コーディングエージェント時代のコードレビュー戦略：大量コード生成への対応

Model Context Protocol（MCP）サーバーの実装・運用で実効性が高かった設計判断 4 点を紹介。ツールは REST API エンドポイント写経ではなく業務単位で粒度を合わせ、返り値は JSON 生データではなく人間が読めるマークダウン形式で返し、エラーメッセージには次のアクション方法を明記し、ツール description には使用すべき場面・非使用場面を記載することで、LLM の往復回数削減・不要呼び出し低減を実現する。

Anthropic が AI エージェント向けの新仕様「Model Hardware Standard（MHS）」のリサーチプレビューを公開した。MCP がソフトウェア連携を標準化してきたのに対し、MHS は実験装置や製造ラインなどの物理デバイス制御を標準化する新しい領域で、現在は科学研究機関と先進的な製造業者に限定提供される段階。

Claude Chat と Cowork で同じ memory を共有できるようになり、ユーザーが memory を編集・削除できるようになりました。Agent にこの memory を組み込む場合、job をキューに入れた後に memory が更新されるケースに対応する必要があり、job に memoryRevision を保存して実行直前に確認し、異なれば 412 相当で処理を中止する設計を TypeScript で実装します。

Shopify複数案件の並行対応時にディレクターの認知負荷が飽和する課題を、Gemini・Claude Code・Manusの3体の特化型AIエージェントと2層Backlog設計で解決するシステムを実装。人間は4段階の安全承認ゲートで Yes/No 判断のみを行い、認知負荷を極小化しながら安全性を担保する全体アーキテクチャを公開。