# スタンフォード大学のAIコーディング講義はこう変わった

- 番組: [Agentic Conversations (formally mlops.community)](https://ai-curator.jp/podcasts/shows/cmv3z5c0n000l5o10j1ogyu9h)（Demetrios）
- 元のタイトル: How Stanford Teaches AI Coding Now
- 配信日: 2026年11月3日
- 長さ: 43分
- 要約作成日: 2026年11月3日
- トピック: [#AIコーディング](https://ai-curator.jp/topics/AI%E3%82%B3%E3%83%BC%E3%83%87%E3%82%A3%E3%83%B3%E3%82%B0) [#Claude Code](https://ai-curator.jp/topics/Claude%20Code) [#エージェントハーネス](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E3%83%8F%E3%83%BC%E3%83%8D%E3%82%B9) [#コンテキストエンジニアリング](https://ai-curator.jp/topics/%E3%82%B3%E3%83%B3%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3%E3%82%B0) [#MCP](https://ai-curator.jp/topics/MCP) [#営業エージェント](https://ai-curator.jp/topics/%E5%96%B6%E6%A5%AD%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88)
- URL: https://ai-curator.jp/podcasts/cmvzzy0er00005j10w3hstatn

## 要約

スタンフォード大学講師でMonacoのAI責任者を務めるMihail Ericが、Waymoの車内でDemetriosと対談した回。Claude Codeの登場を受けて講義の約8割を作り直した経緯や、AIスロップを避けるための研究・計画・検証の進め方を語る。後半は、MCPツール設計やMonacoの営業エージェント基盤など、本番運用の工夫を紹介している。

## ポイント

- MihailはOpus 4.5とClaude Code登場後の変化を受け、「The Modern Software Developer」の内容の約8割を入れ替えたと述べている。
- 宿題はOSSへの実コントリビューションで、メンテナーから「スロップだ」と苦情が来た場合は0点にするという線引きをしている。
- 研究→計画→実装→テストというループ（RPI）を重視し、エージェントの出力を検証できる仕組み（ブラウザ操作、E2Eテスト、録画など）を整えることを勧めている。
- MCPツールはAPIの一対一変換ではなく、エージェントが達成したい意図（例：会議検索）を軸に設計すべきだとしている。
- Monacoは自社エージェントハーネスを競争優位と位置づけ、自然言語から中間表現を経てLangGraphへコンパイルする仕組みを持つ。
- ドメイン専門家とソフトウェアエンジニアの協働が強みで、両者の間の翻訳が失敗しやすい点だと述べている。

## 章立て

- [00:00] **講義の大改訂とOSS課題** — Claude Code普及を受けて講義の大半を作り直したこと、OSSへの貢献を宿題にしてスロップ対策を行っていることを説明。
- [04:09] **RPIループと検証の重要性** — 研究・計画・実装・テストのループと、エージェントの成果を確かめる検証手段（録画、Playwright、WebMCP等）を議論。
- [09:15] **ゲスト講義：BorisとLee Robinson** — Claude Codeの作者Borisの使い方や、Lee Robinsonによるエージェントハーネスの解説、コンパクションの話を紹介。
- [16:40] **Gitの再発明とスタートアップの売り込み** — GitHubの信頼性問題と新しいGit・CI基盤の動き、トレース収集型の最適化サービスへの見方を語る。
- [23:40] **MCPツール設計とAgent Experience** — MCPサーバーの分析やエージェント体験の最適化という新カテゴリについて意見交換。
- [26:01] **Monacoの営業エージェント** — 営業向けのエージェントビルダー、メール・会議・Slackからのインサイト抽出、Monaco memory、FTAEによる人手支援を説明。
- [35:03] **ブランド戦略とポーカー** — Monacoのギャンブルやフォーミュラ1をモチーフにしたブランド活動や、ポーカーナイトの賞金について話す。
- [36:44] **自社ハーネスと意図中心のツール設計** — 自然言語からLangGraphへのコンパイル構造、メモリ、ツール設計、専門家とエンジニアの協働を語り締めくくる。

## 解説記事

スタンフォード大学の講師で、営業向けAIプラットフォームMonacoのAI責任者でもあるMihail Ericが、Waymoの車内でDemetriosと対談した。AIコーディングの教え方が1年でどう変わったか、そしてエージェントを実運用に載せる際の設計上の勘所が主な話題である。

