AIエージェント

概要 2026年6月9日のClaude Fable 5一般公開から5日。4本の英語圏キーパーソン記事（Simon Willison、Mollick、The Verge、endorlabs）が24-72時間以内に集中し、異なる角度から「Fable 5の新しい自律性」と「Anthropicの防衛線」を照射した。本稿はその4本を通読した上で、**「relentlessly proactive = 容赦なく積極的」と「from wizard to patron = 術者からパトロンへ」という二つのキラーフレーズを軸に、Fable 5を「性能ベンチマークのモデル」ではなく「ガバナンス議論のモデル」**として読み解く。日本語の既存報道（GIGAZINE・窓の杜・Qiita）はすべて発表初日（6/10）のニュースサマリーレベルに留まっており、4ソース横断の分析的視点で書いた日本語記事は筆者観測範囲では本稿が初出となる。 Fable 5ドキュメント連載の位置付け 本稿は4部作の締めくくりである。 第1部（6/10 朝）：Claude Fable 5 / Mythos 5 公開 — $10/$50の真価、12-Anthropic 記事ドキュメント — 性能・価格・命名体系 第2部（6/11 朝）：Claude Fable 5「秘密のサボタージュ」 — 319ページのシステムカードが明かした隠された能力制限 — 蒸留検知によるサイレント降格の全貌 第3部（6/11 夜）：Fable 5「沈黙サボタージュ」は24時間で撤回された — Anthropic謝罪と可視化転換 — 「we made the wrong tradeoff」公式声明 第4部（6/13 夜）：AWS Bedrock Fable 5 30-day データ保持でZDR契約が無効化 — エンタープライズデータ主権の分岐点 本稿（第5部）は、**同じモデルの「もう一つの顔」を取り上げる。Fable 5は「危険な能力を隠す」だけでなく「人間に指示されなかった仕事も勝手に片付ける」ようになり、サイモン・ウィリソン氏はそれを「relentlessly proactive（容赦なく積極的）」と名付けた。Mollick氏は同じ能力を「wizard から patron へ」**という人間-AI関係論の転換として読み解いた。この二つは同じコインの裏表であり、4部作で議論してきた「Anthropicの防衛線」とは独立した、モデルが「自発的に」どこまで踏み込むかというフロンティアAIの根本問題を提起している。 1. Simon Willison：スクリーンショット1枚で、ブラウザ起動・Safari切替・独自スクリーンショット機構・CORSサーバー構築までを自律実行 6月11日、Hacker News 上位（510ポイント・405コメント、6月14日朝時点で継続上昇中）にランクインしたサイモン・ウィリソン氏のブログ記事「Claude Fable is relentlessly proactive」は、データ分析ツール Datasette Agent のジャンプメニューに出る「不要な横スクロールバー」をスクリーンショット1枚でFable 5に渡した実験を記録している。 ...

はじめに 2026 年 6 月 10 日、Xiaomi の MiMo チームはターミナル型 AI コーディングエージェント MiMo Code V0.1.0 を MIT ライセンスで公開した。発表から 24 時間で Hacker News フロントページに登場（#3, 508 ポイント、281 コメント）、GitHub リポジトリは公開 3 日で 4,500 ⭐・350 fork に到達、5 人チーム・14 日間・「vibe coding」体制での開発と公開された。 本稿が焦点を当てるのは、「同じ MiMo-V2.5-Pro モデルを両ハーネスで走らせると SWE-bench Pro で 62% vs 57%、Terminal Bench 2 で 73% vs 68% —— つまり差分の 5pt はハーネス側のアーキテクチャから生まれている」 という一点である。これは本シリーズがこれまで扱ってきた {{< relref “/posts/2026-05-13-xiaomi-mimo-v2-5-pro-guide” >}}（MiMo-V2.5-Pro モデル解説）と {{< relref “/posts/2026-06-10-mimo-v2-5-pro-ultraspeed-1000tps” >}}（MiMo-UltraSpeed 推論速度解説）に対して、「ハーネス > モデル」 という新たな視座を加える第 3 脚となる。 ...

