ASADASHI
バイブコーディング
バイブコーディング2026.11.01·読了 2分·難易度: むずかしい

AIが49人のゲーム開発チームになる時代

朝の出汁版(通勤2分)

  • ポイント1: GitHubでは「49体のAIエージェントが実際のゲームスタジオの組織図を模した役割分担で協調して動く」仕組みや、「セッションをまたいで自走し続ける開発ワークスペース」など、個人がAIチームを丸ごと持てるツールが相次いで公開されている。
  • ポイント2: 注目したいのは、これらが「1つのAIに命令する」段階を超え、ディレクター・デザイナー・エンジニア相当のAIが分業・連携する「スタジオ型」の構成になっている点で、一人でゲーム・サービス・コンテンツを量産できる設計思想が現実になりつつある。
  • ポイント3: まず触りたい人は、LangChainが公開した汎用エージェント基盤「deepagents」からスタートすると仕組みを把握しやすく、慣れてきたらゲームスタジオ型やセッション継続型のリポジトリに移行するステップが取りやすい。

出汁の素(深読みモード)

「1つのAIに命令する」段階は、もう終わっている

GitHubのトレンドをウォッチしていると、ここ数週間で明らかに「個人がAIチームを丸ごと持つ」方向に流れが変わってきているのがわかります。

象徴的なのが、今回紹介する3つのリポジトリです。49体のAIエージェントがゲームスタジオの組織図をそのまま模して分業・連携する「Claude Code Game Studios」、セッションをまたいで自走し続ける開発ワークスペース「KiroCrew」、そしてLangChainが公開した汎用エージェント基盤「deepagents」。いずれも公開直後に数万スターを集めています。

共通しているのは、「1つのAIに1つの命令」という使い方を前提にしていない点です。ディレクター・デザイナー・エンジニア相当のAIが役割を持ち、互いに連携しながら動く。日本でいうところの「分業制プロダクション」をまるごとAIで再現する設計思想が、すでにオープンソースで動いています。

AIに自分の分身チームを持たせる時代が来たでも触れたように、「AIをどう束ねるか」の競争が本格化しています。今はその競争の中でもとくに構造が面白い局面です。

49体が分業するゲームスタジオと、途切れない開発ワークスペース

「Claude Code Game Studios」は、Claude Codeを49体のエージェントに役割分担させ、実際のゲームスタジオの組織階層(プロデューサー、ゲームデザイナー、エンジニア、QAなど)を再現するシステムです。72種類のワークフロースキルと、それらを束ねる調整レイヤーを持ち、シェルスクリプトベースで動作します。発表内容を読むと、「1人がディレクターとして大方針を決め、残りのエージェントが自律的に分業してゲームを作る」という流れが想定されています。

一方「KiroCrew」が面白いのは別の軸です。多くのAIエージェントは「そのセッションで完結」します。ブラウザを閉じたら記憶はリセット。KiroCrewはこの問題を解決しようとしていて、永続ワークスペースの中でエージェントが前回の続きから仕事を再開できる構造になっています。長期プロジェクトや「数日かけて育てたい」用途には、この継続性がカギになります。

2つのアプローチは補完的です。スタジオ型は「いっきに量産する」、継続型は「育てながら仕上げる」。どちらが合うかは使い方次第ですが、両方の仕組みを知っておくことで選択肢が広がります。

AIが営業・制作・集客を全部やる時代が来たの文脈とも重なりますが、いよいよ「AIを何体動かすか」が個人の生産力を決める変数になってきました。

「コードが書けなくても触れる部分」と「書けると有利な部分」

3つのリポジトリは、技術的な敷居がそれぞれ異なります。整理しておきます。

コードなしでも触れる部分

  • Claude Code Game Studiosは、Claude Codeのインターフェース上で動作するため、シェルコマンドが多少わかれば動き出せます。GitHubのREADMEにセットアップ手順が記載されており、「ゲームを作るというより、マルチエージェントの動き方を観察する」目的での入門は難易度が高くありません。
  • deepagentsはLangChainが「batteries-included(すぐ使えるように一式揃っている)」と表現しており、事前設定の手間を最小化する方針で設計されています。

コードが書けると有利な部分

  • KiroCrewはPythonリポジトリで、ワークスペースの永続化ロジックをカスタマイズするにはコード読解が必要です。自分のプロジェクト構造に合わせて調整したい場合はPython力が効いてきます。
  • deepagentsも、エージェントにカスタムツールを追加したり、外部APIと連携させたりする場合はコーディングが前提になります。

「仕組みを知りたい」段階ならdeepagets→Game Studiosの順が取り組みやすく、「長期プロジェクトで実用したい」ならKiroCrewへの移行を検討する、というステップ感が現実的です。

まず触るなら「deepagents」から入り、動きを確認する

3つのうち、最初の入り口として最も間口が広いのはLangChainの「deepagents」です(GitHub)。LangChain自体がエコシステムとして普及しており、ドキュメントや周辺情報が豊富に揃っています。

具体的な動き出し方

  1. GitHubリポジトリを開き、READMEのQuickStartに沿ってローカルまたはColabで動かしてみる
  2. デフォルトのエージェント構成を動かして「複数エージェントがどう連携するか」の構造を観察する
  3. 動きが把握できたら、Claude Code Game Studios(GitHub)に移り、より具体的な役割分担の実装を見る

ゲーム制作に興味があるわけでなくても、Game Studiosは「スタジオ型マルチエージェントの設計見本」として読む価値があります。49体の役割設計と調整ロジックは、自分のプロジェクト向けにアレンジする際の参考になります。

セッションをまたぐ継続性が必要になってきたタイミングで、KiroCrew(GitHub)を試す、というのが無理のない順番です。

常時稼働AIと「任せる範囲」の見極め方で整理されている「どこまで任せるか」の判断軸も、マルチエージェントを動かし始めると実感として必要になってくるはずです。

エージェント設計を自分のプロジェクトに転用する

Game Studiosの49体という数字に引っ張られがちですが、実際に意識したいのは「役割の設計方法」です。ゲームスタジオの組織図がそのままエージェントのシステムプロンプトに落ちているという構造は、ゲーム以外のプロジェクトにも転用できます。

例えば「コンテンツ制作スタジオ」として、企画担当・ライター・編集・SEOチェック担当のエージェントを分けて組む、あるいは「リサーチ&分析スタジオ」として、情報収集・要約・検証・アウトプット整形を別エージェントに担わせる構成も考えられます。

Game StudiosのリポジトリはShell製のため、ロジック自体は比較的読みやすいです。各エージェントの役割定義(システムプロンプト)部分だけを取り出して、deepagentsやKiroCrewの基盤の上に乗せ直す、という組み合わせ方も技術的には筋が通っています。

Googleが170以上のAIスキルを品質管理する仕組みでも見えてきたように、「スキルをどう定義してどう束ねるか」がAI活用の競争優位になりつつある。マルチエージェントの設計力は、今のうちに素振りしておく価値があります。

参照ソース