同じAIモデルを使っても「賢さ」が変わる秘密IDEの裏側に隠されたプロンプト変換と自律ループの正体

2026年10月23日更新： 8月以降の各ツールの変化（Claude CodeのAGENTS.md対応と/goal、CodexのGPT-5.3-Codex-Spark提供終了、CursorのInstant GrepとProjects、WindsurfのDevin Desktop化とACPの実際の役割、Copilotの公式な検索の仕組み）を各社の公式資料で確かめ、第4章を中心に、確認できなかった記述を直しました。「中間層が賢さを左右する」という本稿の主張は変わりません。

1. 導入：AIモデルは単なる「エンジン」である

基盤モデルの性能を比べるときは、ベンチマークの順位が目に入りやすい。しかし実際の開発結果は、モデル名だけでは決まらない。同じモデルを選べる複数のツールで同じ課題を試しても、拾うファイル、使う道具、修正後の検証が違えば、出力はそろわない。

本稿が検証するのは、Cursor、Claude Code、Devin、ChatGPT Codexなどの間で体感する『賢さ』や『アウトプットの質』の差を、モデル単体の能力だけで説明できるのかという問いです。

なぜこのような現象が起きるのでしょうか？結論から言えば、最新のAIモデル単体は、どんなに優秀であっても単なる「エンジン」に過ぎず、実際に私たちが対話しているのは「人間とモデルの間に介在する分厚いミドルウェア（IDE・エージェントフレームワーク）」だからです。

モータースポーツに例えるなら、モデルはエンジンです。同じエンジンでも、車体、タイヤ、計器、ピット作業が違えば結果は変わる。同様に、AIの実務性能はIDEがどのようにコンテキストを選び、どんな道具と検証手順を与えるかに大きく左右されます。

以下では、この中間層の働きを「黒魔術」という比喩で整理します。比喩を事実の代わりにはせず、製品ごとに公開されている仕組みと、外から確認できる挙動を分けて見ていきます。

2. 中間層（ミドルウェア）の黒魔術：プロンプト・トランスフォーメーション

私たちがチャット欄に「このバグを直して」と短いテキストを打ち込んだとき、その文字列がそのままAnthropicやOpenAIのサーバーに飛んでいるわけではありません。IDEは裏側で、この短いテキストを巨大なJSON/XMLペイロードへと錬金術のように変換（マッシュアップ）しています。

① コンテキストの意味論的解釈とシャドウインデックス

ローカルのファイル群をそのまま大量に渡すだけでは、関係の薄い情報でコンテキストを消費します。IDEは製品ごとに差はありますが、関連する情報を絞るために次のような処理を組み合わせます。

• RAGとASTの結合: ユーザーの指示に関連しそうなファイルをベクトル検索（RAG）するだけでなく、抽象構文木（AST）を解析し、「この変数が定義されている型情報ファイル」を自動で引っ張ってきます。
• メタデータの付与: 「これは3日前に人間が編集したファイル」「これはテストコード」といったIDE側にしか分からない「意味合い（メタデータ）」をXMLタグなどで囲み、モデルが重要度を解釈しやすい形に整形して注入します。

② 見えないルール（System Prompt）の強制注入

チャットの冒頭には、数千トークンに及ぶシステムプロンプトが隠されています。 「あなたはシニアエンジニアです。必ず既存のアーキテクチャを踏襲しなさい。」といった基本ルールに加え、プロジェクト内の .cursorrules や CLAUDE.md といったファイルの内容が、IDEによって動的にパースされ、プロンプトの最上位に特権ルールとしてねじ込まれます。同じClaude Opus 5でも、この「手綱の引き方（ルールの強さ）」によって、暴れ馬にも従順なアシスタントにもなるのです。

2026年秋の時点で、このルールファイルはツールをまたいで共通化が進んでいます。AGENTS.md は2025年12月9日、MCPなどとともにLinux Foundationの「Agentic AI Foundation」に寄贈された共通形式です^[1]。ただし、読み込み方はツールごとに違います。

同じ AGENTS.md を置いても、どのファイルをどの順で、どこまで（何バイトまで）プロンプトに入れるかは中間層しだいです。ここにも「同じモデルでも結果が違う」理由があります。

3. 自律性（Autonomy）の正体：「隠されたLGTMループ」

近年、AI開発ツールが「チャットボット」から「自律エージェント」へと進化を遂げました。数時間放置しても勝手にリポジトリを改修し続けるこの「自律性」は、一体どのように実現されているのでしょうか？

