今、AIコーディングの世界で「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という驚くべき知見が大きな話題を呼んでいます。
この現象は、多くの開発者が経験してきたAIエージェントとの協業における「コンテキスト管理」の課題に一石を投じるものです。
大規模言語モデル（LLM）を基盤とするAIコーディングエージェントは、開発者の強力なパートナーとして進化を続けています。
しかし、その能力を最大限に引き出すためには、AIに与える情報、すなわち「コンテキスト」の質が極めて重要であることが改めて浮き彫りになりました。
特に、白井暁彦氏によるこの発見は、AIエージェントへの指示のあり方、そしてその効果について、開発コミュニティに新たな視点を提供しています。
これまで、多くの開発者はAIに多くの情報を提供すればするほど、AIが賢く、正確に動作すると考えてきました。しかし、実際には肥大化した指示ファイルがAIのパフォーマンスを低下させるという逆説的な状況が起こっていたのです。
本記事では、このトレンドがなぜ今注目されているのか、その背景にあるAIエージェントの特性、そして今後のAIコーディングの展望について、最新のWeb情報に基づいて深く掘り下げて解説します。
読者の皆様が、この新たな潮流を理解し、自身のAIコーディング体験をより賢く、より効率的にするためのヒントを見つけることができるよう、詳細にわたってご紹介します。
AIエージェントとの付き合い方を見直すことで、開発プロセスがどのように変化するのか、ぜひ最後までお読みください。
AIコーディングにおける「指示ファイル」の重要性とその変遷
AIコーディングエージェントの登場は、ソフトウェア開発の現場に革命をもたらしました。これらのエージェントは、コード生成、デバッグ、リファクタリングなど、多岐にわたるタスクを支援し、開発者の生産性を飛躍的に向上させています。
しかし、その高い能力を発揮させるためには、AIに適切な「指示」を与えることが不可欠です。この指示を記述するために使われるのが、CLAUDE.mdやAGENTS.mdといったMarkdown形式のファイルです。
CLAUDE.mdとAGENTS.mdの基本的な役割
CLAUDE.mdは、Anthropicが開発するAIコーディングツール「Claude Code」において、プロジェクト独自の規約や技術スタックをAIに認識させるための設定ファイルです。
同様に、OpenAI CodexなどのAIコーディングエージェントではAGENTS.mdが使用されます。
これらのファイルは、AIエージェントがコードを生成する際に参照すべき命名規則、設計思想、特定のプロジェクトルール、作業手順、注意事項などを記述するために用いられます。
開発者はこれらのファイルを通じて、AIエージェントにプロジェクトの文脈や期待される振る舞いを伝え、より質の高いコードの生成を促します。
例えば、実装したい機能の概要や要件、データベース設計などをMarkdownで記述し、AIに「この設計に基づいた実装案を提示して」と指示を出すといった活用方法があります。
これにより、AIは単なる汎用的な応答ではなく、プロジェクトに特化した具体的な提案を行うことが可能になります。
また、AGENTS.mdはオープン標準として策定されており、2025年後半にはOpenAI、Google、Cursorなどが協力して開発を進めました。
現在ではGitHub上の6万以上のリポジトリで採用され、Cursor、Jules、Aiderなど20種類以上のツールが読み込むポータブルな設定ファイルとなっています。
これにより、複数のAIコーディングツールを併用する開発チームでも、プロジェクトのルールを一元的に管理しやすくなることが期待されています。
なぜ「肥大化」という課題が生まれたのか
CLAUDE.mdやAGENTS.mdは、AIエージェントに多くの情報を提供することで、より賢く動いてくれるという期待から、時間とともに巨大化していく傾向にありました。
最初数十行だったファイルが、注意事項、作業手順、引き継ぎ事項、過去のトラブル記録などを追加していくうちに、数百行にも及ぶ「何でも帳」のようになってしまうのです。
開発者としては、AIに多くの情報、特に過去の経緯や特定のプロジェクトでのみ有効なルール、さらには「〜しちゃダメ」といったネガティブな禁止事項を書き足すことで、AIのミスを減らし、より正確な出力を期待していました。
しかし、この「情報量が多いほど賢くなる」という直感は、必ずしもAIエージェントの特性に合致するものではありませんでした。
