エージェント型開発は、ソフトウェア開発者の生産性を飛躍的に高め、ソフトウェア制作のあり方を根本から変えつつあります。この変化は、多くのチームが想定していたよりも速く進んでいます。従来のIDEにおけるAI支援型コーディングとして始まったこの流れは、今やコードの生成・テスト・ドキュメントの作成まで行うエージェント型エンジニアリングワークフローへと進化しています。QtのようなオープンソースフレームワークのコードをAIエージェントが書く品質は既に高水準に達していますが、完全自律型AIエージェントにはまだ課題が残っています。それらのギャップは、専用のエージェントスキルとMCPツールによって効率的に補いながら、人間がワークフローの指揮者として関与し続ける形が最善です。
AIエージェントによる開発 vs. AI支援型開発
ソフトウェア開発は、従来のIDE利用やAI支援型コーディングから、完全なエージェント型エンジニアリングへと根本的にシフトしています。Qtをはじめとするオープンなフレームワークやエコシステムは、AIモデルがそれらを学習できるという特性から、AIドリブンなワークフローに自然に適合しています。ただし、AIエージェントはまだソフトウェア開発ワークフローのすべてのステップを担えるわけではありません。
後戻りできないポイント
2024年はIDEのコーディングアシスタントが普及した年でした。Claude CodeやCodexといったエージェント型開発ソリューションへの移行が2025年に加速し、2026年には重心がさらにエージェント型エンジニアリングへと移っています。この流れを加速させるように、次世代IDEの旗手として注目されていたCursorも最近エージェント型のUXを導入しており、それはClaude Codeに似た体験です。従来型IDEが今後も一定の役割を果たすとはいえ、純粋な手動プログラミングからの脱却は不可逆的な流れです。
Qt のオープンエコシステム：学習データ面での優位性
最先端のモデルはすでにQtベースのUIを上手に書けるようになっています。Qtはソースコードを公開するアプローチを採用しているため、大規模言語モデルが多様な事前学習データから学ぶことができました。
Claude、GPT、Geminiといったモデルは、単一ターンのタスク向けベンチマーク「QML100」において75〜86%のコーディング性能を達成しています。ソースコードが公開されているクロスプラットフォームフレームワークは、フロンティアモデルの学習を支えており、QtフレームワークのQML・C++コードの広範な採用と、人間のフィードバックによる強化学習 (RLHF) を通じた継続的なファインチューニングが、AIエージェントにとってのQtの活用可能性をさらに高めています。
事前学習の限界：現在のエージェントの課題
最先端のモデルがQtのUIコードを日常的なタスクレベルで十分に書けるようになった今も、エージェント型開発ソリューションの課題は依然として大きいです。AIエージェントがまだできないことのリストは、できることのリストよりも長い状況です。たとえば、FigmaデザインのUIコードへの変換、CMakeプロジェクトのコンテキスト管理、複雑なUIコントロールの実装、Qtライブラリのオンザフライでのインストール、Qt Testケースの作成、リンターを使った高度なコードレビューなどが挙げられます。
ギャップを埋めるもの：MCPツールとエージェントスキル
リンターやコードパフォーマンスプロファイラーなどの従来ツールをModel Context Protocol（MCP）を通じてAIエージェントから利用できるようにすることで、人間の開発者とAIエージェントの差を縮めることができます。
エージェントスキルは、さらなるドメイン専門知識をAI開発ワークフローに直接もたらします。スキルとは、特定のタスクに特化した知識と能力をAIエージェントに与える、ポータブルでバージョン管理されたパッケージです。よくある誤りの回避、ユニットテストの作成、Qt C++コードの深い分析、APIドキュメントの生成などをカバーします。事前学習済みモデルの知識だけに頼るのではなく、スキルを用いることでUIデベロッパーは自分のニーズに合ったエージェントワークフローを正確に組み立てられます。
各スキルはオンデマンドでリソースを読み込むため、インストール済みのスキル数にかかわらず、エージェントのアクティブなコンテキストをスリムに保てます。QMLバインディングの記述、コードレビュー、構造化されたコードドキュメントの生成など、タスクがトリガーされると、AIエージェントはコンテキストに基づいて関連スキルを自動選択し、組み込みツールを使って高品質で一貫した結果を提供します。
エージェントスキルはオープンな標準に従っているため、開発ワークフロー向けに作成されたスキルは、標準準拠の任意のエージェント型開発ソリューションでポータブルに使用でき、クロスプラットフォームアプリケーション（特に組み込みデバイスUI）を構築するチームにとって長期的な投資価値があります。
画像: QtのC++コードレビュースキル
エージェント型開発ワークフロー
ソフトウェア開発者の役割は、単純なAI支援型コーディングから、AIエージェントが行う作業の方向を決め、統括するものへと進化しています。Qtでは、クロスプラットフォーム開発においてこのシフトを積極的に支援し、人間がループ内に留まりながらエンドツーエンドのエージェントワークフローを実現することを目指しています。
人は要所で判断、エージェントは業務フローへ
GitHub CopilotのようなIDEのプラグイン型コーディングアシスタント（エージェント型の動作を採用し始める前）による生産性向上は一桁台程度でした。一方、エージェント型開発ソリューションは、アプリケーション開発の大部分を自動化することでソフトウェアエンジニアリングの速度を数倍に高める可能性を秘めています。既にこれがWeb、デスクトップ、モバイルアプリの開発で実現しています。
Qtではエージェント型エンジニアリングの実現を支援していきますが、人間が関与することがプロフェッショナルなソフトウェア開発において常に重要だと考えています。まずスキルとMCP対応ツールを提供し、それをワークフローへと積み上げていく方針です。
図: エージェント型開発ワークフロー
開発者はアーキテクトおよびディレクターへ
今日のクロスプラットフォーム開発者は、ボイラープレートコードの記述、テストケースの作成、コードドキュメントの生成といった多くのソフトウェアエンジニアリングタスクをAIエージェントに委任するようになると見ています。開発者の役割は、アーキテクチャや技術の意思決定、開発ロードマップとテストハーネスによるワークフローの管理、そしてAIエージェントを目標に向けてガイドすることへと移っていくでしょう。今後の開発ボトルネックはコードレビューや品質管理になっていきます。
先を見据えて：大規模なエージェント型開発
Qt C++とQMLのトレーニングデータが何十年にもわたって蓄積されてきたおかげで、AIエージェントはQtのUIコードを既に書けるようになっています。しかしこれはまだ始まりにすぎません。クロスプラットフォーム開発は、今後数年間で過去最大の変革を遂げるでしょう。
熟練したソフトウェアエンジニアと最適化されたIDEへの需要は今後も続く一方で、営利組織はエージェント型開発ソリューションで開発ワークフローを自動化することで競争力を維持しようとするでしょう。企業組織は開発チーム全体において AIエージェントのスキルや MCPツールを段階的に導入・最適化していく一方で、個々のコントリビューターに対しては、より革新的で複雑かつ責任を伴う業務に集中できるよう育成していくことになるでしょう。Qt Groupは、この変革の中でお客様とエコシステムを支え続けます。