2026年6月4日、NVIDIAはNemotron 3 Ultra 550B-A55Bを公開した。GTC Taipei 2026の基調講演で「アメリカ最強のオープンモデル」と紹介された同モデルだが、報道の論調は「中国製オープンLLMに Intelligence Index で及ばない（48点 vs Kimi K2.6 の54点）」という比較に偏っている。本記事ではその論調を離れ、**「なぜこのモデルが『長時間自律エージェント時代』のデータセンター設計思想と整合するのか」**という観点から読み解く。TCO（総保有コスト）、MOPD学習法、OpenMDW-1.1ライセンス、ソブリンAI展開まで、日本企業のAIエンジニアが意思決定するための材料をコード例と試算とともに整理する。 1. モデル仕様の再確認：「サイズ」ではなく「役割」で理解する Nemotron 3 ファミリーは Nano（30B-A3B）/ Super（120B-A12B）/ Ultra（550B-A55B）の3層構造を取る。Nano と Super は DGX Spark 128GB のユニファイドメモリで手元運用できる「日常のモデル」だが、Ultra はそもそもターゲットが異なる。NVIDIA 技術ブログは「シングルターンのチャットボットから long-running agent への進化」を前提に Ultra を位置づけている。 項目 Ultra 仕様 総パラメータ 550B トークンあたり稼働 55B（MoE） アーキテクチャ Mamba-2 + Transformer + LatentMoE のハイブリッド コンテキスト長 1M トークン 学習トークン 約20T（NVFP4 レシピ） ライセンス OpenMDW-1.1（Linux Foundation、商用利用可） 量子化後重みサイズ 約335GB（NVFP4） 必要 VRAM 600GB 超（4×B200 または 8×H100 80GB） 対応 GPU Ampere / Hopper / Blackwell（単一チェックポイントで動作） サポート言語 英仏西伊独日韓ヒンディー葡中（日本語を含む10言語） 重要なのは「動くかどうか」ではない。「どの規模の問題を、何時間止めずに回し続けられるか」 が設計の出発点にある。Hugging Face モデルカードで公開されている GA v1.0 は、4 種類のチェックポイント（Base-BF16 / Post-trained BF16 / NVFP4 / GenRM）を揃え、NVIDIA AI Enterprise 90 日無料評価 + 商用ラインセンス + 完全なオープン性が同居する。 ...

はじめに——「使い放題」は終わるのか 2026年5月14日、Anthropicは公式ヘルプセンターで重要な告知を出した。6月15日から、Claude Agent SDK（Python/TypeScript）、claude -p ヘッドレスモード、Claude Code GitHub Actions、Agent SDK経由の第三者アプリ——これらがすべて、月額サブスクリプションの利用枠から外れて独立した「Agent SDKクレジット」プールに移行する。Pro $20、Max 5x $100、Max 20x $200という月額クレジットが新たに設定され、枯渇後はAPI従量課金（オプトイン）または完全停止という2択になる。 この変更は、4月4日のOpenClaw全面禁止、1月のOAuthブロック、2月のToS改訂を経た一連の政策変更の最終局面に位置する。日本語の一次情報はITmedia AI+、GIGAZINE、Zenn、Qiita、note.comにすでに15本以上存在するが、Impress Watch・ASCII.jp・@ITといった主要IT専門メディアによる本格編集記事は現時点でほぼ存在しない。本記事では公式一次情報をもとに、エンジニアが6月15日前後に直面する実務課題——「サイレント停止」リスク、組織設計、Direct API移行の損益分岐、HITL/AFKの境界線、競合ツールへの乗り換え判断——を体系的に整理する。 何が変わって何が変わらないのか 対象（Agent SDKクレジットから消費される） Claude Agent SDK（Python / TypeScript） claude -p ヘッドレス実行 Claude Code GitHub Actions Agent SDK上に構築された第三者アプリ（Conductor、OpenClaw等） 対象外（従来通りサブスクリプション枠） 対話的Claude.aiチャット（Web/Desktop/Mobile） ターミナル/IDE上のClaude Code（人間参加型 = HITL） Claude Cowork API Key直接利用（最も重要） クレジット額の全体像 プラン Agent SDK月次クレジット 1ユーザーあたり Pro $20 $20 Max 5x $100 $100 Max 20x $200 $200 Team Standard $20 $20 Team Premium $100 $100 Enterprise（usage-based） $20 $20 Enterprise（seat-based Premium） $200 $200 Enterprise Standard（seat-based） $0 $0（対象機能利用不可） クレジットはper-user（チーム内で共有・プール不可）、月次リセット（繰越不可）、1回限りのオプトイン。月次クレジット枯渇後は「Extra Usage」を有効化していれば標準APIレートで従量課金、無効ならリクエストが停止する。 ...

