい行をRunnerとダッシュボードに届けます。ポーリングも独自のWebSocketサーバーも不要です。GitHubからのWebhookも同じ経路で戻ってくるため、GitHubでマージすると数秒以内にジョブが「Merged」列に移ります。Linearはissueの状態遷移が明快なことから選ばれましたが、Webhookを発行できるソースなら何でも工場に投入できます。Slackはすでに接続済みで、GitHub Issuesなどが計画されています。

ルーティングはラベルが担います。チケットには、トリガーのラベル、リポジトリのラベル、「Runs on: Cloud」またはローカルのラベル、そして任意でCodex、Antigravity、Claude Codeといったハーネスの上書き指定が付きます。グローバル設定で既定のハーネスとモデルを選びます。自律的なエンジニアリングにはClaude Opus 5.5が最も能力の高い選択肢とされ、Claude Sonnet 5.5、Claude Haiku 5.5、Claude Fable 5-1も選べます。リポジトリの登録自体も自動化されています。エージェントがサンドボックスでリポジトリをクローンし、インストールコマンドとチェックコマンドを推定し、.factory/setup.jsonのレシピを含むPRを開きます(デモのリポジトリでは「bun install --frozen-lockfile」に加えてlint、テスト、型チェック、ビルド)。

3枚のチケットが実際にたどった道

小さなレシピ帳アプリに対して、3件のLinear issueを一度に投入しました。お気に入り機能(スターボタンの状態をローカルストレージに保存)はトリアージから実装へと素早く進み、テスト付きの新しいコンポーネントが生まれました。調理時間の合計を表示する機能はModalのサンドボックスで検証に到達し、4件中4件のチェックを通過、ビルドステップは145ミリ秒、実行コストは約$0.35 ~ $0.38と報告されました。3件目はあえて曖昧にしたチケット(「レシピ帳をもっと良くして」)で、トリアージで止められ、「Waiting on you」に3つの絞り込んだ選択肢とともに保留されました。見た目の磨き込みだけ、検索とフィルターによる探索機能、材料に焦点を当てた閲覧ビュー、の3つです。受信箱に「Let's go with A」と入力すると、ジョブはキューに戻り、調査と実装を経て、PR #6として完了しました。

2つの細部が、このシステムの限界を正直に示しています。調理時間のPRは、エージェントが確信を示したにもかかわらず自動マージされませんでした。Runnerのイメージに、アプリを描画してスクリーンショットを撮るためのブラウザライブラリが入っていなかったためです。検証を実証的に完了できなかったため、安全規則に従って人間のレビューに差し戻され、PRはGitHub上で手動でsquashマージされました。もう1つは構築のコストです。この工場の構築と改良にはLLMのトークンで約$3,000がかかり、プロジェクトは未解決のバグを抱えた作業途中のものとされています。詳しく見る必要があるときは、「Open in T3」ボタンで稼働中のModalコンテナへの15分間有効なペアリングリンクが生成され、開発者はサブエージェントのログを確認し、チャットでエージェントを誘導できます。

ここから学べること

核心となる考え方は、自律性はより大きなプロンプトからではなく、構造から生まれるということです。構造のない「バイブコーディング」はここではスロットマシンだと切り捨てられ、工場はそれを、証拠があるときだけループが先に進む状態機械に置き換えます。人間の役割はタイピストからオーケストレーターに移り、入口の不明確なチケットと出口の未検証の変更という2つの明示的な割り込みだけが残ります。

同様の構成を試すなら、次の点が参考になります。

  • チケットは具体的でテスト可能な形で書く。曖昧なものは設計上トリアージで止まる
  • 凍結ロックファイルでのインストールと一通りのチェックを含む、機械可読なセットアップレシピを定義する
  • 自動マージは、完全なチェック、保護ブランチ、レビューボットとセットでのみ有効にする
  • エージェントごとに専用のworktreeかコンテナを与え、アイドル状態のサンドボックスは休止させる
  • エージェントがUIを視覚的に検証する必要があるなら、サンドボックスイメージにブラウザの依存関係を含める
  • 一行の選択式の回答で停止中のジョブを再開できる受信箱を用意する

スタック全体がオープンソースとして公開されているため、この設計図はそのまま複製することも、手を加えることも、貢献することもできます。