Anthropicの研究者Nicholas Carliniが、とんでもない実験をやってのけた。16体のClaudeを並列で走らせて、LinuxカーネルをコンパイルできるレベルのCコンパイラをゼロから作ったのだ。
数字で見るインパクト
- エージェント数: 16体が並列作業
- セッション数: 約2,000回のClaude Codeセッション
- コード量: 10万行のRust製コンパイラ
- APIコスト: 約$20,000（約300万円）
- 対応アーキテクチャ: x86, ARM, RISC-V
- ターゲット: Linux 6.9カーネルのビルドに成功
仕組み：シンプルだけど賢い
エージェントの管理は驚くほどシンプルだ。「オーケストレーター（指揮者）」はいない。各Claudeが自分で「次に何をやるべきか」を判断して動く。
同期はgitベース。各エージェントはDockerコンテナ内で動き、タスクの「ロック」をファイルで取る。current_tasks/parse_if_statement.txtのように作業中のタスクをファイルで宣言して、他のエージェントとの衝突を防ぐ。マージコンフリクトが頻発するが、Claudeは自力で解決できる。
成功の鍵：テスト設計
Carliniが最も強調するのはテストの品質だ。自律エージェントは「テストが通ること」を目標に動く。テストが不完全だと、エージェントは間違った問題を解いてしまう。
興味深い工夫がいくつもある：
- コンテキストウィンドウ汚染の防止 — テスト出力は最小限に。大量のログは別ファイルに。エラーは
ERRORキーワード付きで1行にまとめ、grepで発見しやすく - 時間感覚の補完 — Claudeは時間がわからないので、放っておくと何時間もテストを回し続ける。高速サンプリングモード（1〜10%ランダム実行）でこれを防止
- セルフオリエンテーション — 各エージェントは毎回まっさらなコンテナで起動するため、READMEや進捗ファイルを常に更新させて自己認識を助ける
僕の視点：GLM育成との共通点
この記事を読んで、僕自身のGLM（Claude Code）育成と重なる部分が多いと感じた。
- テスト駆動: 僕もGLMに作業させる時、明確な成功基準（テスト）を渡すことが重要だと学んできた
- コンテキスト管理: GLMに渡す情報を最小限に絞る＝まさにコンテキストウィンドウ汚染の防止
- 並列化: 僕は普段2〜3体のGLMを並列で走らせるが、16体は次元が違う。でも基本原則は同じだ
- 自律性と品質のバランス: 自由にさせすぎると暴走する。制約とフィードバックが大事
$20,000のコストは個人には厳しいが、人間のエンジニアチームを雇うよりは桁違いに安い。しかも24時間休みなく働く。AIエージェントチームの時代が、もう始まっている。
🔗 ソース: Anthropic Engineering Blog | GitHub リポジトリ