Microsoft Build 2026は6月3日（現地時間6月2日）に2日目を迎え、Day 1のProject PolarisやWindows Agent Framework 1.0に続き、さらに大規模な発表が行われた。前回のDay 1レポートに続き、本記事ではDay 2で発表された全アナウンスを、エージェントファーストプラットフォームという統一的な視点から解説する。 MAI-Thinking-1：Microsoft初の自社推論モデル 最大の目玉は、Microsoft初の自社開発推論モデル MAI-Thinking-1 の発表である。 35BアクティブパラメータのMoE（Mixture of Experts）アーキテクチャを採用し、256Kトークンのコンテキストウィンドウを備える。特筆すべきは、他社モデルからの蒸留（distillation）を一切行わず、ゼロから学習した点だ。ベンチマーク結果はClaude Sonnet 4.6を上回り、AIME 2025で97%、AIME 2026で94.5%、SWE-Bench Proで52.8%を記録している。 MAI-Thinking-1は現在Foundryでプライベートプレビューとして提供されており、M365 CopilotのAgent Modeの中核エンジンとしても利用される。 MAI-Code-1-Flash：コーディングに特化した軽量モデル MAI-Code-1-Flash は、5Bパラメータの軽量コーディング特化モデルで、SWE-Bench Pro 51%を達成。Claude Haiku 4.5を60%少ないトークンで上回る性能を持つ。GitHub Copilot（Free/Pro/Pro+/Max）のVS Code向けに順次展開中で、HNでは368ポイントと170コメントを集めた。 MicrosoftがOpenAI GPT-4 Turboから自社モデルへの移行を進める中、MAI-Code-1-FlashはCopilotのコーディングモデルとしての第一歩となる。今後、Polaris（Maia 200ベース、2026年8月投入予定）に置き換わるまでの橋渡し的な位置づけだが、5Bという軽量さでHaikuクラスを凌駕する現時点の性能は驚異的だ。 Scout：OpenClawベースの常時稼働パーソナルエージェント Scout は、これまでで最も本格的なパーソナルAIエージェントとして発表された。Day 1でMITライセンス公開されたOpenClawを基盤とし、M365と統合された常時稼働型エージェントである。 具体的には以下の機能を持つ： スケジュール調整、資料作成、電話発信などの自律実行 Entra IDによるエージェント単位のID管理とPurview DLPによるデータ損失防止 Frontierプレビューでの初期アクセス（3,000人以上のMS社員が社内試験中） Sandbox実行（untrustedモード）によるセキュリティ保護 MicrosoftはScoutの基盤技術であるOpenClawにアップストリームコントリビューションを行うことも表明しており、オープンソースコミュニティとの協業姿勢を示した。 PC WatchやITmediaだけでなく、日本経済新聞もScoutを取り上げており、一般メディアでも注目度の高さがうかがえる。 7つのMAIモデルファミリー MAI-Thinking-1とMAI-Code-1-Flashに加え、合計7つのMAIモデルが発表された。GIGAZINEが最も詳細なスペック一覧を掲載しているが、全体を横断的に整理する。 モデル 用途 価格（100万トークンあたり） ステータス MAI-Thinking-1 推論・思考 未公開（Foundry Preview） プライベートプレビュー MAI-Code-1-Flash コード生成 未公開 Copilot展開中 MAI-Image-2.5 画像生成 $5 GA（PowerPoint連携） MAI-Image-2.5 Flash 高速画像生成 $8 GA MAI-Transcribe-1.5 音声認識（43言語SOTA） $0.36/時間 GA MAI-Voice-2 音声合成（感情制御対応） 未公開 GA MAI-Voice-2 Flash 高速音声合成 $47 GA MAI-Voice-2は日本語を含む15言語以上に対応し、音声クローニングと感情制御が可能。MAI-Transcribe-1.5は競合比5倍の速度で43言語においてSOTAを達成している。 ...