実際には、長い指示書が常に有効とは限らず、古い進捗や既に完了した作業、特定のプロジェクトだけで使うルールまで毎回読み込ませることで、本当に重要な指示が埋もれてしまうという問題が発生していました。
この肥大化は、AIエージェントの処理効率を低下させ、かえってパフォーマンスの劣化を招く原因となっていたのです。
「削る」ことでAIが賢くなるメカニズム
「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という現象は、AIエージェントへの情報の与え方におけるパラダイムシフトを示唆しています。
単に情報量を増やすのではなく、その「質」と「配置」に焦点を当てることが、AIの真の能力を引き出す鍵となるのです。
▶ あわせて読みたい：はてな11億円流出事件の深層：偽警察詐欺と組織の脆弱性が生んだ連鎖
コンテキストの希薄化と情報過多の弊害
大規模言語モデル（LLM）は、与えられたプロンプト（指示）とコンテキスト（文脈情報）に基づいて応答を生成します。このとき、情報が多すぎると、AIは本当に重要な指示を見つけ出すのに苦労することがあります。まるで、膨大な書類の中から必要な一枚を探すようなものです。
白井暁彦氏の指摘によれば、肥大化したCLAUDE.mdやAGENTS.mdは、古い情報や無関係な情報が混在することで、重要な指示が埋もれてしまう「コンテキストの希薄化」を引き起こします。
AIエージェントは、与えられた全ての情報を処理しようとするため、不必要な情報処理にリソースを割き、結果として重要なタスクへの集中力が低下する可能性があります。
また、LLMは基本的にステートレス（状態を持たない）であるため、会話の履歴や指示ファイルの内容は、ターンごとに毎回APIに再送されます。
5,000トークンものCLAUDE.mdが存在する場合、それが毎回のやり取りで送られることで、トークンコストの増大と処理速度の低下を招きます。これは、AIの賢さとは裏腹に、運用上の効率を著しく損なう要因となります。
「情報配置」に焦点を当てた最適化戦略
AIを賢くする秘訣は、単にファイルを短くすることだけではありません。重要なのは「必要な情報を、必要な場所に、必要なタイミングで読み込ませる構造へ変えること」です。
これは「コンテキストエンジニアリングは情報量ではなく情報配置」という考え方に基づいています。
具体的には、以下の戦略が挙げられます。
- 情報の分離とモジュール化: グローバルな原則、プロジェクト固有のルール、詳細仕様、現在の進捗、過去の作業ログなどを個別に管理することで、エージェントがその場で必要とする情報を見つけやすくなります。例えば、ホームディレクトリに置かれたグローバルなCLAUDE.mdには、全プロジェクト共通のルールだけを記述し、特定サイトのURL規則やデータベース構造といった情報は、無関係なプロジェクトでは読み込ませないようにします。
- ネガティブな指示の削減とポジティブな置き換え: 長く使い込まれたCLAUDE.mdには「〜しちゃダメ」といった禁止事項や過去の失敗談が多く含まれる傾向があります。これらを「〜するなら、〜のほうがいいよ」といったポジティブな表現に置き換えることで、AIの「やる気」を引き出し、より建設的なアウトプットを促す効果が期待できます。
- 動的なコンテキスト提供: 常に全ての情報を読み込ませるのではなく、タスクの進捗や状況に応じて動的に必要なコンテキストを提供する仕組みを構築します。これにより、AIは常に最新かつ最も関連性の高い情報に基づいて推論できるようになります。
このような情報配置の最適化は、AIエージェントがより効率的かつ正確にタスクを遂行するための基盤を築きます。AIの能力を最大限に引き出すためには、人間側がAIの特性を理解し、その「脳」に適切な情報を与えるための設計思想が求められるのです。
コストと効率性への影響
CLAUDE.mdやAGENTS.mdの最適化は、AIコーディングのコスト削減と効率向上に直結します。前述の通り、LLMは会話全体を毎回APIに再送するため、指示ファイルの肥大化はトークン消費量の増加を意味します。
トークン消費量が増えれば、当然ながらAPI利用料も高騰します。
2026年2月に発表されたETH ZurichとLogicStar.aiの研究チームによる論文では、LLMに自動生成させた指示ファイルが、タスクの成功率を平均で約2〜3%下げ、推論コストを20%以上増加させることが分かりました。
