長時間自律エージェントのオーケストレーション：ソフトウェアエンジニアの新領域

コーディングエージェントは 5 分の自動補完を超えた

コーディングエージェントは5分のオートコンプリートを超えた。2026年、OpenAIはCodexが止まらずに約25時間走り続け、約1,300万トークンを消費し、3万行近いコードを生成したストレステストを公開した。もはや一度のプロンプトで終わる作業ではない。マネージャーエージェントが仕事を分解して並列ワーカーに振り、システムが何時間も自分でビルド・テスト・修正を繰り返す、長時間自律作業の時代だ。METRの時間地平線指標では、フロンティアモデルが50%の信頼性で扱えるタスクの長さは2019年以降およそ7か月ごとに倍増している。この曲線が続けば、2028年には1日規模のタスクが手に入る。

ところがモデルが長く走るほど、真のボトルネックはモデルではなく、それを包むハーネスへ移る。Anthropicが長時間実行エージェント向けの効果的なハーネスを一本の技術記事にするほど、状態を保持しツール呼び出しを仲介し進捗を検証しドリフトを捕まえるインフラが信頼性を左右する。5分の呼び出しが失敗してもまた呼べばいいが、8時間走ったエージェントが最後に崩れれば、その8時間が丸ごと失われる。チェックポイントで中間状態を保存し、プロセス境界を越えて止めて再開し、コストが暴走しないようトークン予算を縛り、人間の承認が必要な地点で安全に一時停止する、これを設計する人が、長時間自律エージェントのオーケストレーションエンジニアだ。

分散システムと AI エンジニアリングが重なる席

この仕事は分散システムエンジニアリングとAIエンジニアリングの交差点に座っている。非決定的なワーカーを扱う信頼性エンジニアだと考えればいい。その上に長時間実行ならではの感覚が乗る。

• ハーネス・オーケストレーション設計。 マネージャー-ワーカー構造、サブエージェントごとのコンテキストウィンドウ分割、タスクの分解と再構成を組む。エージェントが長く走るほどコンテキストが漏れるため、何を記憶させ何を圧縮・破棄するかを意図的に設計する。
• チェックポイントと再開。 止めて再起動しても壊れない実行を作る。中間状態を保存し、失敗地点から再試行し、実行の途中でデプロイが起きても生き残る永続的ワークフローを書く。冪等性が前提だ。
• ドリフト・信頼性ガード。 数時間後にエージェントが当初の目標から逸れたり、同じ過ちを無限に繰り返すのを防ぐ。進捗検証、ループ検出、ステップごとのゲート、自動ロールバック、非決定的システムに決定論的な安全網を巡らせる。
• コスト制御と可観測性。 トークン予算を縛り単価をリアルタイムで見る。OpenTelemetryのGenAI規約に沿って呼び出し・ツール使用・推論をトレースし、8時間の実行がどこでトークンを使ったかを後から読み解く。
• ヒューマン・イン・ザ・ループの再開。 人間が割り込む地点を設計する。安全に止まり、人がレビューした後にコンテキストを失わず再開する流れを作る。

長時間走るエージェントを本番で回した人は少ない

需要は急だが、実際に長時間走るエージェントを本番に載せた人は少ない。だからこの職は平凡なバックエンドエンジニアでも純粋なMLリサーチャーでもない、中途半端な交差点を求める。分散システムと信頼性エンジニアリングを知りつつ、エージェントランタイムの非決定性まで扱った中堅〜シニアが採用の重心だ。「デモは走るが本番では30分で崩れる」を解決できるかが勝負どころになる。日本では新卒採用でいきなりこの領域に入るより、まず基盤を固めてから移るのが現実的な道筋だ。

入り口は意外と平凡だ。SRE・プラットフォーム・分散システムのバックエンドから出発してエージェント基盤を担うか、AIエンジニアリング側でオーケストレーションをやってから信頼性・ランタイム層へ降りてくる。肩書きはまだ固まらず、Agent Infrastructure Engineer、AI Platform Engineer、Agent Reliability Engineerなどに散らばっている。大手でもシリーズAのスタートアップでも、社内開発エージェントを安定して回す仕事はもはやサイドプロジェクトではなく、プラットフォームチームの正式な業務になった。報酬はAIインフラ・プラットフォームエンジニアの上限を追い、社内基盤トラックの上位に当たる。

最も速い検証法は自分で作ることだ。コーディングエージェント一つに小さなハーネスを被せ、チェックポイントで止めて再開させ、トークン予算とループ検出を付け、すべての呼び出しをOTelで計測する。そのうえでわざと途中で殺してみて、きれいに復活するかを測る。この一サイクルが履歴書のどんなキーワードより強い。