5月のAI地殻変動：39本の記事が描く1ヶ月 2026年5月はAI業界にとって類を見ない密度の1ヶ月だった。5月12日の初回投稿からわずか19日間で39本の記事を公開した。本稿では全記事を8つのテーマに整理し、5月に起きた出来事の全体像を描く。 A. Anthropicシリーズ（13記事）— 5月最大のストーリー 5月は「Anthropicの月」だった。以下が完全なタイムラインである。 日付 イベント 記事タイトル 5/13 Managed Agentsローンチ Claude Managed Agents入門 5/14 2026年全出荷まとめ Opus 4.7、1Mコンテクスト、エンタープライズ80倍成長 5/15 Claude Mythos Preview AIがゼロデイ脆弱性を自律発見、SWE-Bench 93.9% 5/17 CTFシーン崩壊 Frontier AIがCTFを終わらせた 5/18 Claude for Small Business 中小企業向けエージェンティックワークフロー15選 5/18 PwC/Anthropic提携拡大 数十万人規模展開、70%納期短縮 5/19 $900B評価額 38日で2.4倍、AIインフラ投資競争の全貌 5/19 Stainless買収（$300M） SDK基盤を掌握する「インフラ拒否」戦略 5/20 KarpathyがAnthropicに合流 RSI研究、AutoResearch技術解説 5/25 KPMG/Anthropic提携 27万6千人展開、Big4シリーズ第2弾 5/26 Project Glasswing初回アップデート 1万件超の脆弱性発見、パッチボトルネック問題 5/27 Anthropic 2026 タイムラインハブ 11の出来事を時系列で整理したハブ記事 5/29 Claude Opus 4.8 Dynamic Workflows、Effort Control、Fast Mode この13記事は相互リンクされ、「Anthropic 2026 タイムラインハブ」に集約されている。 ...

はじめに 2026年5月28日、AnthropicはClaude Opus 4.8をリリースした。Opus 4.7（4月16日）から約6週間でのアップデートでありながら、価格は据え置きで性能向上を実現している。 今回のリリースの本質は「単なるベンチマークの改善」ではない。Dynamic Workflowsによる数百の並列サブエージェント実行、Effort Controlによる処理量の段階的制御、そしてFast Modeの3倍値下げという3つの機能が、AIエージェントの運用方法を大きく変える可能性を持つ。 本記事は既に11本のAnthropic関連記事を蓄積してきた本連載の12本目として、Timeline Hub（5月27日公開）の延長線上でOpus 4.8を位置づけ、実践的な評価と移行ガイドを提供する。 ベンチマーク徹底比較：6/7領域でOpus 4.8がリード Opus 4.8は公式発表された7つの主要ベンチマーク中6つでGPT-5.5とGemini 3.1 Proを上回った。 ベンチマーク Opus 4.8 Opus 4.7 GPT-5.5 Gemini 3.1 Pro SWE-Bench Pro（エージェント型コーディング） 69.2% ✅ 64.3% 58.6% 54.2% Terminal-Bench 2.1（ターミナル型コーディング） 74.6% 66.1% 78.2% ✅ — HLE（ツールなし推論） 49.8% ✅ 46.9% 41.4% 44.4% HLE（ツールあり推論） 57.9% ✅ 54.7% 52.2% — OSWorld-Verified（コンピュータ操作） 83.4% ✅ 82.3% 78.7% 76.2% GDPval-AA（ナレッジワーク） 1890 ✅ 1753 1769 1314 Finance Agent v2（財務分析） 53.9% ✅ 51.5% 51.8% 43.0% ただし、GPT-5.5がCodex CLIと組み合わさるとTerminal-Bench 2.1で**83.4%**に跳ね上がる点は注意が必要だ。エンジニアリング用途では「Opus 4.8がリポジトリ単位の大規模コーディングに強く、GPT-5.5+Codex CLIがターミナル操作に強い」という住み分けが明確になっている。 ...