これは、不適切なコンテキストが単に性能を落とすだけでなく、直接的な経済的負担にもなることを示しています。
逆に、指示ファイルを適切に「削る」ことで、AIが処理すべき情報量が減り、トークン消費量を抑えることが可能になります。これにより、API利用コストが削減されるだけでなく、AIの応答速度も向上し、開発サイクル全体の効率化に貢献します。
開発者は、AIエージェントが吐き出すコードの質だけでなく、それを生成する過程におけるリソース効率にも目を向ける必要が出てきていると言えるでしょう。
トレンドを牽引する人物と関連技術
「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」というトレンドは、特定の人物の洞察と、それを取り巻く技術的な進展によって加速しています。
この現象の背後には、AIエージェントの進化と、その活用方法を模索する開発者コミュニティの活発な動きがあります。
白井暁彦氏の提言と影響
このトレンドの火付け役となったのは、白井暁彦 aka しらいはかせ氏がnoteで発表した記事です。白井氏は、AI、コンピュータ・IT分野で数多くの著作や講演を手がける著名な専門家であり、その発信は常に業界に大きな影響を与えています。
彼の記事では、Claude CodeやCodexのようなコーディングエージェントを使い続けるうちに、CLAUDE.mdやAGENTS.mdが「何でも帳」のように肥大化し、結果的にAIの性能を低下させていた実体験が語られています。
そして、単にファイルを短くするのではなく、「必要な情報を、必要な場所に、必要なタイミングで読み込ませる構造へ変えること」が重要であると提言しました。
この提言は、多くの開発者が漠然と感じていたAIエージェントの「賢くなりにくさ」の根本原因を明確にし、具体的な改善策を示したことで、瞬く間に大きな反響を呼びました。
白井氏の言葉は、AIエージェントとの協業における「コンテキストエンジニアリング」の重要性を再認識させ、開発者コミュニティに新たな議論の波紋を広げています。
▶ あわせて読みたい：将棋AI、先手勝率94%の衝撃：ゲームの「結論」に迫るAI進化の最前線
研究機関からの検証結果とAIエージェントの進化
白井暁彦氏の提言を裏付けるかのように、研究機関からも同様の指摘がなされています。
2026年2月には、ETH ZurichとLogicStar.aiの研究チームが発表した論文で、「CLAUDE.md」をAIで生成すると、むしろタスクの成功率が下がり、推論コストが20%以上増加することが明らかにされました。
この研究は、指示ファイルなしの場合、LLMによる指示ファイルありの場合、人間による指示ファイルありの場合を比較し、人間が書いた指示ファイルはわずかに精度を改善するものの、エージェントが自力で発見しにくい情報だけを書くべきだと結論付けています。
この研究結果は、AIエージェントへのコンテキスト提供が、単に情報量を増やすだけでは逆効果になりうることを科学的に裏付けるものです。
AIエージェント自体も日々進化しており、特にAnthropicのClaude Codeは、「Auto Memory」機能により、人間が教えなくても細かな事情を記憶し、CLAUDE.mdやルールファイルに書いた数行と組み合わせることで、会話のたびに前提の説明を繰り返す必要がなくなっています。
また、Claude Codeでは、テスト方針、APIの命名規約、フロントエンドのスタイルガイドといったトピック別のルールファイルをフォルダにまとめることが可能になり、CLAUDE.mdのつけ足しではない、よりモジュール化されたコンテキスト管理が推奨されています。
これらの進化は、AIエージェントがより賢く、より自律的に動くようになるにつれて、人間側の指示の仕方も変化させていく必要があることを示しています。
診断ツール「cclens」が示す新たな視点
AIコーディングの最適化は、単なるプロンプトエンジニアリングの域を超え、AIエージェントの「健康診断」を行う時代へと突入しています。この新たな視点を提供するのが、「cclens」のような診断ツールです。
cclensは、Claude Codeの使い方を分析し、最適化を支援するツールとして注目を集めています。
cclensは、AIエージェントが「どこで迷い、何を無駄に読み、何度同じ失敗をしているか」を観測できることを目指しています。これはまさに、AIコーディングにも「プロファイラが必要になった」という認識に基づくものです。
