ある開発者が、フォークしたオープンソースのブラウザゲームのリリース作業一式を自律型AIエージェントに任せ、その結果をスマートフォンから監督しました。クラウド上とWindowsノートPC上でそれぞれ動く2つのオーケストレーター用エージェントが作業を分担し、プルリクエストや検証結果についてメッセージをやり取りし、承認済みの変更を自分たちでマージしていきました。このセッションの費用は、クラウドの計算資源が約$2.39、モデルのトークンがおよそ$25 ~ $27で、月額$200のClaude Ultraプランでは週間上限のわずか3%として表示されました。しかし本当に興味深いのは、手放す前に人間が決めておかなければならなかった事柄です。

プロジェクトと構成

対象はKong Royaleという、バナナをテーマにした50人対戦のオンライン・ブラウザ・バトルロイヤルゲームです。開発者は、公開リリースイベントに先立って変更を取り込めるよう、メンテナーのGitHub公開リポジトリをフォークしました。ティーザーサイトには11月6日のローンチ目標が掲げられていました。フォークは活発に動く上流プロジェクトと同期を保つ必要があるため、リリース工程はビルドして出荷するだけでは済みません。メンテナーのコミットを監視し、リベースし、マージコンフリクトを解消することも含まれていました。

オーケストレーションにはCapy AIを使いました。複数の開発環境にまたがってAIソフトウェアエンジニアリング・エージェントの群れを調整するプラットフォームです。その中心となる概念が「Captain」で、作業をタスクに分解し、別々のスレッドで動く専門エージェントのクルーに割り振る上位エージェントです。開発者は普段CursorやFactoryといったツールで作業していますが、このプロジェクトでは大量のクラウド資源と複数マシンにわたる自動化が必要だったため、Capy AIを選びました。

ハードウェアは意図的に多様な構成にしました。

デバイス 役割
iPhone 操作と監視
MacBook Pro ローカル環境、Metalグラフィックスの確認、プレイテスト
RTX GPU搭載のWindowsノートPC Direct3D 11の互換性とアセット検証
Capyのクラウドマシン ビルド、トリアージ、検証、リリースフロー

Captainはハードウェアの能力に応じて作業を分け、プラットフォーム固有のビルド、グラフィックス検証、WebSocketテストを、それぞれ実行できるマシンに送りました。

環境の準備

リポジトリをフォークしてCapy AIのクラウドワークスペースにクローンした後、2つのセットアップタスクが並行して走りました。ひとつはMacBook Proのローカル環境を設定し、もうひとつはクラウド環境を準備するものです。Capyは大型のクラウドインスタンスを用意し、プロジェクトの初期化処理とnpmインストールを実行し、ビルド検証スクリプトを走らせ、約11秒でアクティベーションのスナップショットを取得しました。

セットアップ中に目を引いた点があります。Capy AIはこうした定型タスクを、より高価なClaude Opus 5.5ではなく、Claude Sonnet 5.5のサブエージェントに自動で割り当てたのです。このパターンはセッション全体で繰り返されました。Opus 5.5がオーケストレーションと判断を担い、Sonnet 5.5がクローン、インストール、基本的な検証といった決定論的な実行を担当する形です。この役割分担こそ、プランの利用枠がほとんど動かなかった大きな理由です。

人間が書かなければならないルール

プロセスをエージェントに渡しても、方針を決める必要はなくなりません。開発者は「Kong Cloud [Release]」という名前の永続的なクラウドホスト型Captainを、推論の労力を「medium」に設定したClaude Opus 5.5上に作成し、機能開発、バグのトリアージと優先度付きの修正、リリースフロー、クラウドでの検証チェックという4つの段階の責任を持たせました。その設定には、いくつかの明示的なルールが含まれていました。

プルリクエストは小さく検証しやすく

このフォークは活発な上流プロジェクトに変更を還流させるため、Captainには、メンテナーが素早く検証できる小さく自己完結したプルリクエストを出すよう指示しました。理由は単純です。大きく一枚岩のプルリクエストはレビューされずに放置されがちですが、小さなものは速やかにレビューされマージされる可能性が高いからです。これはオープンソースの協業がどう機能するかについての判断であり、指示として書き込まなければエージェントが自力で推し量れるとは限りません。

ロボットの検査員が川の手前のチェックマークの門で小さな箱を点検し、外には巨大な木箱が立ち往生している

▲ レビュー関門に並ぶ小さなプルリクエスト

上流を監視して自動でリベースする

リリース担当のCaptainには、上流リポジトリを監視し、メンテナーによる新しいコミットやプルリクエストを検知し、フォーク側の変更をリベースしてマージコンフリクトを解消するよう指示しました。これは「Upstream watch」というスケジュール済みタスクになり、8~23時間ごとに上流をポーリングして、変化があればリベースのフローを起動します。

人間なしでマージできる範囲を決める

開発者は、エージェントが自動運転で動き、重要度の低い変更については検証済みのプルリクエストを手動承認なしでマージすることを許可しました。重要と非重要の境界線をどこに引くかは人間の決定であり、パイプラインがどれだけ手離れよく動けるかを最も直接的に左右するルールです。

Captainをどこに置くかを決める

リリース担当のCaptainをノートPCではなくクラウドにホストしたこと自体も、意図的な選択でした。クラウド上のCaptainなら、ノートPCのふたを閉じたりローカルマシンの接続が切れたりしてもパイプラインが動き続けます。24時間止まらず動くことを前提とした工程では、これが重要になります。

