Claude Code: 生みの親が公開する5つのエージェントによる並行ワークフロー

Claude Code: 生みの親が公開する5つのエージェントによる並行ワークフロー

Marcus Chen
174
original

AnthropicのClaude Codeの開発者Boris Cherny氏が個人のワークフローを公開。ターミナルで5つのClaudeを並列実行し、iTerm2の通知やブラウザの複数セッションと組み合わせ、"teleport"コマンドで環境を切り替える。この手法は開発者コミュニティで大きな話題を呼び、AIプログラミングの協業方法の重要な進化と見なされている。

この1週間、開発者コミュニティの注目は、ある1本のX投稿に釘付けになっていた。投稿者はBoris Cherny氏——Anthropic傘下の Claude Code の生みの親だ。彼は新機能を発表したわけでも、資金調達を報告したわけでもない。ただ、日頃のツールの使い方を示しただけだった。ところが、この投稿は瞬く間に話題を呼び、繰り返し分析・議論される現象級のトピックへと発展した。

5つの並列ターミナルと、1人の指揮官

従来、コードを書く作業は一直線だった。関数を1つ書き、テストを実行し、バグを直し、次の関数に進む。Cherny氏の描写はそういう遊び方とはまったく違う。彼はターミナルで5つのClaudeを同時に起動し、1から5まで番号を付けた上で、iTerm2のシステム通知に依存しながら、どのエージェントが入力を必要としているかに応じて切り替えていく。1つのエージェントはテストスイートを実行し、別のエージェントは古いモジュールをリファクタリングし、3つ目のエージェントはドキュメントを書いている——彼自身はどちらかといえば生産者というより、ディスパッチャー(配車係)だ。

それだけではない。Cherny氏はブラウザでも5〜10個の claude.aiセッション を開いており、"teleport"コマンド を使ってセッションをWebからローカルターミナルへシームレスに切り替えている。つまり彼の「作業台」は2つの環境にまたがり、すべてのタスクが同時に進んでいく。

なぜ1本のワークフロー投稿で開発者が騒然となったのか

このような「マルチタスク運用」は、明らかに大多数の人の日常的な使い方を超えている。コメント欄には、実際に試してみたという人から「コードを書くというより、Starcraft をプレイしている感覚だ」という声が寄せられた——もはや1行ずつキーボードを叩くのではなく、自律したユニットの集団を指揮してタスクを実行させるのだ。この比喩は、役割の変化を的確に言い当てているとして、繰り返し引用された。

業界関係者のJeff Tang氏はX上で、Cherny氏が共有したClaude Codeのベストプラクティスを読んでいない時点で、プログラマーとしてすでに遅れを取っていると述べた。もう1人のオブザーバーであるKyle McNease氏はさらに踏み込み、今回のアップデートはAnthropicにとっての「ChatGPT瞬間(モーメント)」だと主張した。

開発者にとっての実際のシグナル

このワークフローで最も注目に値する点は、「5つのエージェント」という数字ではなく、個人開発者の生産性構造を変えるという点だ。かつて、1人の人間が複数のモジュールを並行して処理するには、コンテキストスイッチによる認知的コストが障壁だった。今は、各エージェントが独立して1つのタスクフローを担当でき、人間は重要な局面でのみ意思決定を行う。これは、Anthropicの社長であるDaniela Amodei氏が以前から強調してきた「より少ない人数でより多くのことを成し遂げる」という戦略の方向性と一致する。

独立系開発者や小規模チームにとって、このモデルは特に魅力的だ。大規模なエンジニアリングチームがなくても、機能開発・テスト・ドキュメント保守を同時に進められることを意味するからだ。もちろん、これには開発者側のより高度なタスク分解能力と優先順位判断力が求められる——5つのエージェントに仕事を振るのは簡単だが、どんな作業が並行処理に向いていて、いつ収束させるべきかを知るのは難しい。

冷静に考えよう:これはワークフローであって、銀の弾丸ではない

注意すべきは、Cherny氏はこの方法がすべてのプロジェクトに当てはまるとは主張していないことだ。彼が見せているのは個人の好みであり、その背景にはClaudeの挙動パターンに対する深い理解がある。一般の開発者にとって、5ターミナル+通知の構成をそのまま真似するのは必ずしも適切ではない。より現実的なアプローチは、2つの並行タスクから始めて、自分のペースについていけるかを確かめることだ。

さらに、マルチエージェント並行処理には コンテキストの断片化 という問題がつきまとう。各エージェントは他のエージェントが何をしているかを知らないため、調整作業は依然として人間にのしかかる。Cherny氏は番号付けと通知で「いつ自分が必要か」は解決したが、「どうやってエージェント同士に相互理解させるか」は解決していない。この点について、公式の技術的な詳細はまだ限られている。

  • 試してみたい人は、まず2つのターミナルで別々のタスクを動かし、通知の仕組みに慣れてから、徐々に数を増やすのがいい。
  • タスクの種類を区別すること:テスト、リファクタリング、ドキュメントのような比較的独立した作業は、並行処理に適している。
  • あるエージェントが大量の対話時間を占有していることに気づいたら、他のタスクをすぐに一時停止し、全体ブロックに陥らないようにする。

Cherny氏が今回公開したのは、何か決定的な答えというより、現場の実践者による実験レポートだ。「1人でAIを使って1チーム分の仕事をする」を、スローガンから参照可能なオペレーションプロセスへと変えたのである。今後注目すべきは、AnthropicがこのパターンをClaude Codeの正式な機能として組み込むかどうかだ——何しろ、生みの親本人がこうして使っている以上、ツールチームが黙って見ている理由はないのだから。

