Issue から始める。ループエンジニアリング

MCPを用いて、Pythonで算術計算ツールを提供するカスタムMCPサーバを実装し、ClineやClaude Codeなどのエージェントから呼び出す方法を解説。社内API検索やデータベース参照など、外部機能をAIエージェントに統合する具体的な実装例を示す。

複数リポジトリ・複数AIを連携させる開発フローの構築では、要件を実装可能な単位へ分割し、設計・実装・レビュー段階で異なるAIを配置し、最後に人間がレビューする構成が有効。技術的な難題よりも、人間がAIツールを実際に運用する際の適応が最大の課題となる。

AIエージェントを使って実務を任せる際、プロンプト精度より先に解決すべきは「仕事の進め方」であることを発見。AGENTS.md にタスク範囲、実行前計画、危険な操作の停止条件を記した「就業規則」として機能させることで、複数エージェントの並列運用と壊滅的失敗の防止を両立させた。2026年のAI開発は「プログラミング」からマネジメントへ軸足を移し、建設現場の現場監督ノウハウが直結する領域へ。

AI エージェントは2026年5月に「賢いチャット」から「仕事の受け渡し」へ段階が変わった。コードレビュー・ドキュメント生成・定型財務レビュー・初期応対は安心して任せられる一方、アーキテクチャ決定・セキュリティ実装・顧客契約・倫理判断は人間が握るべき。失敗コスト・可逆性・監査ログ・影響範囲の4軸で境界線を引き、半年ごとに再評価する習慣が実務者の差になる。