Claude code Orchestra

Transcript

1. ©MATSUO INSTITUTE, INC. 許諾なく撮影や第三者へ の開示を禁止します Claude-Code-Orchestra:3種のCLI Agentを使い分けたい！ 2026/6/4
2. ©MATSUO INSTITUTE, INC. 2 所属　 株式会社　松尾研究所　データサイエンティスト 東京大学　松尾岩澤研究室　学術専門職員 大阪公立大学大学院　博士後期2年　DynamicsDesign研究室 来歴 2023年：大阪公立大学工学研究科　修士課程　入学 2025年：同大学　博士後期課程　入学 2025年：東京大学及び株式会社松尾研究所　入職 学会 　 EMNLP / NAACL / AAAI / JSAI (優秀賞*2) / NLP その他活動 NLP & JSAI 若手の会委員 / GENIAC / AKATSUKI etc…　 研究領域 VLM・LLM Agent・LLMの開発・応用　 自己紹介 Ozaki Taisei　 (尾崎　 大晟) 部活動でのスポーツコーチング AI Agentを研究
3. ©MATSUO INSTITUTE, INC. 3 本日の元ネタ 2026年1月末にリポジトリを公開．同時投稿の Claude Code Orchestra 記事も多数の反響をいただきました． あれから半年で，中身はかなり変わりました． Claude code orchestraとは Claude codeをインターフェースとし， Codex CLIとGemini CLIをSubAgentとして扱うことを前提に設計した CLI Agents 変遷 公開半年で170star，25forkをいただき，その後も継続的に発展して来ました． 連携をSKILLS型へ移行 Agent teamに対応 Gemini CLI廃止 26/4- 26/5- 26/5- MCPベースで各Agentを使っていたところを CLIベースに変更 並列実装SKILLSに対応 Claudeの画像能力・コンテキスト量がGeminiと肉薄 してきたことからGeminiを廃止
4. ©MATSUO INSTITUTE, INC. 4 CLI Agent (Agentic CLI)とは，ターミナル (コマンドライン )上で動作する AI Agentの総称． CLIを通して自然言語でやり取りを行い，環境内のファイルを読取・編集する Agent．Aiderから始まり， Claude codeなどが代表格． CLI Agentとは Claude code Github Copilot CLI Codex CLI Gemini CLI ←VScode上にextention版のClaude codeとCodex CLI　 を展開するとこんなイメージ． 用例： 「{任意のファイルパス }の以下のエラー内容に対応する形で修正して」 「このjsonlファイルをいい感じに Excelファイルに変換して」 「このマージコンフリクトをなんとかして」 Antigravity CLIになりました．
5. ©MATSUO INSTITUTE, INC. 5 Anthoropicが提供する CLI Agentの中でもフラッグシップ的な存在のツール． CLAUDE.mdによるシステムプロンプト制御， SKILLSやhooks，subagent，Agent teamなどの多様な機能を持つ． Claude codeについて SKILLS 作業過程でメインエージェントが必要に応じて 自動で特定のファイルを読み込む機能． SubAgent メインのインターフェースとなるエージェント とは別に独立したコンテスト動くエージェント Hooks ファイル編集などの特定のタイミングに 連動して何等かの動作を行う機能
6. ©MATSUO INSTITUTE, INC. 6 (旧)得意領域に応じた使い分けを探る 厳密に各社が強みを主張しているわけではないが， SNSを中心に Claude code・Codex CLI・Gemini CLIにはそれぞれ別個の 強みが存在している可能性が高い．それらを独自に調査し，強みが活きる形で作業区分けを行った． • Visualが絡んだ推論を行う場合は Geminiが圧倒 マルチモーダル推論能力を問う著名ベンチである MMLU-pro でもいまだに Gemini3 proが圧倒 • GPQAシリーズなどの Generalな言語推論能力は GPT あとはなぜかムズイことを任せろという言説が．．． この中では一番コンテキストウインドウが小さい • 平均的なコーディング能力はやはり Claude codeに歩がある ただ丁寧なインストラクションをしてあげないと難しい と，言われていたが， 4.6以降でロングランできるようになり無双 モードに入りそう
