# マルチクラウドLLMルーティングと、コンテキストを理解するコーディングエージェント

- 番組: [Agentic Conversations (formally mlops.community)](https://ai-curator.jp/podcasts/shows/cmv3z5c0n000l5o10j1ogyu9h)（Demetrios）
- 元のタイトル: Multi-Cloud LLM Routing and Context-Aware Coding Agents
- 配信日: 2026年11月17日
- 長さ: 29分
- 要約作成日: 2026年11月17日
- トピック: [#AI Gateway](https://ai-curator.jp/topics/AI%20Gateway) [#LLMルーティング](https://ai-curator.jp/topics/LLM%E3%83%AB%E3%83%BC%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0) [#コードレビュー](https://ai-curator.jp/topics/%E3%82%B3%E3%83%BC%E3%83%89%E3%83%AC%E3%83%93%E3%83%A5%E3%83%BC) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#Flue](https://ai-curator.jp/topics/Flue) [#オープンソース](https://ai-curator.jp/topics/%E3%82%AA%E3%83%BC%E3%83%97%E3%83%B3%E3%82%BD%E3%83%BC%E3%82%B9)
- URL: https://ai-curator.jp/podcasts/cmwjiyryv00005o11h8yd5gz2

## 要約

CloudflareのMatt CareyとMiroのScott Crooksが、自社のAIゲートウェイとエージェント基盤、AIコードレビューの運用を語った回。Miroはリージョン、クラウド、データ居住要件を束ねてモデル呼び出しを振り分ける。Cloudflareはエージェント専用のコーデックスを使ったレビュアーをFlue上に構築した。オープンソースの運営負荷、社内ツールの公開と終了のさせ方、コードを書く量が減るなかで生まれる「学究的エンジニア」像にも話が及んだ。

## ポイント

- MiroのAIゲートウェイはモデル呼び出しとビジネスロジックを担う。たとえばドイツの顧客にはEUのモデルだけを使うといった制約を組み込み、リージョン・クラウド・直接提供元をまたいでリクエスト数やトークン数の上限を集約してルーティングする。
- Cloudflareはエージェント向けに、AIゲートウェイ、Agents SDK、Astroの開発陣によるJavaScript製フレームワークFlue、オープンソースのエージェント版オフィススイートCloudflare OSを提供している。
- CloudflareのコードレビューはFlue上で動き、エージェントだけが読む社内エンジニアリング・コーデックスで会社の流儀を共有している。Matt Careyは、これまで使った中で最良のAIコードレビュアーだと述べた。
- MiroはEaselbot、通常のClaude、自社のAIレビューボットの3層でレビューし、さらにOplaneでセキュリティやコンプライアンスを確認している。Easelbotは本番ログから夜間に修正PRを作るが、マージされるのは約半数で、その結果を学習に回している。
- AIによる安価なPRの急増に対し、MCP SDKは外部の非共同作業者によるPRを止めた。Astroはissueをゼロにし、これから常にゼロを保つ方針だという。
- コード生成が楽になるなかで、コードを読む量より概念や産業への理解が重要になるという見方から「学究的エンジニア」が語られた。

## 章立て

- [01:04] **AIゲートウェイとは何か** — Miroのゲートウェイは、モデル呼び出しと、EU限定モデルのような顧客要件を扱うビジネスロジックを一つにまとめたものだと説明された。
- [02:05] **マルチリージョン・マルチクラウド** — 同じモデルをAWS、Azure、GCP、Anthropic直接など複数経路で提供でき、上限を集約して経路を決める仕組みを紹介。Sidekicksでは自動モードも提供する。
- [04:40] **CloudflareのエージェントスタックとFlue** — Agents SDK、Flue、Cloudflare OSの概要と、JavaScriptが動く環境ならどこでも動かせる点が語られた。
- [07:27] **コーデックスを使ったコードレビュー** — エージェント専用の社内コーデックスと、Flue上のレビュアーを紹介。エージェント体験チームとベンチマークの話にも広がる。
- [12:34] **Miroの3層レビューとEasel** — 夜間にログから修正PRを作るEaselbot、Claude、独自レビューボット、Oplaneの役割。PRの約半数がマージされ、その結果をフィードバックとして使う。
- [15:55] **ソフトウェアファクトリーとOSS** — Astroのissueゼロ化や、低品質PRの選別、外部PRの停止など、OSSメンテナの負担軽減策が語られた。
- [18:38] **社内ツールの公開と終了** — 社内ツールを公開する際の評判や維持の責任、静的な時点として明示することや寄贈、安定化による終了のさせ方を議論した。
- [22:59] **ホットテイクと学究的エンジニア** — チョコとナッツの雑談を挟み、物理世界とソフトの融合、コードを読む量が減るなかで概念理解が重要になるという展望で締めた。

## 解説記事

CloudflareのMatt CareyとMiroのScott Crooksが、それぞれの社内でAIエージェントをどう使っているかを語った回である。話題はAIゲートウェイ、コードレビューの自動化、オープンソース運営、そしてコードをほとんど書かなくなったエンジニアの役割まで広がった。

