thruwire/foreman：Jev判断モデルで再構築するソフトウェア工場の自動オーケストレーション

背景と課題：自律型ソフトウェア工場の「オーケストレーション死鎖」

近年、SWE-benchや各種コード生成ベンチマークにおいて、大規模言語モデル（LLM）をベースとした自律型コーディングエージェントの性能向上には目覚ましいものがあります。関数の自動実装、バグの局所的修正、ユニットテストの自動記述など、個別タスクの遂行能力は中堅ソフトウェアエンジニアに匹敵するレベルに達しつつあります。しかし、これらの独立したエージェントを束ね、全自動でリポジトリ全体の保守や機能追加を遂行する「ソフトウェア開発工場」（Software Factory）を構築しようとした際、開発現場は深刻なオーケストレーションの壁に直面することになりました。 現実の大規模エンタープライズ開発において、ソフトウェア開発は単なるテキスト生成の連続ではありません。それはブランチの依存関係管理、静的コード解析、CI/CDパイプライン、セキュリティ監査、マージコンフリクトの調停など、極めて厳密な状態遷移とゲート管理が要求される複雑系です。これまで多くのマルチエージェント基盤は、全体の指揮監督を行う「工長（Foreman）」の役割にもGPT-4やClaudeなどの汎用自己回帰型LLMを起用してきました。GitHubのWebhook通知を受け取り、PRのdiffを読み、次に何をすべきかを文章で考えて各ワーカーエージェントに指示を出すという設計です。

しかしこの従来型構成は、実環境において壊滅的な欠陥を露呈しました。

1. **致命的な遅延**：自己回帰的な逐次トークン生成や冗長な思考プロセスにより、単純なブランチ判定1つに数秒から数十秒の待機時間が発生し、PRキューが瞬く間に滞留します。

2. **スキーマ破壊とハルシネーション**：自然言語生成モデル特有の揺らぎにより、JSONフォーマットの破損や存在しないフィールドの出力が発生し、オーケストレーター自体が例外クラッシュを引き起こします。

3. **持続不可能なコスト**：状態遷移の確認やログ監視のために千億パラメータ規模の超巨大モデルを毎分呼び出し続けることで、運用コストが天文学的に跳ね上がります。 自律型ソフトウェア工場をスケールさせるためには、ミリ秒単位で確定的な判断を下す専用の制御中枢が切望されていました。

thruwire/foremanの全貌：Jevモデルによる超高速・型安全な工長アーキテクチャ

この深刻なボトルネックを打破すべく、オープンソースの自動化開発組織thruwireが公開したのが「foreman」です。foremanの根幹をなす思想は、「高度なコード生成」と「工場のパイプライン制御」の完全な分離です。コードの実装やリファクタリングといった計算負荷の高い創造的作業は既存のコーディングエージェントに委ねる一方、リポジトリ全体の状態管理、タスク振り分け、レビューゲート判定を行う工長中枢には、TypeSafe AIが発表した非自己回帰型判断特化モデル「Jev」を全面的に採用しました。

foremanにおけるJevは、ソフトウェア工場の「反射神経」として機能します。文章を出力させるのではなく、Gitのコミット情報、AST差分、ビルドログなどを構造化入力として与え、Jevが提供する3つの型安全プリミティブに直接射影します：

• **Choice（離散選択）**：PRの現状に基づき、事前定義されたステートマシン（例：テスト実行、セキュリティ検査への転送、自動マージ、ロールバック等）から最適なアクションをSoftmax確率付きで即座に取得。
• **Score（スカラー採点）**：テスト網羅率の増分やコード品質を0〜100の範囲で直接回帰採点し、マージの可否を数値で厳密に判断。
• **Noul（確率的真偽値）**：「外部ネットワークへの不正アクセス設定が含まれていないか」などの安全規約を、テキスト生成を介さずに純粋な確率値として検証。

非自己回帰の単一フォワードパスにより、foremanは1回の状態判断を80ミリ秒未満で完了します。従来の生成型LLMを用いたオーケストレーターと比較して応答速度は数十倍に向上し、推論コストは98%以上削減されました。

ステージングレビューゲートと有状態ブランチ調停機構

thruwire/foremanの最大の実装的ハイライトは、「ステージングレビューゲート（Staging Review Gates）」と高度なブランチ競合調停エンジンの融合にあります。数十のエージェントが同一リポジトリに対して同時にPRを投げる過密環境下では、些細な論理不整合がメインブランチのビルド破壊を招きます。

foremanはイベント駆動型の常駐デーモンとして動作し、PRが作成されると直ちに隔離されたステージング環境をスピンアップします。ここでJevが並行して数十項目のアサーションを実行します。生成されたテストコードが単なるモックの自己満足（Tautology）になっていないか、静的解析の警告が無理やり無効化されていないか、他ブランチとの依存関係に循環参照が生じていないかをミリ秒単位でスクリーニングします。

判定スコアが基準を超えればアトミックにマージが承認され、不合格となった場合は具体的な不合格パラメータが構造化データとして担当エージェントにフィードバックされます。エージェントは曖昧なレビュー文ではなく、修正すべき行番号と期待される型制約を直接受け取るため、極めて迅速な自律修正ループが回転します。GitHub上での50並行PRテストにおいても、パイプラインの停止やデッドロックは一切発生しませんでした。

工業的意義と自律型エージェントエンジニアリングの未来

thruwire/foremanの登場は、AIによるソフトウェア開発が「プロンプトによる実験」から「堅牢な分散システム工学」へと移行した決定的な証拠です。単一の巨大モデルにすべてを委ねるアプローチの限界を浮き彫りにし、適材適所のモジュール設計がもたらす圧倒的な信頼性を実証しました。

「システム2」の思考力を持つ生成エージェントがコードの肉付けを行い、「システム1」の瞬発力と確定性を持つJev搭載Foremanが厳格な品質管理と交通整理を行う。この分業モデルこそが、将来のエンタープライズ規模の全自動ソフトウェア工場におけるデファクトスタンダードとなることは間違いありません。