7. ©MATSUO INSTITUTE, INC. 7 得意領域に応じた使い分けを探る opus4.7,4.8の登場， gpt-5.5の登場以降，モデルの強みにやや違いが現れており， opus4.7以降で画像の認識能力が大きく向上， codexモデルがなくなり gpt-5.4以降はコード周りが強化されたことで 2強の構図に． 引き続きコーディング能力は Claudeが強いように見えるが， ほぼ差はないレベルに感じる． (差があるように感じていたらハーネス作りやコンテキスト管理がミスっているかも ) 1Mクラスのコンテキストになると Claude強い ちなみにcodexのgpt-5.5は400k Visionの能力はGeminiが最強だが誤差か
8. ©MATSUO INSTITUTE, INC. 8 「Main Agentのコンテキスト消費を最小化する形で進めること」と「インターフェースを一元化し認知負荷を下げること」 を中心的な設計思想に置きつつ， hooks，rules，docsディレクトリを活用し，自動化範囲を最大化する． Claude Code Orchestraの設計思想 公式のClaude code ベストプラクティス Everything Claude code 1. Claudeに作業を検証する方法を与える — テスト・スクリーンショッ ト・期待出力を提供し，自己チェックさせる．公式が「最も効果的」と 明言 2. 探索→計画→実装の分離 — 計画モードで調査と実装を分け，間 違った問題を解決するリスクを排除 3. 環境を設定する — CLAUDE.md・hooks・skills・サブエージェント で，セッション横断の永続的コンテキストを整備 1. 専門家チームのように使う — なんでも屋ではなく，各エージェント に最小限のツールだけ与えて専門特化させる 2. hooksで確実な自動化 — CLAUDE.mdの「助言」ではなく，イベン ト発火で例外なく毎回実行される仕組みにする 3. MCP・SKILLS管理でリソース節約 — 有効化しすぎると 200k→70kまでコンテキストが縮小するため，プロジェクトごとに 10 個以下に絞る
9. 9 0. Claude code orchestraでCLI Agentを使い分ける 1. CLI Agentと協調する時代の認知負荷の問題 2. 認知負荷を意識したCLI Agent設計 3. ユースケース 4. 小言 9 Agenda
10. ©MATSUO INSTITUTE, INC. 10 CLI / Claw Agentの登場により，人間の ”実作業”はどんどん AIによる代替が進んでいる． ”バイブコーディング ”から始まるように 人間の認知しない作業が多数存在，増加する中で，どうキャッチアップしていくかという認知不可問題が重要テーマになりつつある． CLI Agent / Claw Agent時代における問題意識 時代はHITLを前提としない世界へ HumanはどこにInするのがいいのか 旧来の活動ループ Auto Research • 旧来コーディング作業 (それ以外のあらゆる活動含め )は 人間の認知・判断を含むパイプラインで構築された． • AIの能力向上を背景に人間が行っていた作業が AIに代替されるシチュエーションが増えている． • codex・claude codeの登場はその先駆け． １：人間を介さないでもいいようにする ２：人間の適切な介入場所を考える (本日) 2軸の 発展方向 ？ ？ ？ • 生産性を高めるには当然すべて AIでやるのがいい． • ただ現在の AIには限界もあり，適切な人間の介入が 望まれる． • しかし介入するにはそのループでどういうことが行われ ていて，直近何をしたのかを認知することが必要． • 一方でAIが生み出す文章・コード量は膨大． 本日の課題 ：どうやって膨大な情報を人間に認知させるか
11. ©MATSUO INSTITUTE, INC. 11 Claude code Orchestraが重視している戦略は 2点． ・人間は指定した場所しか書き込まない． Agentとの会話も Claude codeとしか会話をしない． (UIの一元化 ) ・コンテキストを構造化し，ワークフロー (Skills)パターンをデザインする． (メモリエンジニアリング・パラグラフエンジニアリング ) 認知負荷を抑えるための考え方 人間と相対するMain Agentは単体化 メモリエンジニアリング Codex Codex • 人間が全エージェントを認知しない． • OrchestratorであるMain Agentを必ず経由する． Checkpointディレクトリ (後述) • 直近のループ (Agentが自律的に 行った作業 )が溜まっていく • ここを元に方針を整理したり，見 落としを指摘したり．． researchディレクトリ • WebSearch，Slack，Notion，他 リポジトリなどの Read作業をした ときの情報の整理 • “何”を”どこ”に置き，人間は ”何”を見るのか • 同時にAIにマルチセッションでロバストに動かす土台に これらの生データを 所定のMDで管理 (LLM wikiの思想)
