スケーラブルなAIエージェントをモジュラープロンプト変換で構築する
Building scalable AI agents with modular prompt transpilation (developers.googleblog.com)
要約
プロダクションスケールでのAIエージェント開発において、単一の巨大なプロンプトファイルは管理が困難になります。この記事では、プロンプトをビルドアーティファクトとして扱い、モジュール化されたスキルファイルに分割し、トランスパイラを使用して依存関係を解決・検証するアプローチを紹介しています。これにより、プロンプトの保守性、信頼性、テスト容易性が向上し、エージェント自身が指示レイヤーの改善を提案するワークフローも可能になります。
全文翻訳
スケーラブルなAIエージェントをモジュラープロンプト変換で構築する
2026年7月16日
AIエージェントを最初に構築する際は、通常、単一のモノリシックなシステムプロンプトで十分です。いくつかの指示と、おそらく1つか2つのツール定義があり、すべてが1つの読みやすいファイルに収まっています。
しかし、本番用途での使用を開始すると、その形式は単に破綻します。チームは、安全性ポリシー、ドメイン固有のルール、フォーマット要件、エスカレーション動作などを重ねて適用し始めます。突然、エージェント全体のコントロールプレーンが単一の指示ファイル内に存在することになり、まさに問題の始まりです。
これは、古典的なソフトウェアエンジニアリングのスケーリング問題です。すべての懸念事項を1つのファイルに押し込むと、システムを推論する能力を失います。コラボレーションは悪夢となり、テストは厄介になり、1つのワークフローを改善するための小さな変更が、静かに別のワークフローを壊してしまう可能性があります。
本番スケールでは、プロンプトの保守性がエージェントの信頼性となります。
モノリシックなプロンプトが破綻する理由
プロンプトがあるサイズを超えて成長すると、通常、3つの主要な障害モードが見られます。
- ブラスト半径の不明瞭化: 標準的なソフトウェアエンジニアリングでは、モジュール境界、呼び出しサイト、テストを通じて変更の範囲をレビュー担当者が容易に推論できます。しかし、システムプロンプトの差分はより困難です。1文を追加することが、エージェント全体にわたって予期しない副作用を引き起こす可能性があり、これは予測したりテストしたりするのが難しいことがよくあります。
- コピー&ペーストのドリフト: 組織が拡大するにつれて、多くのチームが、内部サービスの使用方法、PII(個人識別情報)の処理、安全性ポリシー、エスカレーションプロトコルなど、さまざまなアプリケーションで共有ロジックを重複して使用することになります。これにより、コピー&ペーストや同じ機能の複数のバージョンが生じ、一貫性の欠如につながります。
- 実行時エラーの遅延: スパクル(散らばり)を管理するため、チームはアドホックな文字列フォーマットや単純なテンプレートに頼ることがよくあります。これは作成には役立ちますが、エラー検出を実行時に押しやります。欠落している変数や無効なインポートパスのために、特定の、まれに使用されるワークフローがトリガーされた場合にのみ失敗するプロンプトをデプロイする可能性があります。
テンプレートは良い出発点ですが、それだけでは不十分です。本番システムには、決定論的なビルド、静的検証、CI/CD統合が必要です。
プロンプトをソフトウェアアーティファクトとして扱う
ここでの解決策は、プロンプトを単なる静的なテキストではなく、ビルドアーティファクトとして扱うことです。
1つのモノリシックなプロンプトファイルを維持する代わりに、モジュラーなスキルファイルを記述できます。これにより、各ファイルのスコープを縮小し、特定の動作をカプセル化できるため、チームは関心を分離し、コンポーネントを個別にイテレーションできます。
トップレベルのエージェントプロンプトテンプレートは、次のようになります。
# agents/sre_agent.prompt.md (prompt template file)
{% include "shared/safety.prompt.md" %}
{% include "shared/tool_usage.prompt.md" %}
You are an SRE triage agent operating in the {{ environment }} environment.
{% if allow_remediation %}
You may recommend remediation steps, but destructive actions require human approval.
{% else %}
You may inspect, summarize, and explain the issue, but do not recommend remediation actions.
