Agenic 自社AIプロダクト

Agenic 自社AIプロダクト

ARCHECO須斉が2ヶ月でソロで80,000 行のフルスタック実装を完遂した自社プロダクト"Agenic"。AnthropicのToolUseを活用したマルチエージェントAIが、自然言語の業務計画を自律的に実装・検証・改善するイテレーションサイクルを回す、AI業務自動化の最先端。

「AI に業務を任せる」は多くの会社が掲げているが、実態は「ChatGPT で文書作成」レベルが大半。本当の自動化には、AIが自ら計画し、実行し、検証し、改善するループが必要。だが、これを実装している会社は世界的にも少ない。

ARCHECO はこのギャップを埋めるため、自社で実装することにした。

技術アーキテクチャ
マルチエージェント構成
Legacy Pipeline: Instructor → Extractor → Planner → Critic → Synthesizer の 5 エージェント
Iteration Engine: 9 ノード（Setup → Plan → Plan Review → Run → Test Spec → Test Run → Acceptance → Maintenance → Gate）
計 14 種のエージェント・ノードが連携
マルチプロバイダ統合
Anthropic（Claude）
OpenAI（GPT-4）
Google（Gemini）
Ollama（ローカル LLM）
Tool Use ループ自前実装
Anthropic の Tool Use API を活用した 836 行の自律実行エンジン。
AIが:

ファイル読み書き
ディレクトリ探索
Bash コマンド実行
コードレビュー要求
を自律的に判断・実行・検証する。

独自設計判断
SQLite ↔ PostgreSQL 自動スキーマ変換
V3 LLM データフロー仕様書（業界初級の詳細ドキュメント化）
システムロール体系（再利用可能な LLM ロール定義）

成果
81,907 行のフルスタック実装を 2 ヶ月でソロ完成
業界平均の 1.6 倍の生産性
大手 AI コンサル / SIer の典型的なデリバリーチームでは書けないコード品質
社内利用に加え、外部展開（SaaS 化）の可能性
学び・転用可能な知見
「AI が自律実行する」を実装すると、エージェント設計の本質が見える: ツール定義の粒度、エラー処理、人間ゲートの位置
マルチプロバイダ抽象化は、長期的なベンダーロック回避の保険
LLM データフロー仕様の文書化は、保守性とテスト容易性に直結

#自社プロダクト #マルチエージェント #AnthropicToolUse #LLMOps #業務自動化 #TypeScript #Next.js