Metaが放つ次世代AIコーディングエージェント「Muse Code」：非同期・並列処理による開発の自動化

Metaが、ターミナルベースのAIコーディングエージェント「Muse Code」と、コーディング特化型モデル「Muse Spark 1.2」のベータ版を公開しました。AnthropicやOpenAIが先行するAI開発ツール市場において、Metaは「非同期バックグラウンドエージェント」という独自のアーキテクチャで勝負を挑みます。

本記事では、大規模リポジトリでの開発を劇的に効率化するMuse Codeの革新的な機能と、その背景にある技術について解説します。

1. 開発の背景と課題：従来のAIツールの限界

従来のAIコーディングツールの多くは、タスクごとに新しい補助エージェントを生成する「使い捨て」の構造でした。そのため、大規模なコードベースの文脈を維持し続けることが難しく、複雑な多段階のタスクではユーザーが頻繁に介入する必要がありました。Metaはこの課題を解決するため、セッション全体を通じて情報を保持し続けるエージェントを設計しました。

2. 解決策：常時稼働する「非同期バックグラウンドエージェント」

Muse Codeの最大の特徴は、複数の専門エージェントがバックグラウンドで独立して動作し続ける仕組みです。

• 情報の維持: 必要な情報を繰り返し収集することなく、セッション全体でリポジトリのコンテキストを保持します。
• 自律的な実行: 各エージェントが独立して作業を進め、適切なタイミングでメインエージェントに結果を共有します。これにより、ユーザーの待機時間を大幅に削減します。

3. 実装と運用の要点：並列処理と堅牢性

複雑な開発現場で耐えうるよう、Muse Codeには以下の高度な機能が組み込まれています。

並列開発とGitワークツリー

作業規模が大きくなると、複数のサブエージェントが独立した「Gitワークツリー」で並列に作業を行います。開発者のメインコードに影響を与えずに複数の機能を同時実装でき、実験では1つのプロジェクトで6つの機能を衝突なく同時開発することに成功しました。

状態復旧を可能にするイベントログ

「追加専用（Append-only）イベントログ」を採用し、モデルの呼び出しやコード修正、ユーザー承認の履歴をすべて記録します。これにより、数十時間に及ぶ長時間の作業中にシステムが中断しても、正確に中断した地点から再開できる堅牢性を備えています。

3つのコアコマンド

Muse Codeは、主に以下の3つのコマンドを通じて操作します。

• /plan: 承認プロセスを含む実行計画の策定
• /grill: 策定された計画の反復検証
• /goal: 最終目標達成までの継続的な実行

4. 特化モデル「Muse Spark 1.2」の進化

同時に公開されたMuse Spark 1.2は、エージェントとの「共同学習（Co-training）」により、コーディング性能を大幅に向上させています。自己改善（Self-improvement）プロセスを導入し、過去に生成した難解なコード問題を再評価・学習することで、デバッグやコードベースの理解力を高めています。

性能ベンチマーク

主要なベンチマークにおいて、他社の最新モデルと肩を並べる高いパフォーマンスを記録しています。

指標	Muse Spark 1.2	GPT-5.6 Tera	Claude Opus 5
Terminal-Bench 2.1	82.9%	81.8%	86.7%
DeepSWE 1.1	59.3%	64.8%	65.0%

5. 学びと今後の展望

Muse Codeは現在、macOSとLinux向けにベータ版として提供されています。特筆すべきは、Metaがこれまでの「オープンソース戦略」とは異なり、モデルの重みを公開せずAPI形式での提供を選択した点です。また、ユーザーのデータを学習に活用する代わりに安価に利用できる「Contributor（寄稿者）」プランという新しいマネタイズモデルも提示しています。

AIが単なる「コード補完」を超え、自律的な「エンジニアリングパートナー」へと進化する過程において、Muse Codeの非同期アーキテクチャは一つの大きな指標となるでしょう。