AI 駆動開発(2026年9月版)

Published 2026/9/23

AI-Driven-Development

概要

本記事では、2026 年 9 月時点での、小規模プロジェクトにおける、個人的 AI 駆動開発の進め方を紹介する。具体的な手順と、テンプレートリポジトリのポイントについて説明する。

結論

人間の仕事は「ドキュメントを書くこと」と「マージを判断すること」の 2 つに絞り、それ以外の工程は AI に任せる。具体的には、以下のツールを組み合わせている。

Cursor:SRS の作成、Issue の登録、実装、レビュー指摘への対応
Greptile:プルリクエストのコードレビュー
GitHub:Issue とプルリクエストによるタスク管理
Cursor 開発用テンプレートリポジトリ:AI が安全に作業するための設定一式

全体の流れは以下のとおりである。

flowchart LR
  A[仕様書草案<br>人間] --> B[SRS 作成<br>AI]
  B --> C[Issue 登録<br>AI]
  C --> D[着手指示<br>人間]
  D --> E[実装・PR 作成<br>Cursor]
  E --> F[コードレビュー<br>Greptile]
  F --> G[指摘対応<br>Cursor]
  G --> F
  F --> H[マージ判断<br>人間]

開発の進め方

以下のとおり、人間はドキュメントとコーディング環境を用意するだけで、基本的な開発は AI に任せている。

テンプレートリポジトリを用意する(人間、AI)

https://github.com/gnkm/cursor-template

私は Cursor を使っているので、Cursor にやってよいこと、やってはいけないことを整理して、やってはいけないことをできないような設定を準備している。

仕様書草案を作る(人間)

もととなるものとして、01-seed.md といった名前のファイルを作っている。特に整理せず、思いつく要件を書き出していく。概要、機能の他に、こだわりがあれば技術スタックも記載しておく。

ISO/IEC/IEEE 29148:2018 形式の仕様書(SRS)を作る(AI)

仕様書草案をもとに SRS を作成する。要件に ID が割り当てられて、どの要件を満たしている状態なのかがわかりやすいので、とりあえず ISO/IEC/IEEE 29148:2018 形式を採用している。

タスクを GitHub の Issue に登録する(AI)

Issue テンプレートの形式で Issue を作成する。 Issue の登録も AI に任せている。

Issue で Cursor にコーディングを依頼する(人間)

Issue のコメントで「@cursor 着手してください」とコメントすると、Cursor が自動的にコーディングを開始する。

Cursor が Cloud で実装しプルリクエストを出す(AI)

Cursor はクラウド上で実装をおこない、プルリクエストを出す。

Greptile がコードレビューする(AI)

Greptile がコードレビューをおこない、5 点満点の評価と、コメントをつける。

Cursor がコードレビューの対応をする(AI)

Cursor はプルリクエストを出した後、プルリクエストを確認し続けており、 CI が失敗していたり、コンフリクトしていたり、コードレビューのコメントがつくと自動的に対応をおこなう。対応をおこなっていなかったら、Cursor の Web UI で「/autopilot」と入力すると、自動的に対応をおこなう。コードレビューのコメントの筋が通っていなければ、その旨をコメントすることもある。

プルリクエストをマージする(人間)

Greptile のコメントから、マージして問題ないと判断したら、main ブランチにマージする。

テンプレートリポジトリ

AI に自律的にコーディングさせる以上、プロンプトインジェクションへの備えは欠かせない。テンプレートリポジトリは、Simon Willison 氏の The lethal trifecta の考え方をもとに設計している。

この記事によると、AI エージェントが以下の 3 つを同時に持つと、攻撃者にデータを盗み出されるおそれがある。

秘匿データへのアクセス
信頼できないコンテンツへの露出
外部への送信手段

裏を返せば、どれか 1 つでも断ち切れば被害は防げる。ただし、1 つの対策が破られることも想定し、テンプレートリポジトリでは 3 つすべてに対策を入れている。

対策	断ち切る要素	設定場所
AI に秘匿情報を見せない	秘匿データへのアクセス	`.cursor/hooks/guard-read.sh`
AI に与える権限を最小限にする	外部への送信手段	`.cursor/hooks`
AI の外部情報へのアクセスを制限する	信頼できないコンテンツへの露出	`.cursor/environment.json`

AI に秘匿情報を見せない

仮にプロンプトインジェクションを受けても、AI が秘匿情報を知らなければ、盗み出されるものがない。 .cursor/hooks/guard-read.sh で、.env などの秘匿情報を含むファイルの読み込みを拒否している。

.cursorignore でも同様の設定をしているが、こちらは気休め程度である。 .cursorignore はあくまでベストエフォートの仕組みで、ターミナルコマンド経由の読み込みなどは防ぎきれないため、セキュリティの境界としては頼れない。 hooks で確実に拒否するのが本命である。

AI に与える権限を最小限にする

最後の防衛線として、AI が実行できる操作を制限している。プロンプトインジェクションで AI が乗っ取られても、外部への送信や破壊的な操作ができなければ、被害は限定的になる。 .cursor/hooks で、許可していないコマンドの実行を拒否している。

AI の外部情報へのアクセスを制限する

プロンプトインジェクションの多くは、Web ページや外部ファイルなど、AI が読み込む外部のコンテンツに仕込まれる。そこで、AI がアクセスできる外部情報を必要最小限に絞り、悪意ある指示に触れる機会そのものを減らしている。設定は .cursor/environment.json でおこなっている。

課題

UI が課題である。そもそも良い UI とはなにかがわからない。エージェントスキルを作ってみたこともあったが、スキルを使わず、AI に任せた方が良い印象を受けた。一応 Anthropic の Skillsがあることは知っているが、以前使ったとき、いかにも AI が作ったようなデザインだったので使うのをやめてしまった。

まとめ

最近の AI のコーディング能力は高く、人間はドキュメントとコーディング環境を用意するだけで、基本的な開発は AI に任せることができる。

参照

サンプルコード

本記事で紹介したテンプレートを用いて、以下のアプリケーションを開発した。

犬種分類アプリケーション

https://github.com/gnkm/fauna-lab

8種類の犬種に分類する機械学習アプリケーションである。実用性は低くなるが、評価を容易にするために 8 種類に限定した。 SRS、タスク指示書、 assets を与え、AI にコーディングさせた。

https://github.com/gnkm/fauna-lab-ref に assets や評価基準のドキュメントを準備した。

Jev Prompt 評価システム

AI モデルである Jev に複数のプロンプトを与え、それに対する回答の評価をおこなうシステムである。

https://github.com/gnkm/jev-prompts

Reversi AI

リバーシをおこなうエージェントを複数用意し、それらを対戦させるシステムである。 Web API で対戦させることもできるし、Web UI で対戦させ、観戦することもできる。

https://github.com/gnkm/reversi-ai