gh x AI AgentでTiDD実践
この記事は？
今や現場での使用が自然になってきたClaude CodeやCodexといった技術ですが、本記事ではTiDD with Agentを提唱します。チケットはghをベースGgithub issuesで管理しておき、それをghで読み取って自律的にAI Agentに次々とプログラミングさせ、PRの作成までさせることで、人間は設計と成果物のレビューにフォーカスをすることができ、従来と比べて格段とスピーディな開発が可能になります。
ただし、現状、マクロマネジメントで全ての権限を与えて、AI Agentに全ての実装を任せていては、コードベースが壊れてしまうため、TiDDでチケットとして粒度を絞りつつ開発するのは良い方法です。
この記事ではAI Agentをうまく活用してTiDDを進める方法を一緒に見てみましょう。
前提
TiDDを進めていくには、機能要件、非機能要件、技術構成などシステム全体に関するInputは前提です。開発を実際に進めていく前の要件定義フェーズで決定しておき、適宜AI Agentと連携しつつ、開発をチケット駆動型で進めていくことが可能になります。要件定義はチケット駆動開発を進めていく上での、全体的な要になるため、しっかり定義しておきましょう。
figmaやDB等主要Inputの連携
figma MCP ServerといったMCPでデザインと連携することで、AI Agentが実際のデザインを参考にしながらフロント実装が可能になり、DB構成を定めておくことで多くのCRUDで実装できるAPIが実装できるようになるため、まず主要なInputはあらかじめ定めて連携しておきます。
ghの実行権限をAgentに付与
ghをinstallしておき、実行権限をAi Agentに与えることで、Agentが自律的にissueを読み取りしたり、コードベースからissueを作成できるような環境を整えてあげます。ghは以下でinstall可能です:
主要Input及びコードベースからAgentがチケット作成
このフェーズでは、業務フローやデータベース定義、figmaを含む主要InputをAgentに読み込ませつつ、AI Agentにチケットを作成させていきます。粒度としても、物件一覧のGET API、物件詳細のGET APIなど、適切に切って一つのissueが重すぎないように調整して作ることが望ましいでしょう。
Agentによる実装・PR作成・レビューからマージまで
実際にAgentに実装を任せるにあたっては、claude.md初め各種.mdファイルにディレクトリ構成・実装方針記述を書いておくことで、規律に従ったコードを書いてもらうように指示をしておきます。
また、AI Agentが実装をしつつformatter, lint, test, buildなどの各種コマンドを自律的に行うように指示することで、作ったアプリが壊れていないかを確認してもらうようにもします。
コードが出来上がったら、AgentにPRを作成してもらうとともに、レビューに入っていきますが、現状著者は品質担保のために人間のエンジニアがレビューを行うことが望ましいと考えています。
ここまで終わって品質が担保されたPRはマージし、次々とissuesにあるタスクをチケット消化形式で潰すことを繰り返すことで、スピーディな開発が可能になります。
全体の開発サイクル
本記事で提案するAI Agent型 TiDDの全体の開発サイクルは以下の通りです。
従来のTiDDに比べて、AI Agentの裁量が大きくなっていることが特徴的だと言えます。
終わりに) AI Agent型 TiDDの現状と将来
上記が現状できるAI Agent型TiDDの一つの型ですが、現状レビューフェーズでは人間が工数をとってレビューを行っていたり、人間が介在する部分が0になったわけではなく、今後AI Agentがさらなる性能進化を遂げることで、そういったレビューもAgentが巻き取られるようになるとレビュータイムのボトルネックが解消されされる事が考えれます。さらに、開発サイクルを高速にすることができると考えられるので、今後著者としてもAgent技術の発展を追い続けようと思います。
Discussion