作業ではなく目標を任せるエージェント

AIプログラマー「Devin」を手がける米Cognitionは11月17日(日本時間18日)、「Devin Bots」を発表した。Devin Botは、利用者から目標を任され、複数のDevinのチームを率いて成果を出すエージェントだと同社は説明している。公式ブログは、Botを記憶とツールを持つ常駐型のエージェントと位置づけ、複数のDevinを並列に動かせるとした。

Meet Devin Bots. From writing firmware to merging thousands of PRs a week, a Devin Bot leads a team of agents to get the job done.

訳:Devin Botsを紹介します。ファームウェアを書くことから、週に数千件のPRをマージすることまで、Devin Botはエージェントのチームを率いて仕事をやり遂げます。

発表は11月17日付の公式ブログと、公式Xの投稿(日本時間18日午前2時3分)で行った。ブログによると、Botは大きなプロジェクトや継続する目標を受け持ち、自分で調べ、作業を割り振り、結果を評価して次に取り組むことを決める。作業の区切り(セッション)をまたいで文脈を保ち、人の判断が要る事柄だけを利用者に持ってくるという。

同社はこれまで、Devinが個々の作業を受け持つ形で機能を広げてきた。11月にはコードを点検する「Devin Review 2.0」や、Devinが作ったWebアプリを社内で共有できる「Devin Apps」を発表し、チーム向けの「Teams」プランも刷新した。ブログは、これまでコーディングエージェントに任せられたのは決まった作業で、問題に気づき、方法を選び、結果を確かめ、次を決める調整役は技術者に残っていたと書いている。Devin Botsは、この調整役の部分を引き受ける製品と位置づけた。

ブログは任せ方の違いを3つの例で示した。「この機能をAndroidに移植する」という作業に対し、Botには「AndroidをiOSと同等に保つ」という責任を任せる。同じように「画面のずれを直す」は「変更が続いてもWebアプリを滑らかに保つ」に、「このオンボーディングのエラーを直す」は「新しい利用者に初期設定を最後まで済ませてもらう」になるという。Botに任せる例として、オープンソースのリポジトリの保守、リリースの管理、サーバーでの推論の最適化も挙げた。

社内事例では44日でAndroidアプリ

ブログは、同社が社内でBotに任せた3つの事例を紹介した。数字はいずれもCognition自身の公表で、第三者の検証はない。

1つ目はDevinのAndroidアプリの開発だ。同社によると、DevinにはiOSアプリとその担当者がいたが、Androidの技術者も計画もなかった。2026年9月28日に社員のSamyok氏が「Android Bot」を作り、Androidアプリを製品として管理し、自律的に全体を作るよう指示した。Botはまず、コードの置き場所やAndroid版の試験の方法、変更のマージの仕方といった障害を挙げ、Samyok氏が方向と制約を決めた。その後はBotがチケットを作り、チケットごとにDevinのセッションを立ち上げ、CI(自動の試験)と「Devin Review」を通ったプルリクエスト(コードの変更の提案)をマージした。毎日、画面の録画付きの報告をSlackに投稿したという。

44日後、DevinのAndroidアプリができた。同社によると、この間にマージしたプルリクエストは1,134件、Kotlinのコードは344,651行、スクリーンショットのテストは2,841件、閉じたチケットは1,217件だった。アプリはGoogle Playで公開テストに入っており、iOS版に新機能が入るたびにBotが更新している。

人の関与も残っている。Samyok氏が44日間にBotへ送ったメッセージは183件で、マージしたプルリクエスト約6件に1件の割合だった。22日間は1件も送らなかった。メッセージの多くは、セキュリティの点検が要るプルリクエストのように、人の判断が必要な事柄への返答だったと同社は説明している。

画面のずれ対策やゲーム開発にも

2つ目の事例は、DevinのWebアプリで読み込みの遅れから画面の要素が動く「レイアウトシフト」の対策だ。同社は「Layout Bot」を作り、ずれを見つけて直す責任を任せた。ブログによると、Botは3時間ごとにmainブランチの最新のコードを本番と同じ形でビルドし、初めての訪問や再訪問、一部の通信をわざと遅らせた読み込みを記録する。前回まで通っていた確認が失敗すると、どのプルリクエストで起きたかを突き止め、Devinのセッションで修正を作り、変更前と変更後の録画を付けて技術者の点検に回す。

Cognitionは週に2,000件を超えるプルリクエストをマージしているという。同社によると、Layout Botが動いた3週間で、Botによる159件のプルリクエストがマージされ、画面の遅延(lag)は70%減った。70%の減少が何の指標で、どの値からどの値に下がったかは示していない。

3つ目は、同社の社員Jenny Xu氏が運営するモバイルゲームのスタジオだ。ブログによると、人の従業員はXu氏1人で、約20のBotが開発、Unity、リリース、UI、iOS、Android、実機での試験などを1つずつ受け持つ。その上に立つ「Super Jenny Bot」が、ほかのBotが求める判断を1日4回、1つのSlackのスレッドにまとめ、Xu氏は絵文字で答える。スタジオのプルリクエストは週約50件から1,900件に増え、毎週リリースを出しているという。

ブログには、Botを先行して使った利用企業のコメントも載っている。米Biltの技術担当幹部は「Last week, our Devin Bots merged about 1,600 PRs.」(先週、Devin Botsは約1,600件のPRをマージした)と述べた。いずれも同社が選んで掲載したコメントだ。

成功の基準と権限は人が決める

ブログは、Botを使う前提として、任せる範囲で何を成功とするかを技術者が決める必要があると書いている。例えばCIを速くするBotには、残すべき確認や、計算資源への支出を増やしてよいかを伝える必要がある。Botが自分の作業を評価する仕組みも技術者が作る。開発中ならテストやベンチマーク、利用者の操作の再現、公開後なら本番での動き、利用状況、顧客の声がそれにあたるという。

Botがどのシステムに触れ、何を変えてよいか、支出やリリースに承認が要るかも、技術者が決める。Botは報告や試験の録画を自ら共有し、判断が要る事柄は「Needs You」という受信箱に届く。個々のDevinのセッションを開いて詳しく確かめることもでき、Botはチームで共有できる。複数のBotを置けば、Bot同士が連携して報告や判断をまとめるという。

同日提供開始、料金は示さず

ブログは「Devin Bots are available today at devin.ai/bots.」とし、発表と同時に提供を始めた。ブログと製品ページは、料金、使えるプラン、利用の上限を示していない。

ブログによると、Botとのやり取りはSlack、iMessage、Devinのアプリでできる。製品ページは、メッセージや電話、グループチャットでの利用も挙げた。Slackの問い合わせの監視、夜間のCIの確認、Linearでの作業の滞りの監視のように、予定や条件を決めて自動で動かすこともできる。製品ページによると、BotはDevinの機能をそのまま使い、コードベースの理解、エージェントごとのクラウドのコンピューター、コードの点検、自動の試験を備える。

製品ページは、すぐに使える6つのひな形(テンプレート)を用意した。小さな改善のプルリクエストを出し続ける「Software Factory」、Androidの機能を作る「Android Engineer」、チームの進行役の「Chief of Staff」、遅いAPIを速くする「Latency Optimizer」、機能開発と不具合の修正を担う「Product Engineer」、プルリクエストを実際のブラウザで試す「QA Engineer」だ。企業向けには、SOC 2やISO 27001、FedRAMPの表示に加え、モデルの事業者とのゼロデータ保持、監査ログ、セッションごとの専用の仮想マシン、シングルサインオンなどを掲げている。