プロジェクトの要求や要件を漏れなく抽出し、矛盾を指摘し、検証可能な形でまとめた仕様書（spec-as-source）を生成・更新する AI エージェントシステム
✅ 基本的なエージェントシステムが完成しました
現在、以下の機能が実装済みで、すぐに使用可能な状態です：
- ✅ RequirementsAgent: 要求要件の抽出と仕様書生成
- ✅ SpecToTasksAgent: 仕様書からタスクへの分解
- ✅ CLI: コマンドラインでの操作が可能
- ✅ インタラクティブモード: 質問に答えながら仕様書を改善
- ✅ サンプルファイル: すぐに試用可能な入出力例
RE-Architect（Requirements Engineering Architect）は、LangGraph × LangChain を活用した 2 エージェント体制のシステムです。
-
RequirementsAgent（要求要件定義エージェント）
- 要求要件の抽出と質問生成
- 矛盾・抜け漏れの検出
- 構造化された仕様書の生成・更新
- オープンクエスチョンの管理
-
SpecToTasksAgent（タスク分解エージェント）
- 仕様書から実装タスクへの分解
- Epic/Story/Subtask の生成
- トレーサビリティ情報の付与
- 見積もりと優先順位付け
- ✅ 構造化 Markdown 形式の仕様書生成（PR にそのまま配置可能）
- ✅ 一意な ID（FR-XXX, NFR-XXX, AC-XXX）の自動採番
- ✅ Given/When/Then 形式の受け入れ基準（Acceptance Criteria）
- ✅ 優先度・依存関係付きのオープンクエスチョン管理
- ✅ 変更履歴の自動記録（append-only 形式）
- ✅ トレーサビリティ表（FR ↔ AC ↔ テスト観点）
システムが自動的に以下の観点をチェックし、不足があれば質問を生成します：
機能要件（FR）:
- 認証・認可（ロール・権限マトリクス、監査ログ）
- CRUD・一括操作（再実行性・冪等性）
- 検索・ソート・ページング（N+1 回避、キャッシュ戦略）
- 通知機能（チャネル・頻度・ユーザ設定）
- バッチ処理（スケジュール・リトライ・DLQ）
- インポート／エクスポート（フォーマット・整合性）
- 管理機能（設定・ロールアウト・機能フラグ）
- 多言語／通貨／タイムゾーン対応
非機能要件（NFR）:
- パフォーマンス（p95/p99 目標値）
- 可用性（SLO・エラーバジェット）
- セキュリティ（暗号化・アクセス制御・監査）
- コンプライアンス（法令遵守・データ保持）
- 可観測性（ログ・トレース・メトリクス）
- アクセシビリティ（WCAG 2.x AA）
- デプロイ戦略（Blue/Green, Canary）
- バージョニング（API・イベントスキーマ方針）
1. 現時点で判明している情報を要約
2. 不明点・矛盾点に対して、最大5件の重要質問を提示（優先度付き）
3. リスクやトレードオフに対して、解決案を2～3通り提案
4. 仕様書を更新し、変更点を変更履歴に追記（差分最小）
- 言語: TypeScript
- AI フレームワーク: LangChain + LangGraph
- LLM: OpenAI GPT-4（または指定モデル）
- 永続化: ファイルベース（将来的に SQLite/Redis 対応予定）
- テスト: Jest / Vitest
RequirementsAgent のフロー:
summarize → ask_clarify → merge_spec → decide_done
↑ |
|__________ (未完了の場合) _______________|
SpecToTasksAgent のフロー:
read_spec → derive_tasks → estimate → export
src/
agents/
requirements/ # 要求要件定義エージェント
index.ts
state.ts
prompts/
system.txt # システムプロンプト
nodes/ # グラフノード
summarize.ts
ask_clarify.ts
merge_spec.ts
decide_done.ts
tools/ # ツール実装
file_io.ts
id_gen.ts
validate.ts
spec_to_tasks/ # タスク分解エージェント
index.ts
nodes/
tools/
lib/ # 共通ライブラリ
llm.ts
graph.ts
types/ # 型定義
specs/ # 生成された仕様書
tasks/ # 生成されたタスク
npm install.envファイルを作成し、OpenAI API キーを設定します：
# .envファイルを作成
echo "OPENAI_API_KEY=your_api_key_here" > .env
# オプション: 使用するモデルを指定（デフォルト: gpt-4o-mini）
# echo "OPENAI_MODEL=gpt-4o" >> .env詳細な環境変数設定については ENV_SETUP.md を参照してください。
npm run buildサンプルファイルを確認したい場合：
npm run agent:initこれによりspecs/example_input.mdなどのサンプルファイルが生成されます。
npm run agent:requirements対話形式で要件を入力し、エージェントが質問しながら仕様書を完成させます。
オプション：
# 入力ファイルを指定
npm run agent:requirements -- -i specs/example_input.md