その答えは、IDEが人間のふりをして「LGTM（Looks Good To Me）」を裏側で連呼していることにあります。

筆者が数ヶ月前、あるエージェントツールを使っていた時のことです。私は何も指示していないのに、エージェントが勝手にテストを書き、実行し、エラーを直し、次の要件へと進んでいきました。不思議に思って「なぜ私の一言もなしに勝手に進めたの？」とチャットで質問したところ、AIはこう答えました。

「あなたが『テスト成功を確認しました。LGTMです、続けてください（Continue）』と言ったからです。」

なるほど、と腑に落ちました。 AIモデル自体は、常に「ユーザーからの入力を待つ」という基本的な対話の仕組みで動いています。自律ループを回すために、IDE（中間層）はモデルが出力したターミナル実行コマンドを横取りしてローカルで実行し、その結果（成功ログ）とともに「人間のユーザーを模したシステムプロンプト（例: <user>LGTM, please continue</user>）」を裏側で自動送信していたのです。

• 思考モードと出力の分離: モデルが内部的に「どう直そうか」と葛藤している推論トークン（Thinking process）と、最終的なコマンド出力をIDE側でパースし、人間には綺麗な進捗バーだけを見せるツールも増えました。
• 証拠ベースのゲートキーパー: 単純な「LGTM」ではなく、静的解析やテスト結果という「証拠（Evidence）」が揃った時のみ、IDEが裏側でループの継続を許可する仕組み（サーキットブレーカー）が導入されています。

現在では、このループ機構はさらに洗練されています。

2026年には、このループが公式の機能として明文化されました。Claude Codeの /goal は、完了条件（例：「test/auth のテストがすべて通る」）を設定すると、各ターンの後に別のモデルが条件を満たしたかを判定し、満たしていなければ人間に制御を戻さずに次のターンを始めます。公式ドキュメントは、完了の判断を「作業しているモデルではなく、新しいモデルが行う」と説明しています^[5]。また「auto mode」では、ツール実行のたびの許可確認を、取り消せない操作や環境外への操作を止める分類器が肩代わりします。Pro・Max・Teamプランでは2026年8月14日から新規セッションの既定になりました^[4][6]。

公式の説明に「人間の発言を偽装して送る」とは書かれていません。ただ、「人間が次の指示を出す代わりに、中間層が判定して次のターンを始める」という構造は、筆者が体験したLGTMループと同じです。ループの止め方（何を証拠にして完了とみなすか）を、モデルではなく中間層が決めているのです。

特別コラム：Google Antigravity自身に「自分の裏側」を解析させてみた結果

実はこの記事を執筆している最中、私は原稿を書いているGoogle Antigravityエージェント自身に対して、「私が投げたプロンプトを、君の裏側にいるIDEはどう加工して君（モデル）に渡したのか？自己分析してみてほしい」というメタな実験依頼を出しました。

その結果、AIから返ってきたレポートは非常に生々しいものでした。 AIは単に私のテキストを受け取ったわけではなく、IDEによって巨大なペイロードに包まれた状態で起動していました。そこには、私のOS情報、アクティブなワークスペースのパス、そして AGENTS.md から抽出された「絶対に遵守すべきローカルルール」が <user_rules> タグで注入されていました。 さらに興味深かったのは、イベント駆動型のオーケストレーション指示です。IDEはモデルに対し、「サブエージェントやタスクを起動した後は、完了を待つループ（ポーリング）をしてはいけない。システムが自動的に完了を通知して君を叩き起こすから、それまでツールの呼び出しをやめて停止せよ」という厳格なライフサイクル管理の指示を <messaging> タグ内で強制していました。 これはまさに、「自律ループはモデルの知能ではなく、IDE（Agent Manager）側の綿密なステート管理とイベント駆動アーキテクチャによって構築されている」という事実を、AI自身が証明した瞬間でした。

※2026年10月追記：Googleは2026年5月19日、Antigravity 2.0とともに、Go言語で作り直した「Antigravity CLI」を発表しました。デスクトップアプリと同じエージェントの土台（ハーネス）を共有し、Gemini CLIのスキル、フック、サブエージェント、拡張機能（Antigravityプラグインに改称）を引き継ぎます。個人向けのGemini CLIは2026年6月18日でリクエストの処理を終えました^[22]。10月13日からは、デスクトップアプリとCLIでGemini 4 Argonの提供が始まっています。対象プランは資料によって書き方が違い、Googleの発表ではAntigravityはAI Ultraのみ、Antigravity公式のブログとモデル一覧では有料のProとUltraとされています^[23][24]。なお、このコラムの自己分析はモデル自身の報告で、Googleが内部のプロンプト構成を公表したものではありません。