従来の「勘運用」では、CLAUDE.mdやMCP（Model Context Protocol）サーバーを足していくことで対応してきましたが、使い込むほどに限界が訪れることが指摘されています。
cclensは、過去のセッション記録と現在の設定を読み込み、ローカルのSQLiteに整理することで、設定と実際の利用状況を突き合わせます。
これにより、AIエージェントの「積みっぱなしの荷物」「同じ場所で何度も急ブレーキ」「毎朝必ず消費する燃料」といった非効率な挙動を可視化し、具体的な改善点を見つけ出すことが可能になります。
このような診断ツールの登場は、AIエージェントとの協業をより科学的かつ効率的に進めるための重要な一歩と言えるでしょう。
AIエージェント活用の未来と次なる課題
「CLAUDE.mdとAGENTS.mdを削る」というトレンドは、AIエージェントとの協業が新たなフェーズに入ったことを示しています。今後、AIコーディングはさらなる進化を遂げる一方で、それに伴う新たな課題も浮上してくるでしょう。
コンテキストエンジニアリングの深化
AIエージェントの性能を最大限に引き出すためには、「コンテキストエンジニアリング」の概念がさらに深化していくと予測されます。これは、単にプロンプトを工夫するだけでなく、AIに与える情報の構造、粒度、タイミングを最適化するプロセスを指します。
将来的に、開発者はAIエージェントの特性に合わせて、より戦略的な情報配置を行うようになるでしょう。
例えば、グローバルなルールとプロジェクト固有のルールを厳密に分離し、タスクに応じて必要な情報だけを動的に注入する「レイヤードコンテキストファイル」のような概念が普及するかもしれません。
また、LLMエージェントの実行戦略として、「複数のエージェントをどう並べて動かすか」という実行戦略の最適化も重要になります。
Anthropicの公式ドキュメントでも「肥大化したCLAUDE.mdは無視されやすい」と警告されており、新しいモデルであるOpus 5では、旧モデルで有効だった検証ステップの指示が「邪魔にしかなっていない」とされていることから、モデルの進化に合わせて指示のあり方も常に見直す必要があります。
AIが賢くなるほど、人間側の「指示の作法」も洗練されていくことが求められるでしょう。
危険な自律行動への対策とガバナンス
AIエージェントの自律性が高まるにつれて、「危険な自律行動」への対策とガバナンスの確立が喫緊の課題となります。
実際に、AIエージェントが開発者のホームディレクトリやドライブ全体を誤って削除したり、不要なファイルを広義に解釈して重要な設定ファイルを消去したりする事例が報告されています。
これらの事故の背景には、AIエージェントが開発者本人の権限でホストのシェルを直接実行する構造や、危険なコマンド実行ごとの確認をスキップする設定（--dangerously-skip-permissionsフラグなど）が挙げられています。
このような悲劇を繰り返さないためには、以下の対策が不可欠です。
- 権限の最小化: AIエージェントに与える権限を必要最小限に限定し、特に破壊的なファイル操作や機密情報へのアクセスは厳しく制限するべきです。
- サンドボックス環境の活用: AIエージェントをサンドボックス環境で実行することで、誤ったコマンドが実行されても、ホストシステムへの影響を最小限に抑えられます。
- 人間による監視とレビュー: AIエージェントの行動ログを定期的に監視し、重要な操作の前には人間が必ずレビューするプロセスを組み込むことが重要です。
- AGENTS.mdによる「AIとの契約書」: AGENTS.mdに、AIエージェントに任せてはいけないことや、人間がレビューすべきタスクの権限マトリックスを明確に記述することで、AIとの協業における「契約書」としての役割を持たせることができます。
AIエージェントの導入は効率化の劇薬であると同時に、制御不能なリスクも孕んでいます。情シス部門を含め、組織全体でAIガバナンスの体制を構築し、「AIの暴走」を防ぐための最後の武器を持つことが求められています。
▶ あわせて読みたい：人間の視覚とJPEGの30年：不変の知覚がデジタル画像に残す価値とは
Markdownの役割と「Everything in Markdown」の可能性
今回のトレンドで改めて注目されているのが、Markdown形式のファイルの重要性です。Markdownは、そのシンプルさと可読性の高さから、AIがファイルを理解しやすい言語として認識されています。
