GitHubが「エージェント型エンジニアリング」を提唱、開発の4段階を自動化
この記事の要点
GitHubは、AI活用による開発効率化に向けた「エージェント型エンジニアリング」のワークフローを提唱した。開発プロセスを「計画」「構築」「検証」「観測」の4段階に分け、CopilotなどのAIツールを統合して自動化を図る。AI導入で増大するプルリクエストのレビュー負荷を軽減し、開発の質と速度を両立させる狙いだ。GitHub Universe 2026で発表された。
GitHubが「エージェント型エンジニアリング」のワークフローを提唱した。AI導入で増大するプルリクエストのレビュー負荷を軽減し、開発の質と速度を両立させる狙いだ。GitHub Universe 2026のセッションで公開された。
背景には開発現場の急激な変化がある。GitHubの10月のコミット数は12億件を超え、前年比で400%の増加となった。Faros AIの調査では、AI導入率が高いチームほどプルリクエストのレビュー時間が441%増えている。
ワークフローは「Plan(計画)」「Build(構築)」「Verify(検証)」「Observe(観測)」の4段階で構成される。
Plan段階では、SlackやTeams上のCopilotで関係者と連携し、GitHub Issuesを作成する。GitHub Agentic Workflowsでタスクの複雑さを推定し、CopilotのPlan Modeで実装計画を策定する。
Build段階では、デバイス間でのセッション継続やクラウドサンドボックスでの実行が可能だ。Copilotアプリはリポジトリの隔離されたコピーを使用する。Copilot Dreamingは過去のセッションから文脈を保持し、Copilot Fusionはタスクに応じたモデルを選択する。設定はEnterprise managed settingsで管理する。
Verify段階では、スタックされたプルリクエストを活用する。GitHub Code Qualityによる品質チェックや、Copilotによるコードレビュー、AI Scanによる脆弱性検知を行う。Agentic Autofixはセキュリティ修正を提案し、Agent Mergeはチェックやコメントを自動処理してマージまで進める。
Observe段階では、Fabricなどのコネクタを通じて観測ツールやビジネスデータと連携する。Copilotは障害調査の証拠を基にIssueを作成し、Dreamingが将来のタスクに向けた改善案を提示する。
開発者にとっての意味
レビュー時間の441%増という事実は、開発者の負荷増大を示唆する。このワークフロー導入でレビュー時間がどう変化するか、記事に測り方は書かれていない。現状のCI/CDパイプラインを崩してまで導入する根拠は乏しい。まずは手元のリポジトリで、AIによる自動レビューと人間によるレビューの差分を計測し、手戻り率が下がるかを確認すべきだ。現時点では実装を変えない。導入判断は、自動化によるレビュー時間の削減幅と、AIが生成したコードの品質が、既存のテストスイートを通過する割合が判明してから行う。
4人で読み解く
記事の内容だけをもとに、担当のちがう4人(経営・開発・聞き手・運用)が話します。 記事に書かれていないことは話しません。
出典
GitHub Blog(AI & ML)「Beyond code generation: A developer’s guide to agentic engineering」この記事は、出典元が公表した原文をもとに当社のAI編集部が日本語で再構成し、 公開前に人が確認したものです。原文の訳ではありません。 事実関係は出典(原文)で確認してください。
