複数のAI Agentを扱うためのタスク・実行フロー設計

要点

Linearをタスク・判断情報のSingle Source of Truthとして運用
実行は自動化しすぎず、人間が開始判断する運用
GitHub Issue / PRと連携し、実装履歴を残す

担当領域: 企画・要件整理
期間: 2026年9月

案件背景

複数のAI Coding Agentを併用する開発環境において、タスク情報・実行判断・成果物・履歴が分散しないよう、Linearを正としたタスク・実行フローを設計しました。

課題

Agentごとに指示や文脈が分散する
どのAgentで何を実行したか追いづらい
タスク管理と実装履歴が分離しやすい
Agentを増やすほど運用が属人的になる

やったこと

Linearを正とする運用ルールを定義
Issue単位で要件・判断材料・実行条件を整理
各AgentからLinear Issueを取得するフローを設計
GitHub Issue / PRとの接続方針を整理
自動実行ではなく明示実行を原則化

実現したこと

複数Agentを使ってもタスクの所在を一本化
「何をどこまで実行するか」の判断点を明確化
Agent追加時も既存フローを崩しにくい構造に整理
実装履歴をLinear / GitHub双方から追跡可能に
AI活用を単発のツール利用から、再利用可能な業務フローへ移行

設計のポイント

Linearを正としたタスク・コンテキスト管理

複数のAI Coding Agentを併用すると、Agentごとに指示や会話履歴が分散しやすく、どの情報を基準に作業すべきか曖昧になりやすいため、LinearのIssueをタスク・要件・判断材料の正として定義しました。
また、Agentごとの会話履歴を正としないことで、Cursor、Codex、Orcaなど利用するAgentが変わっても、同じタスク情報をもとに作業を継続できるようにしました。

自動化しすぎず、人間の実行判断を残す

AI Agent同士を完全自動で接続すると、意図しない処理やトークン消費が発生しても気づきにくいため、タスク登録や情報連携は効率化しつつ、実際にAgentへ処理を依頼するタイミングは人間が判断する設計としました。AIに判断を委ね切るのではなく、AIが扱いやすい情報構造を用意しながら、コストや優先順位に関する最終判断は人間側に残すことを重視しています。

よくなったこと

AI Coding Agentを個別の便利ツールとして利用するのではなく、Linearを中心にタスク・判断情報・実装履歴を接続することで、複数Agentを継続的に利用できる業務フローとして整理しました。Agentごとの特性を活かしつつ、情報の正と人間の判断ポイントを明確にすることで、利用するAIが増えても運用が複雑化しにくく、実行コストや履歴を管理しながら開発を進められる構成にしています。

補足

複数のAI Coding Agentを利用しても、タスク情報の参照先をLinearへ一本化
Agent固有の会話履歴に依存せず、別Agentへの切り替えや再実行がしやすい構成を実現
Linear、GitHub Issue、PRを接続し、要件から実装までの履歴を追跡可能に
AI Agentの自動実行を前提とせず、コストや優先順位を踏まえて人間が実行判断できる運用を構築
agent-budget-routerと連携し、実行前のGo / Split / Defer判断をフローへ組み込み
新しいAgentを追加する際も、既存のタスク管理構造を変更せず拡張しやすい運用へ整理