Box AI Explainer Seriesでは、Markdownが人間が読めるコンテンツとAIシステムの間の「ユニバーサルな翻訳ツール」として機能し、AIが処理できるクリーンで構造化されたデータを提供すると指摘されています。
WordやExcel、PowerPointのような複雑なファイル形式は、AIが効果的に読み取れないことが多く、高額なAI投資が無駄になる可能性も指摘されています。
このことから、企業内で全てのドキュメントをMarkdown形式で作成・管理し、GitHubのようなプラットフォームでバージョン管理を行う「Everything in Markdown」という考え方が浮上しています。
これにより、社内ドキュメントがLLMにとって最適なインプットフォーマットとなり、AI活用の生産性を大幅に向上させることが期待されています。
また、Markdownファイルに目次を自動生成して最初に配置するテクニックも提案されており、これによりAIエージェントが大量のファイルから必要な情報を効率的に参照できるようになります。
AIエージェントがより洗練される未来において、Markdownは単なる軽量マークアップ言語以上の、AIと人間をつなぐ重要なインターフェースとしての役割を担うこととなるでしょう。
よくある質問
Q: CLAUDE.mdやAGENTS.mdとは具体的に何ですか？
A: CLAUDE.mdはAnthropic社のAIコーディングツール「Claude Code」で、AGENTS.mdはOpenAI CodexなどのAIエージェントで使われるMarkdown形式の設定ファイルです。
これらは、AIにプロジェクトのルール、技術スタック、作業手順などのコンテキストを伝えるために使用されます。
Q: なぜこれらのファイルを「削る」とAIが賢くなるのですか？
A: ファイルが肥大化すると、古い情報や無関係な情報が混在し、本当に重要な指示がAIに伝わりにくくなるためです。また、LLMは毎回全てのコンテキストを読み込むため、情報量が多いと処理コストが増え、効率が低下します。
「削る」ことで、AIは必要な情報に集中し、より正確かつ迅速な応答が可能になります。
Q: 白井暁彦氏の役割は何ですか？
A: 白井暁彦氏は、「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」という体験談をnoteで発表し、このトレンドの火付け役となりました。
彼の提言は、AIエージェントへの指示のあり方について開発コミュニティに新たな議論を巻き起こしました。
Q: AIエージェントの「危険な自律行動」とは何ですか？
A: AIエージェントが、誤った指示や過剰な権限によって、開発者の意図しない破壊的な行動（例：ホームディレクトリやドライブのデータ削除）を実行してしまうことです。
これはAIの賢さではなく、エージェントがホストのシェルを直接実行する構造や不適切な権限設定に起因します。
Q: 「Everything in Markdown」とはどのような考え方ですか？
A: 企業内のあらゆるドキュメントをMarkdown形式で作成・管理し、AIが処理しやすいクリーンで構造化されたデータとして活用する考え方です。
WordやExcelなどの複雑な形式よりもAIとの相性が良く、AI活用の生産性向上に貢献すると期待されています。
まとめ
「CLAUDE.mdとAGENTS.mdを削ったら、AIコーディングがグンと賢くなった」というトレンドは、AIエージェントとの協業における「コンテキスト管理」の重要性を再認識させるものです。
単に多くの情報を与えるのではなく、「必要な情報を、必要な場所に、必要なタイミングで」提供する「情報配置」の最適化が、AIのパフォーマンスを最大化する鍵となります。
この動きは、白井暁彦氏の提言を皮切りに、研究機関による検証や「cclens」のような診断ツールの登場によって加速しています。
今後のAIコーディングでは、コンテキストエンジニアリングの深化が求められ、AIエージェントの自律性向上に伴う危険な行動への対策とガバナンスの確立も不可欠となるでしょう。
開発者の皆様は、自身のAIエージェントがどのように情報を処理しているかを定期的に見直し、不要な情報を削除し、指示をモジュール化することで、AIコーディングの効率と精度を向上させることができます。
また、Markdown形式の活用を推進し、「Everything in Markdown」の考え方を取り入れることで、未来のAI駆動開発に備えることが推奨されます。
この新たな知見を活かし、より賢く、より安全なAIコーディングを実現しましょう。
コメント