Claude CodeAIプログラミングアシスタント並行ワークフロー開発者ツールAnthropicプログラミング効率AIエージェント管理ターミナルワークフローマルチエージェント協調ソフトウェア開発の展望

共有

コメント

0
0/500 文字

コメントはまだありません

最初のコメントを書きましょう

もっと見る

類似ツール

Cursor

Cursor

VS Codeをベースに二次開発されたインテリジェントコードエディターで、「ネイティブ搭載AI」をコアセールスポイントとしています。プラグインに依存せず、AIをエディターの基層に深く統合し、プロジェクト全体のコンテキストコードベースを理解することができ、VS Codeのすべての設定とプラグインのシームレスな移行をサポートします。

Google Antigravity

Google Antigravity

Antigravityは、Gemini 3 Pro、Claude Sonnet 4.5、GPT-OSSなどの複数モデルをサポートしており、開発者は同じ環境内でタスクに最適なモデルを選択できます。

Codex

Codex

OpenAI Codexは、OpenAIが開発したAIプログラミングモデル兼アシスタントであり、自然言語の指示を対応するソースコードに翻訳し、開発者にインテリジェントな補完やコード生成などの機能を提供します。このモデルは、2021年にOpenAI APIのコードモデルとして初めてリリースされ、GitHub Copilotの中核的サポートを担っていました。OpenAIの技術進化に伴い、Codexは2025年に「AIプログラミングエージェント」として新たな姿で復帰し、複雑な要件を理解し、コードの自動記述やデバッグを実行することで、開発効率とソフトウェアの提供速度を大幅に向上させています。

Kiro

Kiro

KiroはAWSが提供するAIプログラミングIDEであり、仕様駆動開発モデルを採用し、自然言語の要求を明確な仕様書とタスクに変換します。その後、組み込みのAIエージェントがコードを生成し、デバッグと最適化を行い、大規模プロジェクト開発の全プロセスを支援します。

Trae

Trae

Trae(公式サイト trae.ai)は、ByteDanceによって開発されたAIネイティブな統合開発環境(IDE)です。単なるプログラミングアシスタントではなく、「協働パートナー」として、大規模言語モデル(LLM)を深く統合し、開発者が要件定義からコード構築、デバッグ、デプロイまで、より知的で自動化されたソフトウェア開発を実現することを支援します。

Claude

Claude

Claudeは、米国のAI企業Anthropicが開発した知的言語インタラクションプラットフォームです。深いテキスト理解、情報整理、コード支援、タスク分析などの能力を統合し、チャット対話を超えて、長文要約、画像解析、論理的推論、プログラミング支援など、より複雑な問題に対応できます。一部の単純な質問応答ボットと比べて、Claudeは推論ロジックと拡張機能を備えた知的ツールと言えます。

オープンソース代替

guidellm:LLM推論性能を評価・最適化するオープンソースツール

guidellmは、vLLMチームによって開発されたオープンソースツールで、本番環境における大規模言語モデル(LLM)の推論性能を評価・最適化するためのものです。負荷試験、レイテンシ分析、スループット評価を提供し、開発者がボトルネックを特定してデプロイ構成を調整するのに役立ちます。プロジェクトは主にPythonで記述されており、Apache-2.0ライセンスを採用しています。収集時点で1214スターを獲得しています。

Kun:ローカル優先のAIエージェントワークスペース

Kunはローカル優先のAIエージェントワークスペースです。共有GUIおよびTUIランタイムを通じて、コーディング、ライティング、デザイン、リサーチ、自動化を統合します。プロジェクトは主にTypeScriptで開発されており、ライセンスはOtherです。収集時点で4813個のGitHubスターを獲得しています。

ai-gateway:Envoy Gateway ベースの統一 AI ゲートウェイ

ai-gateway は、Envoy Gateway をベースにしたオープンソースプロジェクトで、複数の生成 AI サービスへのアクセスを管理する統一 API ゲートウェイを提供します。AI アプリケーションの統合と運用を簡素化し、ロードバランシング、キャッシュ、レート制限などの機能をサポートしています。このプロジェクトは Go 言語で開発され、Apache-2.0 ライセンスを採用しています。

go-micro:AIとマイクロサービスを融合したGoフレームワーク

go-microは、AIエージェントツールセットとマイクロサービスアーキテクチャを融合したオープンソースのGoプログラミング言語フレームワークです。MCP、A2Aプロトコル、および複数のLLM統合をサポートしています。このプロジェクトはApache-2.0ライセンスを採用し、主にGo言語で開発されています。収集時点で、このプロジェクトはGitHubで22755のスターを獲得しています。

terax-ai:軽量Tauriデスクトップ開発環境

terax-aiはTauriベースのデスクトップ開発環境で、サイズはわずか7-8MBです。GPUターミナル、CodeMirrorエディタ、Gitツール、および複数のプロバイダーに対応したAIエージェントを統合し、開発者に一体型の開発体験を提供します。プロジェクトは主にTypeScriptで書かれており、Apache-2.0ライセンスを採用しています。

jar-analyzer: Java JARパッケージ解析GUIツール、AIアシスタント統合

jar-analyzer は、オープンソースの Java JAR パッケージ解析 GUI ツールで、AI アシスタントを統合しています。JAR DIFF、メソッド呼び出しグラフ探索、DFS 呼び出しチェーン分析、汚染分析、および制御フローグラフのプログラム分析などの強力な機能を提供し、Java 開発者やセキュリティ研究者に適しており、コード監査とリバースエンジニアリングのタスクを簡素化します。プロジェクトの主要言語は Java で、GPL-3.0 ライセンスを採用しており、収集時点で 2111 個のスターを保有しています。