# 出力先を指定
npm run agent:requirements -- -o specs/my_spec.md
# スレッドIDを指定して前回の続きから
npm run agent:requirements -- --thread-id thread_123456npm run agent:requirements -- -i specs/example_input.md --mode batch入力ファイルから一括で仕様書を生成します（対話なし）。
npm run agent:tasks生成された仕様書（specs/draft.md）から実装タスクを自動生成します。
オプション：
# 入力する仕様書を指定
npm run agent:tasks -- -i specs/my_spec.md
# タスクの出力先を指定
npm run agent:tasks -- -o tasks/my_tasks/npm run agent:full -- -i specs/example_input.md要求要件定義からタスク分解まで一貫して実行します。
# 1. プロジェクトを初期化
npm run agent:init
# 2. 環境変数を設定（.envにOPENAI_API_KEYを追加）
# 3. サンプル入力から仕様書を生成
npm run agent:requirements -- -i specs/example_input.md
# 4. インタラクティブモードでエージェントと対話
# エージェントの質問に答えながら仕様書を改善
# 5. 仕様書が完成したらタスクを生成
npm run agent:tasks
# 6. 生成されたファイルを確認
# - specs/draft.md：要求要件定義書
# - tasks/：実装タスク一覧# 1. 要件ファイルを作成
cat > specs/my_project_input.md << 'EOF'
# プロジェクト要件
## プロジェクト名
...（あなたのプロジェクトの内容）
EOF
# 2. インタラクティブモードで仕様書を作成
npm run agent:requirements -- -i specs/my_project_input.md -o specs/my_project.md
# 3. タスクを生成
npm run agent:tasks -- -i specs/my_project.md -o tasks/my_project/詳細な実装計画は TODO.md を参照してください。
- M1: MVP - 基本的な要求要件定義書の生成が可能
- M2: フルフロー対応 - 仕様書からタスク分解まで一貫して実行可能
- M3: プロダクション準備 - 実用レベルの品質と機能
- M4: 拡張機能 - 外部連携・UI 提供（GitHub/Jira 連携、Next.js UI）
- 設計完了（AGENTS.md）
- 実装計画作成（TODO.md）
- Phase 1: プロジェクトセットアップ ✅
- Phase 2: 共通ライブラリの実装 ✅
- Phase 3: RequirementsAgent の実装 ✅（テスト以外）
- Phase 4: SpecToTasksAgent の実装 ✅（テスト以外）
- Phase 5: 統合とエントリポイント ✅
- Phase 6: 高度な機能（次のステップ）
🎉 MVP 完成！ エージェントが動作可能な状態になりました。
RE-Architect は、エンジニアリングワークフロー全体をカバーする AI エージェント群の第一歩です。
- RE-Architect（本プロジェクト）
- アーキテクチャ設計の提案
- システム構成図の生成
- 技術選定の支援
- SpecToTasksAgent（本プロジェクトに含まれる）
- コード生成
- リファクタリング提案
- コードレビュー支援
- テストケース生成
- テスト自動化
- 品質メトリクス分析
- 現場で活用するための AI エージェント実践入門 (KS 情報科学専門書)
tool にはレストラン予約や飛行機予約などの高レイヤーな行動、ボタンクリックや画面繊維などの低レイヤーな行動がある
-
took の粒度や汎用性が様々であるということ
-
高レイヤー
- 汎用性が低い
- 組み合わせが単純化されるため、タスク達成率が上がる
-
低レイヤー
- 汎用性が高い
- 組み合わせが複雑になり、タスク達成率が下がる
人間が道具を使う時の認知プロセスを参考にする
-
手続き的記憶
- 道具を利用するための技術的な推論
- 魚のおろし方、出刃包丁の使い方など
-
宣言的記憶
- 事実や出来事を言葉で説明する知識
- 出刃包丁は魚の太い骨などを断ち切る際に使用する刃物
-
osiurak and heinke: looking for intoolligence
- この論文で intoolligence が定義されている
問題解決のために 2 つの計画に分類して、計画を進める
-
タスク計画
- 大きな問題を小さな問題に分割する方針だて
- 問題解決までの道のりが長い場合は、サブゴールという中間ポイントを設ける
- サブタスクを独立して対処できるように別タスクとして扱う
-
行動計画
- タスクを解決するまでの実行可能な一連のステップ
- AIP 呼び出し、ボタン操作、移動など
- ステップ間の依存関係の考慮が必要か
- 例:カレーを作るときに鍋に水を入れ、煮込むという順序が必ずある
- ステップの実行途中で行動計画の変更が必要か
- 計画を進めて柔軟に変更することが求められる場合がある
- 将棋は次に指す手を相手が指した後に考える必要がある
- 実行可能な手順に必要な制約条件はあるか
- 旅行計画を立てる時に、ホテルの予算やグレード、行きたい先が決まっているのであれば、その条件に合う計画を考える必要がある