12. ©MATSUO INSTITUTE, INC. 12 ベースコードに対して CLI Agentと共に作業する場合，基本的に以下の形で作業が進む．その前提でスキル化しておく． ①ベースコードの全体理解 →②作業計画の立案 →③実際にコード編集 →④レビュー &テスト&PR→⑤作業サマリをドキュメント化 主要Skills：/start-feature & /checkpointing /start-feature /checkpointing • 新しい機能開発や改善に着手するための起点スキル． • コード全体と過程の理解＋計画立案支援が主要目的． • 長時間・複数回の作業を安全に継続するための状態管理 スキル(前述のcheckpointを生成するスキル ) ユーザーとのやり取り，他の Agentの作 業内容などをcheckpoint化．構造はLLM wiki準拠 Codex Codex checkpointの内容からSKILLSを自動更新 使用感的にこの作業は codexがgood Claude Codeの1Mコンテキストの理解能力・聞取能力 Codexの計画能力やサーベイ能力 協調： • 最初に全体像理解と計画し，これから何をやるかを 言語化したうえで，人間と合意を取り進める． • 「何をやろうとして，どこまでやった」を残し，人間の理解 補助と長期行動のロバスト性を向上に繋げる
13. ©MATSUO INSTITUTE, INC. 13 人間が見るべき場所と重要指示 (作業要件定義 )を残す場所を明確化しておく． • 毎回の作業で残した checkpointをもとに， PROGRESS.mdが構築され，どういう状況なのかを把握できる． • DESIGN.mdに事実上の仕様 (要件定義的に最終的に到達したい状態や細かな更新など )を残し，常に作業方針を明確化できる． 人間はどこでキャッチアップし，意図を伝えるのか PROGRESS.md DESIGN.md • 現在地を知るための場所 • 直近5件のcheckpointから作成される作業まとめ • 目的地・方針を共有する場所 • リポジトリの立ち上げや作業都度で更新する仕様書 • セッションの開始時に読む． • 人間視点では直近何をしていて，それはなぜで， 今どこまで進んだのかを把握する． • セッションの開始時に読む． • 人間が要件や細かな仕様を明文化し， Agentはここを適宜 参照しながら進める．場合よっては修正する． • 二つのファイルに出口と入口を絞っているイメージ．ただ詳細が気になった場合は， checkpointへのリンク， さらにそこから実コードへのリンクを飛ばして曝露範囲を増やす (SKILLSの技術背景 )
14. ©MATSUO INSTITUTE, INC. 14 主に3つのユースケースを考えており，コーディングへの活用・論文執筆への活用・ Personal knowledge Baseへの活用がある． それぞれで別のハーネスとコンテキスト管理方法を勘案しており，具体については後日テックブログ化予定． ユースケース Coding 論文執筆 PKB • バニラな利用方法 • /start-featureから/checkpointing のサイクルを回す • checkpointを元にどういった作業を 進めたのかを逐次確認可能 • Overleafでの複数人執筆を前提とし た利用方法 • 参考文献・実験コード・結果の統合的 な管理をモノリポで行う • 人間の編集と競合しないような pullと pushの制御を行う • ObsidianをViewerとして活用し， Cron作業をHermes Agentに， 共著はClaude code orchestra • Google DriveやTask，Github MCP，Notion CLI，Slack，Gensparl と自然に繋がり，PKBを構成
15. ©MATSUO INSTITUTE, INC. 15 まとめと小言 Point！ • 以下に継続的に Agentと協調するか (Agent Loopの中に入っていくか )をデザインする上で， 人間の認知負荷の低減の工夫 は非常に重要． • インターフェースを一元化し，どこで指示し，どこを見るのかを適切に事前定義する ことが 認知負荷低減につながる． • 作業を上手に checkpointさせる，蓄積させることがそもそも重要． 資産にもなるし，継続的にロバストに動かすことにもつながるし，何より認知するために必要． • 認知負荷低減の工夫はこれだけでは済まない． ポッドキャスティング や，HTMLの動的レポート化 ，サマリー動画化 など工夫余地は無数． Oops！ Claude codeはSub Agent側が担当できないかも．．． Team開発でも共有と分担のすみ分けなどコンテキスト管理が重要．．．
16. ©MATSUO INSTITUTE, INC.