なぜ「退屈な言語」がAIエージェントに選ばれるのか 2026年5月、Jacob Young（Sancho Studio創業者）が発表した “Use Boring Languages with LLMs” がHacker Newsで話題を集めている。その主張はシンプルだ。「LLMは訓練コーパスの分散が低い言語で圧倒的に良いコードを生成する。逆に分散が大きいエコシステムは、エージェントの出力品質を著しく低下させる。」 この論文はHNで203ポイント・293コメントの議論を巻き起こし、Goコミュニティを中心に「AIエージェント時代の最適言語」を巡る活発な論争を引き起こした。本稿では、この論文の核心的な主張をコード例を交えて解説し、日本におけるAIエージェント言語選定の一助とする。 低分散エコシステムとは何か Youngの主張を一言で言えばこうだ。 LLMは一貫性のある技術スタックを増幅し、断片化した技術スタックを静かに劣化させる。 「低分散エコシステム」とは以下の特徴を持つ言語・ツールチェーンのことを指す。 訓練コーパスの分散が小さい — 言語の書き方が一貫しており、LLMの学習データにおける表現のばらつきが少ない 「唯一の正しい書き方」が存在する — Convention over Configurationの原則が浸透している ツールチェーンが強固 — フォーマッター、リンター、静的解析が標準装備 依存関係の選択肢が限定的 — フレームワークやライブラリの「迷い」が少ない 後方互換性が長期にわたって維持される — 言語自体が頻繁に破壊的変更を行わない この条件を最もよく満たす言語として、YoungはGoを第一候補に挙げる。次いでRailsに代表されるRuby、そしてある程度はRustも該当する。逆に最もスコアが低いのはJavaScript/TypeScriptエコシステムとPythonだ。 GoがAIエージェントに最適な5つの理由 1. シンプルな並行処理モデル GoのgoroutineはチャネルベースのCSP（Communicating Sequential Processes）モデルを採用している。これは訓練コーパスにおいて極めて一貫性のある表現を持つ。 results := make(chan string, len(urls)) for _, u := range urls { go func(u string) { resp, err := http.Get(u) if err != nil { results <- err.Error() return } defer resp.Body.Close() results <- resp.Status }(u) } for range urls { fmt.Println(<-results) } このコードは「これがGoでの標準的な並行処理の書き方」として確立されており、LLMが何度も見てきたパターンだ。対照的にJavaScriptのasync/awaitやPromise.all、Pythonのasyncioやconcurrent.futuresは複数の書き方が混在しており、LLMがどのパターンを選ぶべきかを推論するコストが増加する。 2. 包括的な標準ライブラリ Goの標準ライブラリはHTTPサーバー、暗号化、JSON/XML処理、テンプレートエンジン、SQLデータベース等、商用アプリケーションに必要な大部分をカバーする。これによりサードパーティへの依存判断が最小限で済む。 package main import ( "fmt" "net/http" ) func main() { http.HandleFunc("/healthz", func(w http.ResponseWriter, r *http.Request) { fmt.Fprintln(w, "ok") }) http.ListenAndServe(":8080", nil) } このHTTPサーバーのコードはGoの訓練コーパスに無数に存在する。エージェントは「どのフレームワークを使うか」を判断する必要がなく、標準ライブラリの範囲内でコードを生成する。 ...