{% endif %}
{% macro bullet_section(title, items) %}
## {{ title.rstrip() }}
{% for item in items %}
- {{ item.rstrip() }}
{% endfor %}
{% endmacro %}
{{ bullet_section("Required investigation steps", [
"Inspect recent deployment events",
"Check service metrics for latency or error-rate changes",
"Review logs for repeated failure patterns"
]) }}
これは両方の世界の利点をもたらします。テンプレートレイヤーにより、共有指示を構成し、環境固有の値を注入し、マクロを利用できます。しかし、ビルドシステムにとっては、すべてのインクルードは依存関係であり、すべての変数は要件です。結果として、テスト、監査、diffを行ってからモデルに到達させることができる、決定論的で完全にレンダリングされたアーティファクトが得られます。その後、トランスパイラを使用してテンプレートインクルードを解決し、エージェントが取り込めるファイルを作成できます。
たとえば、environment = production かつ allow_remediation = true の場合、変換されたアーティファクトは次のようになります。
You are an SRE triage agent operating in the production environment.
You may recommend remediation steps, but destructive actions require human approval.
## Required investigation steps
- Inspect recent deployment events
- Check service metrics for latency or error-rate changes
- Review logs for repeated failure patterns
高レベルの変換パイプラインは、次のようになります。
[画像: Figure1]
ビルド時検証は必須
本番グレードのトランスパイラは、実行時前にエラーを検出する必要があります。
ビルドプロセス中に、欠落しているインポート、未定義の変数、循環依存関係の検証チェックを実行する必要があります。依存関係グラフはここで非常に役立ち、堅牢なテンプレートエンジンの必要性を強化します。各プロンプトフラグメントを有向グラフのノードとして扱うと、本番環境でサイレント障害を引き起こす可能性のある再帰的なインポートを簡単に検出できます。
[画像: Figure2]
これにより、ドリフトチェックも可能になります。CIパイプラインを設定して、ソース(ゴールデンファイルと呼ばれる)から変換されたプロンプトを再生成し、現在コミットされているアーティファクトと比較できるようにします。出力が異なる場合、ビルドは失敗します。これにより、リポジトリ内のコードが本番環境で実行されているものと正確に一致することが保証され、ソースファイルとデプロイされたアーティファクトの間のギャップが解消されます。
[画像: Figure3]
動的なスキルとエージェントによる更新
モジュラープロンプトフラグメントのスキルライブラリが成長するにつれて、すべてのエージェントが毎回すべてのスキルをロードしたいとは限りません。そうするとトークンが消費され、エージェントのタスク固有のパフォーマンスを妨げる可能性のあるノイズが導入されます。
より良いアーキテクチャパターンは、プログレッシブ開示を活用することです。これは、安定したコントロールプレーンをタスク固有のコンテキストから分離する場所です。コンパイルされたベースプロンプトは、IDや安全性境界のような譲れない動作を強制する必要があります。その後、実行時に、エージェントはツールを使用して、その時点で必要な特定のスキルモジュールのみを動的に取得できます。これにより、コンテキストの枯渇が減り、エージェントがタスクに集中し続けるのに役立ちます。
[画像: Figure4]
このモジュラーシステムが確立されると、強力なワークフローがアンロックされます。エージェントは、独自の指示レイヤーの維持を支援し、自己持続的なエージェントシステムを作成するのに役立ちます。エージェントが新しいタイプのインシデントを解決すると、理論的には新しいスキルモジュールを作成し、関連するインポートを更新し、プルリクエストを開くことができます。
エージェントは、自身の指示をリアルタイムで変更しているわけではありません。コード変更を提案しているのです。トランスパイラは、その提案を他のコード変更と同様に、同じ検証とレビューの厳格さにさらします。人間のレビュー担当者は、PRを検査し、評価を実行し、変更をマージできます。
[画像: Figure5]
結論
本番プロンプトトランスパイラは、プロンプトエンジニアリングをビルドシステムの問題として再定義します。
モジュラーなスキルファイルを構築すると、標準的なソフトウェアインフラストラクチャと同様に、依存関係を解決し、インポートを検証し、ドリフトチェックを強制できます。エージェントは、変更が既存の検証およびレビュープロセスを通過することを条件に、自身のロジックの改善を提案できるようになります。
AIエージェントが重要なワークフローに深く統合されるにつれて、その指示レイヤーは、ソフトウェアに要求するのと同じ信頼性基準を必要とします。プロンプトは編集されるだけでなく、構築、検証、バージョン管理、デプロイされる必要があります。
前へ
次へ