4. 各ツールのアーキテクチャ特性と深掘り比較（2026年最新版）

これらの「中間層の黒魔術」を各ツールがどのように実装しているか、主要なIDE・エージェントの実態をリバースエンジニアリングやコミュニティの解析結果を踏まえて深掘りします。

2026年10月23日の更新で、各項目を各社の公式資料と照らし合わせました。公式に確認できたことと、外部の解析や筆者の推測にとどまることを分けて書いています。見出しはリンクを保つため初版のままにしています。

Cursor: シャドウワークスペースと極限のコンテキストRAG

初版では、Cursorの最大の特徴を、見えないバックグラウンドで起動する「シャドウワークスペース（隠されたElectronウィンドウ）」として紹介しました。これは2024年の実験的なベータ機能で、設定のスイッチはすでに削除されています。Cursorのスタッフはフォーラムで、現在はエージェント自身が編集後にLintや診断結果を確かめ、隔離された環境での作業はgitのworktreeやバックグラウンド／クラウドのエージェントに移った、と説明しています^[16]。

検索の仕組みも変わりました。初版で書いた「プロジェクト全体をASTとしてベクトル化し、マークル木で差分を同期する」という説明は、現行の公式ドキュメントでは確認できません。現在の公式ドキュメントが説明しているのは、手元のマシンで索引を作って検索する独自の検索エンジン「Instant Grep」です。Cursorは検索のためにファイルパスやコードをアップロードせず、コードベースの埋め込み（ベクトル）も保存しない、と明記しています。広い範囲を調べるときは、より速いモデルで動く「Exploreサブエージェント」が別のコンテキストで並行検索し、結果の要約だけをメインの会話に返します^[14]。

2026年9月以降の公式の変更履歴では、クラウドで大きな仕事を進める「Cursor Projects」（ベータ、9月10日。調整役のエージェントが計画を立ててサブエージェントに仕事を割り振る）、手元のエージェントをiOSアプリから操作する機能（10月6日）、最大300リポジトリを扱えるクラウド環境とキャンバス（10月16日）が加わりました^[15]。「今エディタで起きていること」を細かく渡す設計から、検索と作業を小さなエージェントに分けて、要約だけを持ち帰る設計へと重心が移っています。

Claude Code: 100以上の断片から成る動的アセンブルとMCP

Anthropic公式のCLIであるClaude Codeは、単一の静的なシステムプロンプトを持っていません。2026年3月末に誤って公開されたソースコードを解析した記事によると、システムプロンプトは基本ルール、ツールの使い方、環境情報、CLAUDE.md の内容などの部品を組み合わせて作られています^[8]。なお、初版で書いた「100以上の断片」「getSystemPrompt() 関数」は、今回の確認では裏付けが取れませんでした。同じ解析が数え上げた主な部品は数十個です。 同じ解析は、__SYSTEM_PROMPT_DYNAMIC_BOUNDARY__ というキャッシュ境界マーカーの存在も伝えています。全員に共通する部分を境界より上に置いてプロンプトキャッシュを効かせ、セッションごとに変わる部分（CLAUDE.md や環境情報など）を下に置く設計です^[8]。いずれもAnthropicの公式ドキュメントで説明された仕組みではない点に注意してください。

公式に確認できる最近の変化もあります^[2][4]。

• AGENTS.md対応（v2.1.277、9月18日）：CLAUDE.md が無ければ AGENTS.md を読む。
• Claude Opus 5.5が既定のOpusに（v2.1.280、9月22日）：100万トークンのコンテキスト。
• サブエージェント：それぞれが独自のコンテキスト、システムプロンプト、ツール権限で動き、要約だけを返す^[7]。6月29日〜7月3日の週から既定でバックグラウンド実行になり、8月10日〜14日の週には会話全体を引き継いで脇道の作業を任せる「fork」も既定で有効になった。
• アイドル時の圧縮（v2.1.299、10月14日）：20万トークンを超える会話を約54分放置すると、1時間のプロンプトキャッシュが切れる前に要約（圧縮）しておき、次の発言で全体を再処理しなくて済むようにした。

キャッシュの寿命に合わせて会話を整理するこの機能は、「キャッシュを効かせる順にプロンプトを組む」という中間層の設計が、コストと速さを左右することを公式に示した例と言えます。

Devin Desktop & CLI: アダプティブルーティングとAgent Client Protocol (ACP)