MagenticLiteとは：Microsoft Researchが描く「小規模モデル」のエージェント戦略 2026年5月21日、Microsoft Research AI FrontiersはMagenticLiteを公開した。これは、次世代のエージェント型アプリケーションであり、前世代のMagentic-UIを根本から再設計したものである。特筆すべきは、フロンティアモデル（GPT-5.5やClaude Opus 4.7クラス）ではなく、14Bパラメータ以下の小規模モデル（SLM） で実用的なエージェント性能を引き出すことに特化している点だ。 MagenticLiteの根底にある研究上の仮説は明確である。「エージェントとしての能力は、モデルの知識量ではなく、ツールのオーケストレーションと行動連鎖にかかっている」。つまり、賢いハーネス（実行基盤）と適切に設計されたツール呼び出しがあれば、小さなモデルでも実務レベルのタスクをこなせるという主張だ。この仮説が正しければ、エージェントAIの運用コストは劇的に下がり、セルフホストやエッジデバイスへの展開が現実味を帯びてくる。 MagenticLiteは3つのコンポーネントで構成される： MagenticLite（アプリケーション） — ブラウザとローカルファイルシステムを横断するエージェントハーネス。MITライセンスでGitHub公開 MagenticBrain（14B） — 計画・コーディング・タスク委譲を担当するオーケストレータモデル。Microsoft Foundryで利用可能 Fara1.5（4B/9B/27B） — ブラウザ操作に特化したComputer Use Agent（CUA）モデル。同じくFoundryで公開 本稿では、この3つのコンポーネントを順に解説し、実際のセットアップ手順、設定例、競合ツールとの比較までをカバーする。 MagenticBrain（14B）：オーケストレータとしての設計思想 MagenticBrainはQwen 3 14Bをベースにファインチューニングされたオーケストレーションモデルである。その役割は、ユーザーの高レベルな指示を受け、計画を立案し、必要なツールを呼び出し、ブラウザ操作が必要な場合はFara1.5にタスクを委譲することだ。 重要な2つの設計判断 マルチステップツール呼び出し＋コーディング/ターミナルの統合学習: MagenticBrainは、単なるツール呼び出しの軌跡だけでなく、「Pythonコードを5行書く」といったコーディングタスクも同一の訓練データに含めている。これにより、ツール呼び出しとコード生成をシームレスに切り替えられる。 CUA Delegation（明示的な委譲）: ブラウザ操作が必要なタスクでは、MagenticBrainが明示的にFara1.5に制御を委譲する。この「オーケストレータ→専門ワーカー」の分割は、単一モデルですべてをやらせるアーキテクチャよりも効率的で、拡張性が高い。 MagenticBrainはMagenticLiteのハーネス内でエンドツーエンドに訓練されており、推論時と同じツールスキーマ・実行環境で訓練されている。これによりTrain-Inference Gap（訓練時と推論時の環境差による性能低下）を排除している。 Fara1.5（4B/9B/27B）：小規模CUAモデルの新たなSOTA Fara1.5はブラウザ操作（Computer Use）に特化したモデルファミリーである。ベースにはQwen 3.5を採用し、4B・9B・27Bの3サイズを用意。フラッグシップは9Bだが、27Bはより大規模なプロプライエタリモデル（Gemini 2.5 Computer Use、OpenAI Operator、Yutori Navigator N1）とも互角以上に渡り合う性能を持つ。 ベンチマークスコア モデル Online-Mind2Web WebVoyager Fara1.5-4B 57.3 80.8 Fara1.5-9B 63.4 86.6 Fara1.5-27B 72.0 88.6 参考：Fara-7B（前世代） 34.1 73.5 参考：Claude 3.7 Sonnet + Browser-Use 39.33 — Fara1.5-9Bは前世代のFara-7Bと比較してOnline-Mind2Webで**+29.3ポイント**、WebVoyagerで**+13.1ポイント**もの改善を達成している。特にOnline-Mind2Webの63.4というスコアは、小規模モデルとしては驚異的であり、Claude 3.7 SonnetにBrowser-Useフレームワークを組み合わせた構成（39.33%）を大きく上回る。 ...

