Claude Codeの自律的『ループ』4分類を整理

Anthropicは、同社のAIコーディング支援ツール（AIがプログラム修正などを手伝うソフト）である「Claude Code」の開発者向けブログにて、AIによる開発作業を自律的に繰り返す「ループ」の概念を整理し、4つの設計パターンに分類した解説記事を公開しました。AIエージェント（人間の代わりに判断してタスクを実行するAI）が動作を完了する「停止条件」を明確に設定し、トークン（AIが処理するテキストの最小単位）の無駄な消費を抑えながら安全に自走させるための実践的なガイドとなっています。

1. 起動方法と停止条件で分かれる4つの「ループ」

同社は、ループを「停止条件が満たされるまでエージェントが作業のサイクルを繰り返すこと」と定義し、自律性の高さや用途に応じて以下の4つのパターンに分類しています。

• ​ターンベース（Turn-based）​​：ユーザーがプロンプト（AIへの指示テキスト）を送信し、AIが結果を返した後に人間が確認する、最もシンプルな基本単位です。

  引用元：Claude by Anthropic

• ​ゴールベース（Goal-based）​​：\/goal`` コマンド等を用いて「Lighthouseスコアを90以上にする」といった具体的な完了条件（合否を測定できる基準）を設定し、それが満たされるまで自律的に修正とテストを繰り返します。

  引用元：Claude by Anthropic

• ​タイムベース（Time-based）​​：\/loop`（ローカル実行）や `/schedule``（クラウド実行）を用いて、一定間隔で「その日のSlackの要約」などの定型作業を起動し、完了するまで回します。
• ​プロアクティブ（Proactive）​​：人間が関与せず、オートモードやダイナミックワークフロー（複数のAIに役割を分担させて並行処理する仕組み）を組み合わせ、バグの検出から修正、別モデルによるコードレビューまでの一連のタスクを自動で回し続けます。

  引用元：Claude by Anthropic

2. 品質維持と不要なコストを抑制する運用のコツ

AIエージェントを自律的に動作させる際、無限ループによる課金の肥大化を防ぐため、1タスクごとに明確な停止条件（例：「5回試行したら停止」などの上限設定）を設けることが強調されています。また、コード品質を保つために「実装担当のAIとは別のモデルにコードレビューを行わせる」「プロジェクト独自の検証手順を設定ファイル（SKILL.md）に定義し、AIに自己検証を行わせる」といった手法が推奨されています。

AIコーディングツールの活用は、単にコードを提案させる段階から、検証と修正を繰り返して自律的にタスクを完遂させる「ループ」の段階へと移行しています。適切な停止条件や役割分担を定義することで、開発者は安全かつ低コストでAIの恩恵を最大化できるようになります。今後は、自走するAIエージェントとそれを監視・管理する人間との連携（協調動作）がより重要になると見られます。