モデルの振り分けをどこまで指定するか

ワークスペースにはpstack-models.mdという設定ファイルもあり、機能のリファクタリング、バグ修正、パフォーマンス改善、判断、「divergent synthesizer」といった開発上の役割を、Claude Opus 5.5、Claude Sonnet 5.5、Grok 4.7、Kimi K3.1 Proなど異なるモデルに対応付けていました。開発者は、Sonnet 5.5とOpus 5.5がすでにこれほど高性能である以上、こうした詳細なマトリクスがそもそも必要なのか率直に疑問を投げかけていました。判断はOpus、実行はSonnetという単純な分担で、有用な作業の大半がこなせたというのが結論のようです。

対話する2つのCaptain

2つ目のCaptain「Kong RTX」は、WindowsノートPC上で専用のワークツリーを使って直接動き、プラットフォーム固有のタスク、Direct3D 11の互換性、アセット検証に専念しました。両者を接続するのに必要だったのは、Kong RTXへの指示の中で「@Kong Cloud [Release]」とメンションすることだけです。そこから先は、2つのエージェントが自分たちでメッセージを交換しました。

やり取りの内容は、プロジェクトの依存関係、検証スクリプト、そしてPR #1と名付けられたプルリクエストに及びました。クラウド側のCaptainは3つの実行環境向けの検証スキルを作成しました。macOSのMetal、WindowsのD3D11、そしてクラウド上のヘッドレスLinuxでのCPUおよびGPUチェックです。あるテストでは、専用GPUのないWindows環境でゲームクライアントを起動し、フォールバック経路が安定していることを確認しました。Macでのプレイテストでは、65フレーム毎秒でのゲームプレイが検証されました。

デスクのノートPC上とクラウド上の2台のロボットが、警告が1つある共有チェックリストのそばで封書を交換する

▲ 連携するクラウドとWindowsのCaptain

最も示唆的だったのは、KONG-13として追跡されていたアセットのライセンスチェッカーのスレッドです。公開画像ファイル3,575件のうち3,494件に出典の記録がないことが判明しました。クラウド側のエージェントは、そのまま突き進むのではなく、ライセンスの問題が明確になるまで上流への公開プルリクエストを保留しました。これはまさにリリース工程が頼りにする種類の判断であり、Captainに与える範囲とルールがなぜ重要なのかを物語っています。クリーンで検証可能な変更を上流に届けることが任務の一部だったからこそ、エージェントは立ち止まったと見られます。

実際にかかった費用

Capy AIの課金画面は、自社マシンの料金と、ユーザー自身のAPIキーで発生したモデル費用を分けて表示します。7つの同時エージェントスレッドと2つのCaptainを合わせた、この1セッションの数字は次の通りです。

項目 費用
Capyクラウドマシンの計算資源 $2.17 ~ $2.39
ユーザーのキーで消費したモデルトークン(合計) $23.71 ~ $27.13
うちClaude Opus 5.5 $17.99 ~ $19.30
うちClaude Sonnet 5.5 $5.76 ~ $5.93

開発者は月額$200のClaude Ultraサブスクリプションを契約しています。アカウントの利用状況ページでは、リポジトリのセットアップ、トリアージ、複数マシンでの検証、エージェント間の調整を含むセッション全体が、全モデル合計の週間上限の3%と表示され、上限は火曜日の午前6時にリセットされる予定でした。

計算資源の費用が低く抑えられた理由のひとつは、Capyのクラウドマシンがアイドル時に自動で一時停止し、数秒で再起動することです。長時間のデバッグ中に誰かがシャットダウンを覚えておく必要がありません。開発者は、生成・監査したコードの量に対して、計算資源もプランの利用枠も驚くほど少なくて済んだと述べています。ただしこれは1つのプロジェクトでの1セッションの数字であり、ベンチマークではありません。OpusとSonnetの使用比率もタスクの組み合わせによって変わります。

注意点もあります。複数のマシンを同期させ正しく設定する作業は、通常こうしたセットアップで最も時間を取られる段階です。11秒のクラウドスナップショットは高速ですが、ローカルのワークツリー、グラフィックス環境、権限を配線する周辺作業には、依然として人の手が必要です。

ここから学べること

このセッションは、ソフトウェアのリリースのような反復的ながら判断の多い工程でも、エージェントが従うべき方針を人間が書き出しておけば、まるごと任せられることを示しています。同様の構成を検討する人にとって、実践的な教訓は次の通りです。

  • オーケストレーションを担うCaptainはクラウドにホストし、ノートPCを閉じたり接続が切れたりしてもパイプラインが続くようにする。
  • セットアップ、クローン、定型的な検証はClaude Sonnet 5.5のような軽量モデルに任せ、Claude Opus 5.5はオーケストレーションと判断に充てる。
  • Captainの推論の労力は、品質とトークン消費のバランスの出発点として「medium」に設定する。
  • 活発な上流のフォークで作業する場合は、小さく自己完結し検証しやすいプルリクエストを求める。
  • 上流監視をスケジュールし、リベースが溜まる前に自動で行われるようにする。
  • どの変更を自動運転でマージしてよく、どの変更に人の確認が必要かを明示的に決める。
  • 別々のマシン上のエージェントは、指示の中で互いのハンドルをメンションして接続し、ブランチと検証結果を自分たちで同期させる。
  • マシンの自動一時停止を活用して、クラウドの計算資源費用を数ドル程度に抑える。

ここで示した費用の数字は、ある1人の開発者のプロジェクトとプランから得たものなので、期待値ではなく参考値として受け取ってください。持ち帰れるのは手法のほうです。ルールを書き、それぞれの判断をどこに置くかを決め、エージェントからの報告をスマートフォンで受け取ればよいのです。