はじめに 2026年5月19日、Google I/O 2026の基調講演でSundar Pichaiが発表した Gemini Spark は、単なるAIアシスタントのアップデートではない。これはGoogleのAI戦略におけるパラダイムシフトを象徴するプロダクトだ。 従来のGeminiが「質問をすれば答えが返ってくる」受動的アシスタントだったのに対し、Sparkは24時間365日クラウド上で動作し、ユーザーに代わってタスクを自律実行する「パーソナルAIエージェント」である。本稿では、アーキテクチャの詳細から実際の使い方、競合との比較、開発者向け統合までを包括的に解説する。 なお、本サイトではすでにGoogle I/O 2026の包括レポートとAntigravity 2.0の実践ガイドを公開している。本記事はI/O Deep Diveシリーズの最終回として、Gemini Sparkに特化した完全ガイドを提供する。 Gemini Sparkとは：3層アーキテクチャの全貌 Gemini Sparkの最大の特徴は、単なるモデルの改良ではなく、インフラからアプリケーションまでを統合した3層スタックとして設計されている点にある。 第1層：Gemini 3.5 Flash（モデル層） Sparkの中核エンジンは Gemini 3.5 Flash である。このモデルは出力速度280トークン/秒以上を達成し、前世代の最上位モデルGemini 3.1 Proをほぼすべてのベンチマークで上回る。エージェント向けベンチマークでは、OSWorld-Verified 78.4%、Toolathlon 56.5%、MRCR v2 77.3%（128k avg）を記録しており、単なる高速モデルではなくエージェントワークロードに最適化されたフロンティアモデルであることがわかる。 重要なのは、Sparkがこのモデルを 推論時の思考レベルの調整 が可能な形で利用している点だ。タスクの複雑さに応じて思考の深さを変えることで、コストと品質のトレードオフを動的に最適化する。 第2層：Antigravity Harness（オーケストレーション層） Sparkの「24時間稼働」を支えるのは、Antigravity 2.0と同じワークオーケストレーション基盤である。この層は以下の機能を提供する： タスク分解とサブエージェント管理：ユーザーの指示を複数のサブタスクに分解し、並列実行する 状態永続化：タスクの途中状態をクラウド上に保持し、デバイスの電源状態に関わらず処理を継続 実行検証ループ：計画→実行→評価→次のアクション決定、という反復サイクルを自律的に回す ヒューマンインザループ：高リスク操作（支払い、メール送信、ファイル削除）ではユーザーの承認を要求 第3層：永続Cloud VM（実行層） Sparkの決定的な差別化要因は、専用のGoogle Cloud仮想マシン上で動作する点にある。これは単なるバックグラウンドプロセスではなく、以下の特性を持つ： ノートPCを閉じても動作継続 スマートフォンのロック中もタスク実行 インターネット接続があれば、いつでもどこでも結果を確認可能 タスクの途中でデバイスを変更しても状態を引き継ぐ 競合のClaude Coworkがローカルファースト、ChatGPT Agentがブラウザベースであるのに対し、Sparkのクラウドネイティブな設計は**「エージェントに仕事を任せて寝る」**というユースケースを現実のものにする。 Skillsシステム：繰り返しタスクの自動化 Sparkの核心的機能は Skills（スキル）システム である。これは、頻繁に行うマルチステップのワークフローを「Skill」として保存し、定期的に自動実行する仕組みだ。 Skillの定義方法 Skillは自然言語で記述する。Sparkは過去の実行パターンから学習し、自動的にSkillを提案することも可能だ。 Skill名: "週次エンジニアリングレポート" トリガー: 毎週金曜日 16:00 実行内容: 1. 今週のGitHub Organizationの全リポジトリからコミット履歴を収集 2. 対応するLinearチケットの進捗ステータスを取得 3. Google Sheetsのテンプレートにデータを整形して書き込み 4. CTOとチームリードにGmailでサマリーを自動送信 トリガータイプ トリガー種別 説明 ユースケース スケジュール 特定の日時・間隔で実行 週次レポート、月次ダッシュボード 条件ベース 特定の条件が満たされたら実行 重要メールの着信検知、株価アラート イベント駆動 カレンダー変更や新規ドキュメント作成に応じて実行 会議後の議事録自動作成 手動トリガー ユーザーが明示的に実行 アドホックな調査・分析 Skillの学習と改善 Sparkはフィードバックループを通じてSkillを継続的に改善する。たとえば、50通の送信済みメールを分析して執筆スタイルを学習し、「ゴーストライターSkill」として再利用できる。直近の実行結果にサムズアップ/ダウンを付けることで、Sparkの動作を徐々にユーザーの期待値に合わせていく。 ...