CodeBuddy NPCは「@メンション」で動くAI開発チームへ――Git上で調査からCI修正までつなぐ仕組み

AIを「開発用チャット」ではなく、Git上の実務担当にする

CodeBuddy NPCの中心的な考え方は、AIをIDEやブラウザ脇の会話ツールとして使うのではなく、既存のGit開発システムに認証済みかつイベント駆動で参加するメンバーとして扱うことです。

開発者はIssueやPRで役割を@メンションして依頼します。呼び出されたNPCは、リポジトリ内の成果物を足場に、調査→計画→実装→PR作成→CI検証→失敗修正→再検証というループを非同期で進めます。実行中ずっと対話画面に張り付く必要はありません。16

「AI Native Git」とは何か

このモデルでは、Gitは単なるソースコード置き場ではなく、AIにとっての継続的な作業記憶です。コミット履歴、Issue、PR、レビューコメント、CI/CDの結果、品質ゲートが、そのまま判断と作業のコンテキストになります。17

従来のコーディング支援では、担当者が要件、関連コード、ビルドログを都度チャットに貼り付ける場面がありました。CodeBuddy NPCの設計では、AIがこれらの開発成果物が存在するワークフローの中で動くため、チームがすでに運用している手順と記録を再利用できます。17

Issue・PRで役割を呼び出す

CNBのNPCイベントは、Issueの説明文・コメント、またはPRの説明、レビュー、レビューコメント、コメントでNPCをメンションしたときに起動します。対応イベントはissue.comment@npcとpull_request.comment@npcです。6

例えばPRコメントで@CodeBuddyをメンションしてコードレビューを依頼できます。カスタムNPCも、定義済みの役割名をメンションして呼び出せます。1

役割はリポジトリごとに.cnb/settings.ymlで定義可能です。設定できる項目には、役割名、プロンプト、ナレッジベースとして読み込むリポジトリ、アバター、操作ボタンなどがあります。3

そのため、実装担当、コードレビュー担当、調査担当、プロジェクト調整担当といった専門役を分けられます。大きな作業では、複数のNPCを並行させる構成も取り得ます。367

必要に応じて、NPCの振る舞いはNPC側リポジトリの.cnb.ymlでカスタマイズできます。独自のイベント用パイプラインを用意しない場合、CNBは既定のNPC実行環境を使います。6

実装からCI修正までを閉じたループにする

呼び出されたCodeBuddy NPCは、コードベースを取得・解釈し、対応方針を立て、コードを書き、PRを作成し、テストを実行してCI失敗を確認し、必要なら修正を繰り返すという流れを担う構想です。17

重要なのは、AIが単発のコード生成だけで終わらない点です。PRやパイプラインの結果を次の入力にして、受け入れ可能な状態を目指すフィードバックループに入ります。ただし、これはあらゆる変更を人の確認なしで安全に出荷できることを意味するものではありません。人間によるレビューや組織の承認基準は、引き続き重要です。17

再現可能な実行環境と、権限管理の土台

この仕組みの下層には、CNBのGitホスティング、CI/CDパイプライン、成果物リポジトリ、クラウドネイティブ開発環境があります。

パイプラインのYAMLでは、Dockerイメージ、Dockerfileからビルドする一時イメージ、Dev Container、ボリューム、CPUタグ付きランナーなどを指定できます。Dockerキャッシュも利用でき、依存関係の再ダウンロードを減らせます。45

つまり、AIのビルドやテストを開発者のローカルPCの状態に依存させるのではなく、分離された再現可能な環境で実行しやすくなります。45

パイプラインには一時的なCNB_TOKENが注入され、コードや成果物の読み書き、API呼び出しに使えます。このトークンはパイプライン終了時に破棄され、権限はトリガーとなったイベントの種類に応じて決まります。NPCとして実行されるケースでは、コード、PR、Issue、コメントなどに対する権限が定義されています。15

既存の監査証跡を保てる

AIの作業がIssue、PR、コミット、パイプライン、品質ゲートを通じて起動・記録・検証されるなら、組織は従来のエンジニアリング上の監査証跡を維持できます。AI側だけで完結する見えにくい作業ログに依存しないことが、この設計の狙いです。19

CNBのシークレットストアは、パスワード、APIキー、証明書、トークンなどの機密情報を対象とし、アクセス制御、操作制限、監査ログ、透かしといった保護機能を説明しています。パイプライン設定から参照したファイルを環境変数として注入する運用も可能です。9

コスト面では「最初の一手」を軽くする

Tencentは、プロンプト、ツール呼び出し、CLI出力、キャッシュヒット率を継続的に最適化することで、初回ターンの消費量を2万トークン超から約2,000トークンへ、90％超削減したと説明しています。また、すべての作業に同じ高コストなモデル能力を使うのではなく、タスク難度に応じたモデル戦略を採る考え方も示しています。811

要するに：AIに仕事を任せる場所をGitフローの内側へ移す

CodeBuddy NPCが掲げる「AIエンジニアリング協働」は、AIにコード補完だけをさせる話ではありません。チームが普段使うIssueとPRで仕事を渡し、実環境のビルド・テスト・権限・ポリシーの下で作業させ、その結果を同じ開発フローへ戻す構成です。17

AI支援コーディングが人間の実装速度を上げるものだとすれば、NPCは役割ごとのAIにタスクを委ね、計画、実装、レビュー、検証、修復までの循環をつなげようとするアーキテクチャです。導入時には、どの変更までを自動実行に委ねるか、誰が承認するか、どの品質ゲートを必須にするかを、チームごとに明確に設計する必要があります。