#### モデル呼び出しは単純ではなくなった

Scottによると、MiroのAIゲートウェイには二つの役割がある。一つは実際にモデルを呼ぶ機能で、自社ホストのモデルと通常のLLM呼び出しを併用している。もう一つは顧客対応のためのビジネスロジックで、たとえばドイツの顧客には欧州のモデルだけを使う、といった条件を組み込む。

複雑さの源はモデルの提供形態の多様化にある。当初のAWSでは特定リージョンにしかモデルがなかった。いまはリージョンに加えてクラウドも複数になり、同じモデルをAWS、Azure、GCP、あるいはAnthropic直接で提供できる。Miroは経路ごとに毎分のリクエスト数やトークン数の上限を集約し、その枠をもとに振り分けている。AI機能「Sidekicks」（Miroにおけるエージェントの呼び名）では既定モデルに加え、コストを抑えたい顧客向けの自動モードもあるという。

#### Cloudflareのエージェント基盤とFlue

MattはCloudflareの構成を紹介した。外部モデルやWorkers AIのホスト型モデルへ振り分けるAIゲートウェイ、自作向けのAgents SDK、そしてAstroの開発陣が出したFlueである。Flueはエージェントの制御フローを書くためのJavaScriptフレームワークで、Node.jsやCloudflare Workers、ブラウザなど、JavaScriptが動く場所ならどこでも展開できるという。ツールの遅延読み込みといったハーネス設計もしやすいと述べた。

さらに、オープンソースで自分でデプロイできる「Cloudflare OS」も話題になった。エージェント版のオフィススイートで、スライド作成や、部署ごとのダッシュボードをブループリントとして共有する使い方ができるとされる。Matt自身は家庭の食料品の買い物に使っているという。

#### コードレビューの要は会社のコンテキスト

会話の中心はコードレビューだった。MattはFlue上に作った社内のレビュアーを、これまで使った中で最良だと評価している。外部公開の予定は未定だという。成否を分けるのは、会社として何を良いPRとみなすかという集合的な文脈の量だという。

そのためCloudflareは約1年前から、エージェントだけが読む社内エンジニアリング・コーデックスを整備している。使ってよいツール、例外の扱い、課題へのアプローチなどを、会社の運営に関する調査をもとにエージェント自身が書いた。かつてAirbnbのスタイルガイドがJavaScriptの書き方を方向づけたように、このコーデックスでアプリ全体を作れるようにしたい、というのが彼の狙いである。

関連してDemetriosは、ドキュメントをエージェントが理解できるかを評価する難しさを挙げた。Mattは「エージェント体験」が新しい分野になっていると述べ、Cloudflareの専任チームが、最先端のコーディングエージェントがCloudflareのAPIをどれだけ使えるかのベンチマークを作ったことを紹介した。

#### Miroの3層レビューと、半分しかマージされない意味

Scottによると、Miroのレビューは三つの仕組みで構成される。Easelbotは会社全体の文脈とアプリのログにアクセスし、朝には頻発エラーに対する修正PRが2〜3件できている。個々の変更には通常のClaudeによるレビューがあり、パイプラインで自動実行される自社のAIレビューボットは、Easelbotの修正案に対する人の承認や却下を見て、人が重視する点を学ぶ。

興味深いのは、開かれたPRのうちマージされる割合がおおむね5割だという点だ。Scottはこれを重要な指標とし、関連性の判断を強化学習的に返している。セキュリティ面ではOplaneを併用し、GitHub Actionsの設定やシークレットの露出、データの伏せ方などを確認しているという。

#### OSSの負担、社内ツールの公開、学究的エンジニア

Mattは、Astroがissueをゼロにしたと紹介した。ゼロを保つ方針だという。一方、AIで安価に作れるPRの流入は、オープンソース運営の負担になっている。Superpowersの作者は低品質なPRを自動で選別していると語り、Mattが関わるMCP SDKは外部の非共同作業者によるPRを止めてissueのみにしたという。メンテナにはプロジェクトの方向性への強い考えがあり、従来のやり取りの手間をどう減らすかが課題だと語られた。

社内ツールの公開については、Kelsey Hightowerの講演を引いて、評判の面からも公開した以上は維持が求められるという議論があった。LLMでデモから同等物を作れる時代には、公開コードを「ある時点のもの」として明示する、他者に寄贈する、安定版にして開発を止める、といった終わらせ方が重要になるという見方も出た。

終盤でMattは、コードを書く量も読む量も減るなか、システムや産業の概念への理解を深めることが重要になると述べ、「学究的エンジニア」について記事を書きたいと語った。Scottの同僚はこれを「紳士科学者の時代」と呼んでいるという。抽象度が上がるほど、適切な言葉と概念を持つことが効いてくるという考えである。

#### まとめ

日本の読者にとっての注目点は三つある。第一に、モデル提供の経路が増えるほど、レート制限やデータ居住要件を束ねるゲートウェイ層の価値が高まる。第二に、AIレビューは導入するだけでなく、社内の規範を書いたエージェント向け文書と、マージ率などの人の反応を学習に戻す仕組みで精度が変わる。第三に、コードを読む量が減る時代に、エンジニアには概念理解と取捨選択が求められる。自社の運用を設計する際の具体的な参考になる回だ。

> 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)「Multi-Cloud LLM Routing and Context-Aware Coding Agents」
