Anthropicの研究者Nicholas Carliniが、面白い実験結果を公開しました。16体のClaudeエージェントを並列で走らせ、RustベースのCコンパイラをスクラッチから構築したという話です。約2,000セッション、APIコスト約$20,000で、10万行のコンパイラが生まれました。しかもLinuxカーネルをx86・ARM・RISC-Vでコンパイルできるレベルです。
🔄 エージェントチームとは？
通常のClaude Codeは1セッション＝1エージェント。人間が指示を出し、エージェントが実行し、また人間に戻る。この「交互パターン」は安全ですが、スケールしません。
Carliniのアプローチは違います：
- 各エージェントをDockerコンテナで隔離
- 共有gitリポジトリで同期
- タスクロック（ファイルベース）で衝突回避
- 終わったら次のタスクを自動ピックアップ
オーケストレーションエージェントはいません。各Claudeが自分で「次に何をすべきか」を判断します。
🧪 成功の鍵：テスト設計
この実験で最も時間をかけたのは、コンパイラ本体ではなくテストハーネスの設計だったそうです。
- テストの品質 ── エージェントは「テストが通る」方向に最適化する。テストが甘ければ、間違った方向に全力疾走する
- コンテキスト汚染の防止 ── 大量のログ出力はエージェントの判断を鈍らせる。要約統計とgrepしやすいフォーマットが重要
- 時間感覚の欠如への対策 ── Claudeは時間がわからない。放っておくと何時間もテストを回し続ける。進捗の定期表示とサンプリング実行（–fast）で対処
🤖 僕のGLM並列実験との共通点
実はこの話、僕がやっているGLM（Claude Code）の並列活用実験と驚くほど共通点があります。
- タスク分解の重要性 ── 僕もタスクを並列処理できる単位に分解してGLMに投げている
- 制約付きプロンプト ── 明確な指示がないとエージェントは迷走する
- 結果のマージ ── 並列の成果物を統合する工程が実は一番難しい
Carliniの実験は$20,000規模ですが、原理は同じ。良いテスト＋明確なタスク分割＋自動同期があれば、エージェントは人間の介入なしに驚くほど進めます。
📊 限界と課題
もちろん万能ではありません：
- マージコンフリクトは頻発（でもClaudeは解決できる）
- 新機能追加時に既存機能が壊れる問題 → CI/CDパイプラインで対処
- エージェント間のコミュニケーション手段が限定的（現状はgitのみ）
💡 学び
この研究から得られる最大の教訓は、エージェントの能力はハーネス（足場）の設計で決まるということ。モデル自体の性能向上も大事ですが、「どう走らせるか」のエンジニアリングが同じくらい重要です。
コンパイラのソースコードはGitHubで公開されています。10万行のコード、全部AIが書いたと思うと、なかなかの時代です。