Devinは単なるクラウド型ボットから、2026年には「Agent Command Center」へと進化しました。Cognitionは2026年6月2日、WindsurfをDevin Desktopに改称し、手元とクラウドのすべてのエージェントをカンバン形式で一覧・管理する「Agent Command Center」を既定の画面にしました。従来のCascadeの後継として、Rustで書き直した「Devin Local」（最大30%トークン効率が高く、サブエージェントに対応）を主力の手元エージェントにしています^[20]。

初版の説明には、公式資料で確認できない点がありました。

• ACPの役割：公式の説明では、ACP（Agent Client Protocol）は「対応するエージェントを、対応するどのエディタの中でも動かせる」オープンなプロトコルです。Devin Desktopはこれを使って、Codex、Claude Agent、OpenCodeなど他社や自作のエージェントを自分の画面の中で動かします^[20]。初版で書いた「ACPで手元の作業をクラウドへハンドオフする」仕組みは、公式資料では確認できませんでした。
• 「アダプティブルーティング」：この名前の機能も公式資料には見当たりません。公式に説明されているのは「Devin Fusion」です。強い「リード」モデルが計画とレビューを、安い「サイドキック」モデルが探索・実装・テストを担当し、両者は会話全体ではなく指示書と結果だけをやり取りして、それぞれのコンテキストを保ちます。2026年9月11日からDevin DesktopとCLIでも使えるようになりました^[21]。

Cognitionが掲載したグラフ（10月19日更新、Artificial Analysisの指標）では、Fusion（Opus 5.5＋GPT-6 Luna）が68.1点、Claude Code（Opus 5.5単体）が66点で、1タスクあたりの費用は31%低いとしています。ただしこれはCognition自身の発表です^[21]。プロンプトの複雑さで振り分けるのではなく、仕事を役割で分け、モデルどうしが渡す情報を絞るのが、公式に確認できる「ルーティング」の実態です。

GitHub Copilot Enterprise: GraphRAGによる「構造的認識」

初版では、CopilotがベクトルRAGを捨ててGraphRAG（ナレッジグラフを用いた検索）へ移行したと書きました。しかし、GitHubの公式ドキュメントや変更履歴では、GraphRAGへの移行は確認できませんでした。外部のツールがMCP経由でCopilotにコードグラフを渡す例はありますが、Copilot自体の機能ではありません。

公式ドキュメントが説明しているのは「セマンティックコード検索」です。リポジトリを自動で索引化し、Copilot Chatや「Copilot cloud agent」（旧称コーディングエージェント）が、正確な名前が分からないときにも意味でコードを探します。索引の更新は会話を始めてから数秒で済むことが多く、索引はモデルの学習には使わないとしています^[18]。

組織の管理を重視する方向性は、公式の変更からも読み取れます。2026年10月には、企業や組織ごとに使えるモデルを取得・変更するAPI（10月19日）や、利用状況の指標に独自のスキル、エージェント、MCPサーバーの名前を表示する機能（10月22日）が加わりました^[19]。「ループを意図的に抑える」という設計意図はGitHubが公表したものではありませんが、誰がどのモデルとエージェントをどう使ったかを組織が把握し、制御することが、Copilotの中間層の大きな役割になっています。

ChatGPT Codex (e.g., GPT-5.3 Codex Spark): 極小コンテキスト×超高速ループ

初版では、超高速の研究プレビューモデル「GPT-5.3-Codex-Spark」を例に、推論速度を活かして小さな修正を連続させるアーキテクチャとして紹介しました。このSparkは2026年9月14日に提供を終了し、ChatGPTのデスクトップアプリ、Codex CLI、IDE拡張のいずれでも使えなくなっています^[10]。また初版の「1秒間で10種類の修正を裏側で並行試行し、通ったものを採用する」という説明は、OpenAIの公式資料では確認できませんでした。

2026年10月時点で公式に確認できるCodexの姿は次のとおりです。

• 既定モデル：9月29日に「GPT-6.1 Sol」がCodex CLIの既定モデルになった（上位のAstraに近い性能を、より安く使えるとOpenAIは説明）^[10]。
• 速さの選択肢：10月8日から、GPT-6.1 Solのトークン生成を速める「Ultrafast」モードを、月500ドルのProと条件を満たすEnterprise・Eduプランで提供^[10]。
• Codex Cloud：タスクごとに専用の作業環境があり、手元のパソコンがスリープしていても作業を続ける^[11]。
• サブエージェント：現在の版では既定で有効。専門のエージェントを並行して動かし、結果を1つの回答にまとめる。その分トークンを多く使う、と公式は注意している^[12]。

