LinearB、コーディングエージェントにエンジニアリングのコンテキストを提供するAgentic Studioを発表

LinearBは、ソフトウェア開発・提供に関するデータを、エンジニアリングリーダーやコーディングエージェントが意思決定に活用できるコンテキストへと変換するAgentic Studioを発表した。11月2日に発表されたこのプラットフォームは、チームがソフトウェアの計画、開発、レビュー、リリースに使用するツールを網羅するエンジニアリングコンテキストのレイヤーと、自然言語による分析機能を組み合わせている。

この発表の背景には、AI支援開発で深刻化する問題がある。コードの生成量が増えても、組織が有用なソフトウェアをより速く提供できるとは限らない。レビューが滞り、変更の評価が難しくなることもある。また、エージェントが、どのサービスに障害が起きやすいのか、ある修正がなぜ重要なのかを把握しないままタスクに着手することもある。

発表によると、Agentic StudioはLinearBのすべての顧客が利用できる。タスクに応じてエージェントの作業量を調整する初期機能を含むエージェントスキルは、早期アクセスで提供されている。

開発・提供データをエンジニアリングコンテキストに変換

LinearBはソフトウェアの開発・提供プロセス全体から情報を収集し、共通モデルに統合する。同社によると、Gitやプロジェクト管理システム間でエンジニアのIDを照合し、チケットからリリースまで変更を追跡できるようにするとともに、AIによる貢献の分析やベンチマークを加え、リーダーが結果を解釈しやすくしている。

重要なのは、こうした記録を相互につなげることだ。プルリクエスト単体では単純に見える変更でも、最近インシデントが発生したサービスや、頻繁に手戻りが起きるサービス、所有関係が複雑なサービスに影響する場合がある。変更をその履歴と関連付けることで、リポジトリのスナップショットだけでは得られない情報を、レビュー担当者やコーディングエージェントに提供できる。

新しいスタジオでは、リーダーは平易な言葉で質問し、次のステップの提案を受けたり、AIの支援を使って指標、ダッシュボードなどの成果物を作成したりできる。LinearBによると、プラットフォームに組み込まれたロールベースのアクセス制御により、組織は各ユーザーが利用できるコンテキストを定義できる。

この方針は、関連性の高い情報を選び、エージェントのコンテキストウィンドウを無差別に埋めないことを重視する、同社のコンテキストエンジニアリングに関する指針に沿っている。そのフレームワークでは、コード、変更の意図、システム間のつながり、そしてエージェントがアクセスできる範囲を考慮する。

リスクに応じて作業量を調整する早期アクセス版スキル

最初のエージェントスキルは、コーディングタスクにどの程度の作業を割くべきかを判断するよう設計されている。LinearBによると、事業上の重要性、複雑さ、リスクを考慮し、手戻り率、最近のサービスインシデント、所有履歴などのシグナルを利用する。

リスクの低い変更には、使用するトークン数を抑えた簡易的な対応を適用できる一方、より重大な変更には、慎重な分析やテストをより多く行える。エンジニアリングリーダーは、タスクが低・中・高の各作業量に振り分けられる頻度を確認できる。同社によると、このスキルはあらゆるコーディングエージェントで利用できる。ただし、発表では特定のエージェント間の比較結果は示されておらず、実際に達成されたトークン削減量も定量化されていない。

コスト削減の効果が立証される前であっても、このエンジニアリング上の考え方には価値がある。一律の推論予算では、小規模な保守変更も、本番環境に関わる慎重さを要する修正も同じように扱われる。タスクに応じたコンテキストを使えば、ミスの代償が大きい作業により多くの注意を割きつつ、単純な変更に不要な作業を費やさずに済む可能性がある。

MCPでデータを既存のAIワークフローに接続

LinearBは、Model Context Protocol（MCP）を通じてもエンジニアリング情報を提供している。同社のMCP製品ページでは、開発・提供指標への自然言語によるアクセス、カスタムレポート、ボトルネック分析に加え、レビューの自動化や振り分けといった提案を紹介している。

これにより、チームはダッシュボードを手作業で切り替えることなく、AIクライアントからエンジニアリングデータを調査できる。MCPはツールや情報への接続を担い、コンテキストレイヤーは、リポジトリやチームに関する質問を有意義なものにする、開発・提供プロセス固有の関係性を提供する。

新しいプラットフォームの展開にあたっては、整理しておくべき相違点がある。今回の発表ではロールベースのアクセス制御とエンタープライズ向けの保護策が説明されている一方、LinearBの公開MCP FAQでは、権限に応じて範囲を限定するMCPアクセスは、依然としてロードマップ上の項目に挙げられている。したがって、新スタジオのアクセス制御に関する説明を、既存のすべてのMCPクライアントがすでにLinearBのあらゆる権限を引き継いでいることの確認と受け取るべきではない。

AIの出力増加が後工程のボトルネックを浮き彫りにする理由

LinearBの発表では、253組織の開発者83,000人によるプルリクエスト270万件を対象とした、2026年のAIベンチマークが引用されている。同社によると、コーディングを行う日の少なくとも75%でAIを使用した開発者は、1年前と比べて週あたりのプルリクエストのマージ数が96%増加した。

これらの数値が示すのは観測された活動であり、変化の原因がAIだけにあることを証明するものではない。また、マージされたプルリクエストが増えても、顧客が得た価値まで2倍になったとは言えない。発表では別途、AI支援による変更は規模が大きく、エージェントが作成したプルリクエストはレビュー待ち時間が大幅に長かったという調査結果も引用されている。これは、コード生成の高速化によって、開発・提供プロセスのほかの部分に作業が移る可能性を示している。

顧客事例を見ると、この違いが具体的に分かります。LinearBによると、Krakenは同社のMCPサーバーをAIと併用してレビューの遅延を調査し、大規模な変更よりも、タイムゾーンやレビュアーの対応可能性のほうが大きく影響していることを突き止めました。Krakenは4か月で、90パーセンタイルにおけるレビュー時間を半分超削減したと報告されています。同社が公開したKrakenとのディスカッションでは、リポジトリデータとデリバリーメトリクスを使ってボトルネックを見つける方法について、さらに詳しく紹介されています。

AI導入の測定からデリバリーの改善へ

LinearBは、レビュー、マージ、ガバナンスなど、後続の作業に対応するエージェントスキルをさらに追加する予定です。これらは今後の展開であり、スタジオが現在利用可能であることや、effortスキルが早期アクセス段階にあることとは別の話です。

より広い観点では、コーディングエージェントには、コードを取り巻く組織についての理解が必要です。何が重要なのか、誰が担当しているのか、過去の変更がどこで失敗したのか、どの制約が適用されるのかを把握する必要があります。Agentic Studioは、この考え方を開発者生産性プラットフォームに取り入れています。その価値は、生成したコードの量ではなく、納品される変更の品質と流れによって最終的に評価されます。