Phodal Huang が中国語で書いたこの記事は、コンテキストの把握は AI 支援プログラミングにおいて常に中心的な位置を占めてきたのであり、モデルがもはやボトルネックではない 2025 年には、タスクが実際に必要とするコンテキストを得られるかどうかが AI アシスタントの成否を分ける、という主張から出発する。クライアント側のアシスタントは、そのコンテキストをワークスペースやエディタ・IDE から集める。記事は、この年の重要なトレンドとして、サーバー側、つまり DevOps プラットフォームとプラットフォームエンジニアリングもまた、タスクに必要なコンテキストを把握するようになることを挙げる。そして、そうした「AI フレンドリー」なプラットフォームエンジニアリングのためのパターンをまとめている。記事によれば、それらは著者のチームが顧客と取り組んだ仕事と、自分たちのツール AutoDev での実装から引き出されたものである。
著者は、自分はプラットフォームエンジニアリングの専門家ではなく、その理解は AI コーディングと、企業で DevOps を導入してきた経験から来ていると述べている。著者はこのテーマを、プラットフォームのユーザー接点、プラットフォームの知識、標準化された API の上に構築する開発者ビュー、エージェント管理、AI メトリクスという 5 つの領域に分け、AI フレンドリーなアーキテクチャの核心は、要件からデプロイまでのあらゆる段階で、標準化されたツール、コンポーネント、プロセスを通じて、プラットフォームエンジニアリングによって AI コーディングアシスタントに豊富で構造化されたコンテキストを供給することにあると結論づけている。
要点
- 記事は、複雑な AI 機能を追加する前に、企業はまず基本的な自動化と標準化、すなわち堅固な Infrastructure as Code、CI/CD、基本的なオブザーバビリティに投資し、明確に定義された「ゴールデンパス」によって中核となる開発・デプロイのフローを標準化すべきだと論じる。
- ほとんどの組織が持っているのはすぐに使える資産ではなく潜在的な資産にすぎず、LLM が使えるようにするには、それらをデジタル化、標準化、コンポーネント化する必要がある。提案されているパターンの 1 つは、ゴールデンパスのテンプレートを土台に自然言語からアプリケーション全体を生成するものであり、もう 1 つは、下流の AI アシスタントにテンプレート化されたコンポーネントを供給するものである。
- プラットフォームの知識については、最初の「試験場」としてのプラットフォーム組み込みの AI アシスタント（GitLab Duo を例に挙げている）、要件・設計・コード・テスト・デプロイ記録を結びつける「デジタルスレッド」、そして著者自身の実験として、ドメイン概念のナレッジグラフの上に構築する「コンテキストチェーン」を提案している。コンテキストチェーンによって、開発者は要件からそのコード、テスト、デプロイ、ドキュメントへとたどり、また逆にたどることができる。
- 記事は、よく必要とされるコンテキストを毎回生成し直さずに済む方法として、DeepWiki や Context7 を例に、事前生成されたコンテキストを取り上げている。
- AI エージェントを主要なユーザーとして扱う、意味が明示的で標準化された「インテリジェント API」を求めており、GitHub Copilot Extensions と Model Context Protocol を例に挙げている。後者について記事は、多くの問題を抱えつつも比較的成熟した標準だと評している。今後ありうる方向性としては、Infrastructure as Code になぞらえて、エージェントとその環境のあらゆる要素をコードで定義しバージョン管理する「AI Agent as Code」（AgaC）を提案している。
- 社内開発者プラットフォームを AI アシスタントの統合・設定・ガバナンスの拠点として位置づけることを提案し、ループにはまったエージェント、ツールを誤用しているエージェント、目標から逸脱しているエージェントの検出など、エージェントに特化したオブザーバビリティを求めている。
- メトリクスについては、AI の提案を検証するには時間がかかるため、速度だけを測ると誤解を招きうると論じ、IDE での時間の内訳の把握、提案の受け入れ率の文脈に即した解釈、検証と認知的オーバーヘッドの計測を提案している。また、DeepResearch が DORA、SPACE、DevEx をもとに設計し、AI が「SPARE」フレームワークと名づけたというメトリクスの表を示している。
- AI に特化したセキュリティツールが成熟するまでは、生成されたコードの脆弱性を軽減するために、従来の静的解析・動的解析、コードレビュー、プロンプトに含めるセキュリティ要件に頼ることを推奨している。
背景
この記事は評価ではなく、パターンと事例のカタログである。パターンのいくつかは実験的なもの、あるいは今後ありうる方向性として明示されており、適切な形は組織の規模、技術スタック、チーム文化によって異なると記事は述べている。結びの展望では、エージェント・アズ・コードの実践と、Google の A2A（Agent2Agent プロトコル（A2A））のようなプロトコルが、システムをまたいでエージェントを接続するための業界標準になると予想している。