#### 講義の8割を作り直した理由

Mihailが教える「The Modern Software Developer」は今年で2年目になる。彼によると、昨年秋の講義期間中はモデルの性能が比較的安定していたが、12月にOpus 4.5が登場してからClaude Codeが一気に広まり、長い時間軸のエージェントタスクが現実的になった。そのため、夏のほとんどを使ってカリキュラムの約8割を捨て、作り直したという。

新しい内容には、ハーネス（エージェントを動かす枠組み）、ループ、ソフトウェアファクトリー、完全自動のAIコードレビュー、自動承認やマージといったDevOps領域、コードベースのエージェント対応度などが含まれる。

#### スロップを避けるための宿題設計

今年の宿題は、提携したOSSプロジェクトへの実際のコントリビューションである。メンテナーから「スロップ（品質の低いAI生成物）はやめてくれ」と連絡が来た場合は、その課題は0点にするとMihailは述べている。

対策として教えているのは、エージェントの出力を一行ずつ読むことに加え、高度なコンテキストエンジニアリングだ。巨大なリポジトリの中核アーキテクチャを素早く把握し、課題の範囲を見極め、必要な文脈を集め、適切なMCPツールやスキルをつなぐ。基本の型は、研究、計画、実装、テストを回すRPIループで、仕様をある程度詳細に書き、エージェントが長く動いても自己検証できる手段を用意することを重視している。

#### 検証をどう作るか

Demetriosが最も時間を割く価値があると語ったのが検証器の整備だ。例として、アプリの動作を録画して見せるスキルや、コード差分を視覚的な図で示す工夫、PlaywrightとMCPの組み合わせ、デバッグ専用のWebMCPなどが挙がった。Mihailは、検証ループを改善する企業はいずれソフトウェアファクトリー全体を狙うようになるだろうと予想している。MLOpsで起きた「特化から拡張へ」の流れと同じだという見方だ。

ゲスト講義では、Claude Codeの作者Borisが、トークンコストを気にせず大量のエージェントを動かす最前線の使い方を語ったという。単発のプロンプトではなく、ループに話しかけることが大切だという考え方も紹介された。Lee Robinsonの講義はエージェントハーネスの入門で、コンピュータ操作、コンテキストエンジニアリング、サブエージェントによる無限コンテキストの錯覚、ファイルシステムを使ったコンパクションなどが扱われたと説明している。

#### 周辺ツールへの視点

GitHubの信頼性への不満やコミット数の急増を背景に、エージェント向けの新しいGit、ランナー、CI基盤を作るスタートアップが増えているとMihailは述べる。一方で、アプリのトレースを収集してモデルのルーティングや微調整を提案するサービスには慎重だ。トレースは「新しい石油」であり、すでに評価・観測のツールを使っているため、追加で預けることには抵抗があるという。MCPの利用分析についても、コーディングエージェント向けの最適化には有用かもしれないが、独立した製品として成立するかは様子見としている。

#### Monacoのエージェント基盤

MonacoはCRM、アウトバウンド、データ補強などを一体化した営業プラットフォームで、メール、会議の録音と文字起こし、Slackなどから組織のトーンやICP（理想顧客像）を推定する。Karpathyが提案したLLM Wikiに近い永続ストア「Monaco memory」も備える。導入時には、フォワードデプロイされたアカウントエグゼクティブ（FTAE）が付き、顧客ごとにTAM（獲得可能市場）を用意するなど人手のサポートも厚い。

技術面では、サンドボックスなどは外部ベンダーを使い、差別化にならない部分は自作しない方針だ。一方でエージェントのハーネスは自社開発で、自然言語を中間表現（JSONやYAML）に変換し、それをLangGraphにコンパイルして実行する。ワークフローエンジンは差し替え可能だとされ、競争力の源泉はメモリ、公開するツール、コンパクションの賢さにあると語っている。

MCPツールについては、APIを一対一で写すV1的なやり方を最悪の方法と呼ぶ。会議の検索なら、キーワード検索と意味検索を単一の入口にまとめるなど、エージェントが達成したい意図を軸に設計すべきだという。

#### まとめ

本対談から読み取れるのは、モデルが進化しても、調査・計画・検証という基本動作と、コンテキストやツールの設計の重要性は変わらないという点である。日本のエンジニアにとっては、MCPを意図ベースで設計する考え方や、検証手段を先に整える姿勢が実務に直結しそうだ。また、専門家の知見をエージェントに落とし込む際の「翻訳の失敗」を最大の課題とする指摘は、業務特化型AIを作る企業にとって示唆が大きい。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Agentic Conversations (formally mlops.community)「How Stanford Teaches AI Coding Now」