私立ずんだもん女学園放送部 podcast 20260116
内容紹介
Google Antigravity、エージェント拡張機能「Skills」の搭載を発表、Introducing: React Best Practices - Vercel、Scaling long-running autonomous coding
出演者
youtube版(スライド付き)
関連リンク
Googleは、2026年1月14日に開発者向けプラットフォーム「Antigravity」において、AIエージェントの能力を拡張・定義するための新しいオープン標準パッケージ「Skills」を発表しました。
現在、AIを活用した「エージェント（自律的にタスクを遂行するプログラム）」の開発が世界中で加速していますが、エージェントに複雑な手順を正確に実行させるための「知識の共通化」が課題となっていました。今回発表された「Skills」は、特定のタスクを実行するための手順書、ベストプラクティス、さらには実行に必要なスクリプトやテンプレートを一つにまとめた「再利用可能な知識パッケージ」です。
新人エンジニアの方々にも馴染みやすいよう、この仕組みを端的に表現すると「AIエージェント専用の業務マニュアル兼道具箱」と言えます。
1. 「Skills」の主な概要
「Skills」を導入することで、AIエージェントは特定の作業を行う際、このパッケージに含まれる指示を動的に参照できるようになります。これにより、プロンプトだけで全てを説明するのではなく、構造化された知識を基に、より確実で高度なタスク遂行が可能になります。
2. 技術的な構成と制約
エンジニアにとって特筆すべきは、そのシンプルで宣言的な管理手法です。
- ファイル構成: 各Skillは、
SKILL.mdというMarkdownファイルによって定義されます。 - 記述形式: ファイルの冒頭（YAMLフロントマター）に、Skillの名称、説明、タスクの詳細なステップを記述します。
- リソースの同梱: 手順だけでなく、実際に動作させるスクリプトや、参考となるコードの実装例、出力テンプレートなどもパッケージに含めることができます。
- 運用のしやすさ: 指定のフォルダにファイルを配置するだけで作成可能であり、複雑な条件分岐（意思決定のプロセス）も記述できる柔軟性を備えています。
3. 効果的な活用のための推奨事項
Googleは、質の高い「Skill」を作成するための指針として以下のポイントを挙げています。
- 焦点の明確化: 一つのSkillに多くの役割を持たせず、特定の作業に特化させること。
- 具体的な記述: エージェントが迷わないよう、説明文や手順を極めて具体的に記載すること。
まとめ：エンジニアにとっての意義
このアップデートは、AIエージェント開発において「何をさせるか」というロジックを、コードやプロンプトから切り離して「知識資産（Skills）」として管理・共有できるようになったことを意味します。
新人エンジニアの皆さんにとっては、先輩エンジニアが作成した「優れた手順（Skills）」をエージェントに読み込ませるだけで、高度な開発支援を受けられるようになるなど、開発体験を劇的に向上させる可能性を秘めています。AIエージェント時代の新しい標準技術として、今後の動向が非常に注目されるニュースです。
引用元: https://codezine.jp/news/detail/22977
Vercelは、ReactとNext.jsにおける10年以上の最適化ノウハウを凝縮したリポジトリ「react-best-practices」を公開しました。このプロジェクトの最大の特徴は、人間だけでなくAIエージェントやLLM（大規模言語モデル）が理解し、開発現場で即座に活用できるように最適化されている点です。
■ 概要と開発の背景 フロントエンドのパフォーマンス改善は、リリース後に問題が発覚してから対応する「後追い」になりがちです。Vercelは、多くのプロジェクトで共通して見られる「非同期処理のウォーターフォール（数珠つなぎの待ち時間）」「肥大化するバンドルサイズ」「不要な再レンダリング」といった課題を根本から解決するため、このベストプラクティスを策定しました。
■ 本フレームワークの核心：優先順位の考え方 優れたパフォーマンス改善のコツは、影響の大きい部分から着手することです。本ガイドでは、以下の順序で対策を講じることを推奨しています。
