コーディングエージェントClineのWebアプリ開発への導入と課題

ツール導入前の課題

生成AIによるコーディングエージェントの性能が急速に高まっており、 実開発業務においてどの程度実用性があるのかの検証が課題となっていました。

GitHub Copilotは利用していましたが、（当時は）コンテキストに必要なファイルを手動で追加する必要があるため、開発者が常に指示する必要がありました。

どのような状態を目指していたか

コーディングエージェントを導入することで開発業務の一部をAI化し、AIが作業をしている間に開発者が別のタスクに取り組める状態を目指しました。

• GitHub Copilot Agent
• Devin

重視していた点は二点ありました。

1. エージェントとしての自律性があり、製品のソースコードでもタスクを完遂できること、
2. 機密情報である製品ソースコードを取り扱うため、情報流出のリスクがないことでした。

1. オープンソースソフトウェアとして実装が公開されていること、
2. 危険なコマンドは承認を求める機能があり、エージェントが暴走するリスクを使用者が管理できることと、
3. 幅広いAIモデルが利用可能で、Amazon Bedrock, Azure OpenAI, Google Vertex AIのようなエンタープライズ向けのAIサービスを自在に組み合わせられること

改善したかった課題はどれくらい解決されたか

当初期待していた通り、AIが自律的にコードを実装し、発生したエラーを解決してくれるので、実装スピードが向上しました。

また想定を上回った点としてはMCP連携機能でした。GitHubやFigmaのMCPサーバと連携することで、Figmaからフロントエンドのソースコードを作成したり、GitHubのチケットを起票する業務を効率化することができました。

ただし、AIが意図しないファイルを修正することがあるため、開発者がこまめに監督する必要があり、当初目標としてたAIの作業中に開発者が別のタスクをできるようにすることは達成できませんでした。

どのような成果が得られたか

Claudeのモデルと連携することでフロントエンドの実装が劇的に早くなりました。これまでは１週間以上かかっていたフロントエンドの実装タスクが一日で画面が動くようになりました。

ただし、実装されたコードを開発者が理解できる状態までコードレビューを行うためには以前よりも時間がかかるようになり、開発業務全体で見ると1.5-2倍程度の時間短縮になりました。

開発業務をAI化することのメリットの一つとして、作業ログがテキストとして残るということがわかりました。発生したトラブルやその対応を追跡できるようになり、コードベースの課題を分析して改善できる可能性を感じています。

リポジトリのコーディング規約を理解してもらうために.clinerulesファイルを整備する必要がありました。同時期にGitHub CopilotやDevin向けの指示も整備する必要があり、AI向けの指示書が乱立するという課題がありました。

また、自律性が高いがゆえに意図しないところまで修正することがあり、開発者が適宜監督する必要があったり、コードレビューで確認する工数が増えました。

AIコーディングエージェントはさまざま出てきており、どれを使うべきなのか悩むことが多いと思います。 それぞれのツールに短所、長所があり、いくつかのツールを使い分けることが必要だと思います。 またコーディングエージェントはまだ万能ではありません。実アプリケーションでAIのスキルを超えるタスクを依頼するとコードベースが破壊されます。使う側もAIの技量を見極めた上でタスクを割り当てるスキルを身につけなければなりません。