AI駆動開発の実装・つまずき・設計の知見。手を動かした一次情報として綴ります。
去年のAIエージェントは「コードを書く道具」だった。テキストを読み、テキストを書く。それが2026年、境界が溶け始めた——AIがUnityやBlender、Godotの“編集画面そのもの”を操作し始めた。裏側にあるのがMCP（Model Context Protocol）。もともと開発ツール向けの接続規格が、いま制作ソフトへ染み出している。シーンにオブジェクトを置き、マテリアルを塗り、ゲームを実行し、スクリーンショットとログで結果を見て、おかしければ自分で直す——「書くだけ」から「作って、動かして、見て、直す」へ。Unity-MCP(47〜70+tools)/Blender MCP(bpy)/Godot-MCP(39tools・11families)〜Godot MCP Pro(163tools)まで、実在OSSを手がかりに、何ができて何に注意すべきかを専門用語ゼロで整理（数値はOSSリポジトリベース・CAG非検証）。
AIを全社に配ったあと、多くの会社が同じ壁にぶつかる——「便利なのは分かった。でも誰が・どのくらい・何に使っているのかが見えない」。2026年7月1〜2日、AnthropicがClaude Enterpriseに足したのは、まさにこの“見えなさ”に効く機能だった。使用量とコストをグループ別・ユーザー別に見せ（成果物・ファイル・スキルまで費用に紐づく）、モデルの割り当てと既定を組織で決め、上限の75%・90%で使いすぎを警告する。派手な新モデルではないが、「AIを入れる」から「AIを運用する」へ移った会社にはこちらが本丸だ。FinOpsがAIに来た――その中身を専門用語ゼロで整理した最新動向解説（数値はAnthropic公式リリースノートベース・CAG非検証）。
これまでAIにコードを頼むと、返るのは「たぶん動くはずのコード」。実際にブラウザで開いて、押して、崩れやエラーを確かめるのは人の仕事だった。2026-07-01、GitHubはVS CodeのCopilotが実ブラウザを操作できる「browser tools」を正式提供(GA)に。AIが自分でページを開き、クリック・入力し、スクリーンショットを撮り、コンソールのエラーを読み、壊れ方を見つけて直す——Playwright(MCP)ベースで、作る→開く→触る→見つける→直すを人手なしで一周する。AIが自分でQAし始めた。評価軸は「コードを書けるか」から「実アプリを見て・壊れ方を見つけて・直せるか」へ。ただし丸投げは禁物（スクショの食い違い・「直った」誤判定・網羅性は人が設計・本番反映はHITL）。分かりやすく整理した最新動向解説（数値はGitHub/VS Code/Playwright公式ベース・CAG非検証）。
「どのAIが賢いか」「良いプロンプト」の次、実務で差がつくのは“AIをどう運用するか”だ。CAGブログで解説してきた最新動向を、AIエージェント運用の5つの土台に整理したまとめ（地図）。①モデル比較から作業環境へ（harness/workbench）②トークン経済＝原価管理③スキル/MCPは権限＝供給網セキュリティ④少なく賢く＝無駄を書かせない⑤止まっても回る＝harness/BCP。5つを貫く背骨はAGENTS.md・HITL・検証・記録。悩み別にどこから読むかも案内。各深掘り記事へのハブとしてどうぞ（数値は各社公式/報道ベース・CAG非検証）。
「結局どのAIが一番賢いの？」——去年までの主戦場はモデルの点数比べだった。でも2026年、軸が「その職種の仕事をAIとどう回すか」という作業環境の勝負へ移り始めた。分かりやすい実例が、Anthropicが2026-06-30に出した研究者向けAIワークベンチ「Claude Science」。60超のスキルと科学DB連携・ローカル/SSH実行・3D構造やゲノムを描き、何より“すべての出力が監査可能な履歴を持ち検証・再現できる”。チャットの「答え」でなく、作り方の記録が付いた「成果物」を残す——この構造は法務・営業・開発・マーケにも当てはまる。道具を並べるより、職種の仕事の流れと監査証跡を1環境に設計する“作業台”を作れるかが次の差になる。分かりやすく整理した最新動向解説（数値はAnthropic公式ベース・CAG非検証）。
「AIを全社導入すれば生産性が上がる」はもう半分古い。2026年、AIを使える会社ほど次はAIの“使いすぎ”に悩む。原因は社員でなく、エージェントが進化して1回の作業がリポジトリを読み・考え・書き・やり直す長丁場になったこと。そのすべてがトークンとして請求に積み上がる。GitHub CopilotのAI Credits（使用量課金）、OpenAIのprompt caching＆soft budget、Anthropicのtoken counting／Claude Code使用量、headroomの文脈圧縮——各社の公式機能は撤退でなく“トークンFinOps”へ向かっている。次の壁はプロンプト術でなく、モデルのルーティング・キャッシュ・圧縮・予算ゲートの運用設計だ。分かりやすく整理した最新動向解説（数値は公式/GitHub/報道ベース・CAG非検証）。
Claude CodeやCodexで「スキル（skill）」を増やすのは便利だ。でもスキルはプロンプトではなく、命令・参照・スクリプト・外部ツール接続をまとめた小さな実行可能パッケージ＝新しい攻撃面でもある。リスクは3層（悪意ある指示／scripts依存の供給網／MCP tool poisoning＝ツールを呼ぶ前に説明文が効く）。NVIDIA SkillSpectorやSnyk Agent ScanはAI版npm auditだが「通せば安全」は誤り。npmを入れる時に依存を見るように、AIスキルも read→scan→sandbox→権限最小化→project-local→log の6段ゲートで入れる。分かりやすく整理した最新動向解説（数値は公式/GitHub/研究ベース・CAG非検証）。
「AI使えます」と言う人は増えた。でも画面共有してもらうと、差はすぐ出る。単発の質問を投げる人と、過去のメモ・業務ルール・検証手順・再利用可能な指示まで含めて"一つの仕事の流れ"としてAIを動かす人。採用の現場では、AI利用を禁止する面接から、あえて許可して使い方を観察する面接へ移り始めた（Canva・Google・Zapier・Recruo）。評価軸が「AIを使えるか」から「AIを組み込んだ仕事の流れを見せられるか」へ動いている。何が変わったのか、そして自分の仕事で"見せられるAIワークフロー"を作る5ステップを、外部動向をもとに解説する。
6月に米政府の指令で全停止したClaude Fable 5が、7月1日に再展開された。でも「元通り」ではない。安全分類器で止めたリクエストを拒否せずOpus 4.8へ回す"能力の降格"、政府（CAISI）によるテスト、業界共通のjailbreak評価基準。戻り方そのものが、AIモデルは「リリースして終わり」から「運用し続けるもの」に変わったことを示している。何が止まり、どう戻り、何が変わったのかを、AIを業務に使う側の目線で分かりやすく整理する。