本稿は、2026年3月に開催された、クラウドネイティブ技術の推進団体であるCNCF（Cloud Native Computing Foundation）が主催するイベント「CNCF-hosted Co-located Events Europe 2026」におけるセッション「Beyond Vibecoding: The Coach/Player Model for Actual Autonomous Development」の内容を基に構成している。

　セッションに登壇したオシンガ氏は、自身が開発に携わるオープンソースのAIエージェント構築ツール「Goose」を用いた実証実験の結果を交えながら、自律型開発モデルの詳細を語った。

　この開発手法の核心は、2つのAIエージェントに明確に役割を分担させ、互いの記憶を分離することにある。開発のワークフローは以下の手順で進む。

1. 要件定義書の共有
   • 人が作成した、詳細な要件定義書を双方のAIエージェントが読み込む。
2. 実装
   • 一方のAIエージェント（プレイヤー）が要件に基づいてコードを記述し、共有の作業領域に保存する。
3. テストと評価
   • もう一方のAIエージェント（コーチ）が要件定義書と実装されたコードを基にテストを実行し、動作を確認する。
4. フィードバック
   • 評価側のAIエージェントは不足している機能やエラーを特定し、修正指示の文書を作成して実装側のAIエージェントに送る。
5. 反復
   • 実装側は受け取った修正指示と要件定義書を読み込み、コードを修正する。
   • 2～4のプロセスを、要件が完全に満たされるか、指定された回数の上限に達するまで繰り返す。

コンテキストの分離と複数モデルの活用

　この手法の優位性は、毎回新鮮な状態で処理を開始する点にある。実装側のAIエージェントは過去の失敗した試行錯誤の履歴を持たず、常に「現在の要件定義」と「具体的な修正指示」のみをコンテキストとして保持する。これによって、従来の手法で頻発していた、AIエージェントが過去の誤ったコンテキストに引きずられて混乱する問題を構造的に排除可能にする。オシンガ氏によれば、不要な情報が蓄積しないため、結果的にデータ処理にかかる手間の効率化にもつながる。

　2つのAIエージェントに異なるAIモデルを割り当て、それぞれの強みを生かせる点も大きな特徴だ。コーディング能力に長けたAIモデルを実装側に据え、テストや論理的な評価に優れた別のAIモデルを評価側に配置するといった、自由な組み合わせを実現できる。

人を待機時間から解放する自律性

　オシンガ氏が実施した検証では、複雑な仕様を持つアプリケーションの構築において、単一エージェント型の手法が途中で停止するか手助けを必要とした。それに対し、同氏が提唱する開発手法は5回のやりとりを経て、完全に要件を満たす1800行のソースコードを自律的に生成した。

　処理が完了するまでに数時間を要するケースもあるが、重要なのはその間、人が一切関与する必要がないという点だ。従来のように数分おきにAIエージェントからの応答を待ち、人が文脈を再読み込みして指示を与えるという疲労から、開発者は解放される。休みの前に要件定義を与えて実行を指示しておけば、休み明けには完成したソースコードが手に入るという働き方が理論上は可能になる。

　この開発手法は特定のツールに依存するものではなく、自動化の仕組みを構築できれば、あらゆるツールで再現可能な手法だ。人が詳細な要件を定義することに注力し、実装と品質保証のプロセスをAIエージェントの相互評価に委ねるこのやり方は、ソフトウェア開発における新たな基準となる可能性を秘めている。

本稿は、CNCFが2026年4月14日に公開した動画「Beyond Vibecoding: The Coach/Player Model for Actual Autonomous Development - Douwe Osinga, Block」を基に作成しました。