- ウォーターフォールの排除: ネットワークの待ち時間を最小化する。
- バンドルサイズの削減: ユーザーがダウンロードするJS量を減らす。 その上で、サーバーサイドの性能、データフェッチ、再レンダリングの最適化へと進みます。
■ 特徴と構成 リポジトリには、影響度（CRITICALからLOWまで）が明記された40以上のルールが、以下の8カテゴリに分類されています。
- 非同期処理、バンドルサイズ、サーバー/クライアントのパフォーマンス、レンダリング、JavaScript実行性能など。
各ルールには「間違ったコード例」と「正しいコード例」がセットで記載されており、新人エンジニアの方でも「なぜこの書き方が良くないのか」を直感的に理解できる構成になっています。
■ AIエージェントとの連携 個別のルールは「AGENTS.md」という一つのファイルにまとめられており、CursorやClaude CodeなどのAIエージェントに読み込ませることが可能です。これにより、AIがコードレビューを行う際に、Vercelが推奨する基準に基づいた的確な指摘やリファクタリング案を提示してくれるようになります。
まずは「細かな微調整よりも、大きなボトルネック（待ち時間やコード量）を解消する」というプロの視点を学ぶための、最高の教材と言えるでしょう。
引用元: https://vercel.com/blog/introducing-react-best-practices
本記事は、AIコードエージェントを数週間にわたって自律的に稼働させ、大規模なプロジェクトを完遂させるための試行錯誤と知見をまとめたものです。Cursorの開発チームは、通常なら人間のチームが数ヶ月かけるような開発を、AIエージェントの並列運用によってどこまで推し進められるかに挑戦しました。
1. 単一エージェントの限界と「役割分担」への移行
現在、単一のAIエージェントは局所的なタスクには強いものの、大規模で複雑なプロジェクトでは速度と精度の限界に直面します。当初、チームは複数のエージェントを対等な立場で動かそうとしましたが、作業のロック待ちが発生したり、責任の所在が曖昧になってエージェントが困難なタスクを避けたりする問題（リスク回避の傾向）が発生しました。
2. 「プランナー」と「ワーカー」による階層構造
この問題を解決したのが、役割を明確に分けるパイプラインです。
- プランナー（Planner）: コードベースを継続的に探索し、タスクを生成・分割します。再帰的にサブプランナーを生成し、計画自体を並列化します。
- ワーカー（Worker）: 与えられた特定のタスク完遂のみに集中し、他のワーカーとの調整を気にせずコードを書き進めます。 この分離により、全体像を見失うことなく、数百のエージェントが同時に1つのブランチに対して100万行を超えるコードを書き込むことが可能になりました。
3. 驚異的な実証結果
この手法を用いて、以下のような野心的なプロジェクトに成功しています。
- ブラウザのスクラッチ開発: 1週間で100万行以上のコードを生成。
- 大規模な移行作業: Cursor自身のコードベースでSolidからReactへの移行を3週間かけて実施（約26万行の編集）。
- パフォーマンス改善: Rustを用いた動画レンダリングの25倍高速化と新機能追加。
4. エンジニアが知っておくべき教訓
- モデルの適材適所: 長期的なタスクにはGPT-5.2のような高度な指示遂行能力を持つモデルが適しており、役割（計画か実行か）に応じてモデルを使い分けることが重要です。
- シンプルさの維持: 複雑な管理ロジックを追加するよりも、不要な制約を取り除き、ワーカー自身に競合解決を任せる方が効率的な場合があります。
- プロンプトの力: システムの挙動の多くはプロンプトに依存します。長期的な集中力を維持させ、異常な動作を防ぐためのプロンプト設計が成功の鍵となります。
将来、AIと共に大規模なシステムを構築することになる新人エンジニアにとって、エージェントを「個」としてではなく「組織」として設計する考え方は、非常に重要な示唆を与えてくれます。
引用元: https://cursor.com/blog/scaling-agents
VOICEVOX:ずんだもん