速さだけを武器にした小さなループから、クラウドで長く動く作業と、並行するサブエージェントへ。Codexの中間層も、ほかのツールと同じ方向に動いています。

5. まとめ：AIの知性は「IDEの設計思想」に宿る

「どのAIモデルが一番賢いか？」という議論は、もはや実務においては重要ではありません。

私たちが実際に直面する「このAIは空気を読んでくれる」「このAIはすぐエラーで止まる」という体験の違いは、モデルの性能差ではなく、「IDE側が過去のコンテキストをどう解釈し、裏側でどう人間のふりをしてループを回してくれているか」というアーキテクチャの差に他なりません。

最新の基盤モデルの能力を極限まで引き出すためには、AIを単なるチャットボットとして扱うのではなく、その裏側でIDEがどのような「黒魔術（コンテキスト変換や偽装承認）」を行っているのかを理解し、自分のワークスタイルに最も適合する「中間層」を選ぶことが不可欠です。

2026年秋の変化を見ると、この「黒魔術」は少しずつ公開された部品になりつつあります。ルールファイルは AGENTS.md でツールをまたいで共有され、ループの継続条件は /goal やauto modeのように仕様として書かれ、Devin DesktopはACPで他社のエージェントを受け入れています。それでも、どのファイルをどの順で入れるか、何を証拠に完了とみなすか、どの仕事をどのモデルに任せるかは、今もツールごとに違います。中間層を選ぶときは、モデル名より先に、この3点を見比べてみてください。

参考資料

参考文献・出典

1. [1]Linux Foundation「Linux Foundation Announces the Formation of the Agentic AI Foundation」（2025年12月9日）。Linux Foundation ↩
2. [2]Anthropic「Claude Code changelog」（v2.1.277〜v2.1.309、2026年9月18日〜10月22日の項目）。Claude Code Docs ↩
3. [3]Anthropic「How Claude remembers your project」（AGENTS.mdの節）。Claude Code Docs ↩
4. [4]Anthropic「What's new」（週ごとのまとめ。2026年第27週、第32週、第33週）。Claude Code Docs ↩
5. [5]Anthropic「Keep Claude working toward a goal」。Claude Code Docs ↩
6. [6]Anthropic「Configure auto mode」。Claude Code Docs ↩
7. [7]Anthropic「Create custom subagents」。Claude Code Docs ↩
8. [8]Drew Breunig「How Claude Code Builds a System Prompt」（2026年4月4日。2026年3月末に流出したソースコードの第三者による解析）。dbreunig.com ↩
9. [9]OpenAI「Custom instructions with AGENTS.md」。OpenAI Developers ↩
10. [10]OpenAI「ChatGPT & Codex changelog」（2026年9月14日、9月29日、10月8日の項目）。OpenAI Developers ↩
11. [11]OpenAI「Codex Cloud」。OpenAI Developers ↩
12. [12]OpenAI「Subagents」。OpenAI Developers ↩
13. [13]Cursor「Rules」。Cursor Docs ↩
14. [14]Cursor「Search」（Instant Grep、Exploreサブエージェント）。Cursor Docs ↩
15. [15]Cursor「Changelog」（2026年9月10日〜10月16日の項目）。Cursor ↩
16. [16]Cursor Community Forum「Is cursor shadow workspace still available?」（Cursorスタッフの回答）。Cursor Forum ↩
17. [17]GitHub Docs「Adding repository custom instructions for GitHub Copilot」。GitHub Docs ↩
18. [18]GitHub Docs「Indexing repositories for GitHub Copilot」。GitHub Docs ↩
19. [19]GitHub Changelog（2026年10月）。GitHub Blog ↩
20. [20]Cognition「Windsurf is now Devin Desktop」（2026年6月2日）。Devin ↩
21. [21]Cognitionブログ、Devin FusionのDevin Desktop・CLI対応の発表（2026年9月11日、グラフは10月19日更新）。Cognition ↩
22. [22]Google Developers Blog「An Important Update: Transitioning Gemini CLI to Antigravity CLI」（2026年5月19日）。Google Developers Blog ↩
23. [23]9to5Google「Gemini app rolling out Gemini 4 Argon to AI Pro and AI Ultra」（2026年10月13日）。9to5Google ↩
24. [24]Google Antigravity公式ブログ「Gemini 4 Argon in Google Antigravity」とモデル一覧（2026年10月23日確認）。https://antigravity.google/blog/gemini-4-argon-in-google-antigravity / https://antigravity.google/docs/models ↩