「AIがこんなコードを書いたのは誰のせい？」が分かるオープン仕様「Agent Trace」が変える開発現場の未来：Devinでの活用事例

Cognitionは、コードベースにおけるAI貢献を記録するためのオープン仕様「Agent Trace」への支持を表明した。Agent Traceを活用した内部ツールの例を幾つか紹介し、その効果を解説している。

[＠IT]

　コーディングエージェント「Devin」を提供するCognitionは2026年1月29日（米国時間）、「Cursor」を提供するAnysphereやGoogleなどと共にオープン仕様「Agent Trace」への支持を表明した。

AIが生成したコードが増える中で、その背景にあるコンテキストや作成者の特定が困難になっている（提供：Cognition）

　Agent Traceは、バージョン管理されたコードベースにおいて、AI（人工知能）の貢献を、人間の著作者情報と並べて記録するためのベンダー中立の仕様だ。単純に「全てのコミットにプロンプトをチェックインする標準的な方法」と説明することもできるが、仕様は単にプロンプトをキャプチャーするだけでなく、より堅牢（けんろう）で洗練された設計になっているという。

Agent Traceのアーキテクチャの概要（「Agent Trace」から引用）

20年超使われるGitがAIコーディングで抱える課題

　「Git」は2005年に登場し、当初は、開発者間でコードのパッチをメールでやりとりする開発スタイルを効率化するツールとして普及した。コミットは高コストで帯域幅に制約があったため、最小限の情報（行の差分）だけをコミットしていた。

　20年後の現在は状況が変わり、帯域幅ではなくコンテキストの制約が問題になっている。単純にプロンプトをコメントとして追加してGitにチェックインすることもできるが、コードはすぐにコメントの山に埋もれてしまい、後から変更の意図を理解することが難しくなる。

　Agent Traceは各変更（Gitのコミットの場合もあれば、より細かな単位の変更である場合もある）を、その変更に関連した特定の会話と行範囲にひも付ける。

Agent Traceにおける行レベルの帰属（attribution）データの構造例（提供：Cognition）

AIと人間の貢献度の比較管理やレビューの可視化に活用

　CognitionがAgent Traceを活用し、構築した内部ツールの例として、以下のような機能がある。

AIと人間の貢献度を属性（attribute）付け、変更履歴追跡（blame）して比較できるファイルビュワー（提供：Cognition）

機能開発におけるプルリクエスト（PR）単位でAIと人間の貢献度を可視化する管理画面のイメージ（提供：Cognition）

充実した開発コンテキストを持つようになった、新しいPRレビューのUI（ユーザーインタフェース）（提供：Cognition）

　Cognitionは「複数のコーディングエージェントと人間が同時に開発に関わる場合、Agent Traceによって開発プロセスを可視化すれば、かなり強力な管理レベルのダッシュボードとデータ駆動の意思決定が可能になる」としている。

個々のエージェントパフォーマンス向上にも有用

　Agent Traceは管理目的だけでなく、エージェント自身の性能向上にも役立つという。Agent Traceが適用されたコードベースがあれば、過去の会話や判断の履歴を参照可能にすることで、同じ問題を繰り返し解く時間が大幅に減ると考えられる。

　2025年には、「GPT-5」のようなモデルで、リーズニングの過程や過去のツール利用履歴を活用すると知能が向上することが分かった。報告によると、ベンチマーク「SWE-Bench」で3ポイントの改善、キャッシュヒット率は40〜80％向上したという。

　同様に、Agent Traceがコードによってトリガーされる特定のコンテキストをコーディングエージェントに段階的に提示することで、同様のパフォーマンス改善につながる可能性がある。

　エージェントは推論に多くの時間を費やすため、コードによってトリガーされる特定のコンテキストを取得する能力は、コストと精度だけでなく、エージェントに失われたコンテキストを再供給するのに費やす人間の時間も節約するという。

　Cognitionは、従来の開発では「コード行数」がソフトウェアエンジニアのアウトプットの主要な指標だったが、AI時代にはコンテキストが新しい貴重なリソースとなると指摘。今後は、人間であれAIであれ、コードそのものよりもコンテキストの生成と読み取りに大半の時間を費やすことになる可能性があるとしている。