AIエージェントに長時間仕事を任せる仕組み

AIコーディングエージェントに長時間のタスクを任せたとき、最大の問題は「どこで止まったか分からない」ことだ。Claude CodeやCodexに「このリポジトリ全体をリファクタしておいて」と投げたとき、エージェントが途中でクォータ制限にぶつかったり、判断に詰まって止まったりしても、再開時にどこまで進んでいたかの記録が残っていない。結果として「最初からやり直し」か「どこかで重複作業が発生」という事態になる。

loopxはこの問題に対して、エージェント自体を改造するのではなく、「ループの外側に状態管理層を置く」という設計で答えている。Claude CodeでもCodexでも、どのコーディングエージェントを使っていても差し込める軽量フレームワークとして設計されているのが特徴だ。GitHubでの公開から短期間でスター1,500超というのは、同じ課題を抱えている人が多いことを示している。

loopxが管理する概念は大きく3つある。

**durable goals（持続的な目標）**は、タスク全体を通じて変わらない「何を達成したいか」の定義。エージェントがリセットされても、この目標が残ることで「自分は今どのタスクの中にいるか」を取り戻せる。

**executable todos（実行可能なタスクリスト）**は、ゴールを細分化した具体的な作業単位。「実行可能な」という修飾が重要で、単なるメモではなくエージェントが次のアクションとして直接参照できる形式になっている。どこまで完了したかのフラグも持つため、再開時に「どこから続きをやるか」が即座に分かる。

**evidence logs（証跡ログ）**は、エージェントが何をしたかの記録。「なぜそのコードになったか」「どんな判断をしたか」が残ることで、別のエージェントや人間がレビューしたり引き継いだりしやすくなる。

さらにquota-aware auto-wake（クォータを考慮した自動再開）という機能がある。APIの利用制限に当たったとき、ただ止まるのではなく制限が解除されるタイミングを考慮して自動的に再開する仕組みだ。複数エージェントをまたいで仕事をつなぐ**verifiable handoffs（検証可能な引き継ぎ）**もあり、エージェントAが途中まで進めたタスクをエージェントBが受け取るときの整合性チェックも担う。

コードが書けなくても活用できる部分から整理しておく。

loopxはPython製のフレームワークだが、基本的な使い方はREADMEに記載されたコマンドラインでの操作が中心になる。pip installでセットアップし、既存のClaude CodeやCodexのセッションに「状態管理ファイルを渡す」形で組み込む。自分のAI作業フローにそのまま差し込めるという設計思想はREADMEから読み取れる。まずはgoalファイルを一つ作成して、自分が普段使っているエージェントで呼び出せるかを試すところが入口になる。

コードが書ける人にとっての強みは、エージェントの切り替え・スケジューリング・ログ分析を自分でカスタムしやすい点だ。「夜間にCodexを走らせて、朝にClaude Codeで続きをピックアップする」といった自動化も、この状態管理層があることで初めて現実的になる。なおコーディングAIだけで本番エージェントを作る新手順で触れたような、エージェントを実務の核に据えるアプローチと組み合わせると、長時間タスクの完走率が変わってくる可能性がある。