AIツールは常に進化しており、リリースのたびにますます強力になっています。最初のカスタムエージェントである The Super-Investigator を作って以来、あらゆる状況に対してカスタムエージェントを使いたくなるほど魅力的でしたが、実際にはすべての問題にそれが必要なわけではありません。
いつカスタムエージェントを作るべきかを判断するのが最も難しく、作業を複雑にしすぎないようにするためにも、まだその選択肢を十分に活用できていない気がしています。
カスタムエージェント判断チェックリスト：
- 反復性: このプロンプトは、似たようなタスクを行うために毎日または毎週繰り返しているものですか？
-
複雑さ:
planとagentのように、複数のモードを頻繁に切り替えていますか？ - 一貫性: このプロンプトを使うたびに、出力を特定の構造に従わせる必要がありますか？それを実現するために、必ず使うべきツールが決まっていますか？
- 文脈: このプロンプトを使うたびに、エージェントに毎回必要な特定の文脈のセットはありますか？
最初のエージェントを書こうと決めた理由：
数週間前に、反復されるプロンプトの問題を解決するために、最初のインベスティゲーター（調査）エージェントを書きました。私は、Copilotに調査を完了してもらうことを常に頼んでいたのですが、当初は、何を調査する必要があっても同じプロンプトと同じ文脈が含まれていました。私は、プロンプトの大半をコピー＆ペーストし、当日の特定の課題に文脈を追加する小さな部分だけを更新していました。
さらに、AtlassianのリンクによってJiraチケットの文脈を紐付けるようなMCPツールを追加し、調査結果をConfluenceに保存するようにし始めると、最初の調査では plan を使い、その後の更新や計画をConfluenceに保存するためには agent を使う必要があり、作業はかなり面倒になりました。
これは非常に手間のかかるプロセスでした。Copilotに最初の調査を任せることで多くの時間を節約できていた一方で、内蔵ツールの切り替えにまだ多くの時間を浪費していました。カスタムエージェントにすると、プロンプトに含まれている共有部分を、チームの誰もが複数回使えるカスタムエージェントのファイルへ移せるようになりました。さらに、調査が完了するのを待ったり、追加のプロンプトを入れたりすることなく、JiraやConfluenceへのリンクを行う自動化も追加できます。
カスタムエージェントを使うことで、チームは同じ調査パターンを繰り返すことにより、構造化されたドキュメントを生成するようになりました。調査ドキュメントの統一された構造と、Jiraチケットへのリンクを持つだけの余力があります。
組み込みのPlan/Agentワークフローを利用するのはどんなとき？
また、プロンプトを頻繁に使う別のケースもあり、その際にエージェントを作成したこともあります（これはまた別の話です）が、とはいえ大半の時間は、組み込みのCopilot機能である plan と agent を使っています。
調査エージェントは、私のコーディングセッションのほとんどでステップ1になっていて、そこから先にCopilotに次に何をすべきかを計画させるための土台として利用しています。調査にはコードスニペットや、何が変更されそうかの詳細が含まれているため、次のステップとして plan を簡単に使い、そこから反復して、コードを作成・レビューするためにエージェントへ引き継ぐことができます。
調査エージェントにループを追加して自動的にプラン作成とビルド段階へ進めることもできますが、私の状況ではそれは必要ないと考えています。私は、進めながら変更を加え、プランも更新したいからです。これは次に検討しうるステップかもしれませんが、もしそうするなら、プランをより正確にし、人の介入を必要とする度合いを減らす必要があり、それが実現できるかを見てからでないと、そこに踏み込む価値はないと思います。
組み込みツールにはそれなりの理由があります。あらゆるレベルの人にとって、共通して使われる機能だからです。
最後に：
ここであなたに伝えたいのはこれです。カスタムエージェントは非常に強力ですが、それらが適切に適用されたときだけです。作るには時間がかかり、意図どおりに動作していることを確認する必要もあります。そして、数か月に一度しか使わないためにフォルダに入れておくことになるのであれば、それが本当に価値あるのかは私には確信がありません。
私の場合、自分のプロンプトを振り返って、何かを文脈ウィンドウにコピー＆ペーストする必要が出てきた時点で、チェックリストを見てカスタムエージェントを活用できないか検討するタイミングだと感じます。
カスタムエージェントにはケースバイケースで成立する論拠が確かにありますが、ツールやモデルが改善していくにつれて、将来がカスタムエージェントなのか、それとも組み込みツールを拡張するためのスキル重視なのかは、まだ分かりません。
問いは、「AIが何をできるか」ではありません。重要なのは、「それをどう構造化して行わせる価値があるのはいつか」です。
