AIエージェント本体を移す — 応答は高速化、マシンは残る

Claude Code のハーネスは仮想マシンと切り離せません。そこで最初に、独自のハーネスを実装しました。

基盤に採用したのは pi です。Mario Zechner が開発する、MIT ライセンスのオープンソース AIエージェントツールキットで、GitHub では 8.1 万 star を獲得しています。pi は単一のプログラムではなく、複数のライブラリで構成されています。最上位層のコマンドラインツールは、OS上での動作を前提とします。一方、下層は対話ループや状態管理など、AIエージェントの基本部品だけを提供し、実行場所を問いません。camelAI は pi のコードを1行も変更せず、下位2層だけを利用しました。

新しいハーネスは、1つの Durable Object 内で動きます。Durable Object は Cloudflare の小型コンピュートインスタンスです。専用ストレージを備え、ユーザーに最も近いデータセンターで起動します。camelAI はチャットセッションごとに1つ割り当てています。

この段階では、仮想マシンはまだ残っています。ただし、AIエージェント本体はそこにいません。コマンドを実行するときだけ、仮想マシンをリモートで呼び出します。Anthropic も、自社のマネージド AIエージェントを同様に説明しています。頭脳と手を分離する設計です。

利点は3つあります。AIエージェントはマシンの起動を待たずに応答できます。AIエージェントが作業している間もマシンを休眠させられ、コマンドが不要な対話では一度も起動しません。さらに、1つの頭脳から複数の手を指揮し、複数のマシンを同時に操作できます。

プロダクト内では、この「手」をプロジェクトと呼びます。プロジェクトごとに仮想マシンと git リポジトリを用意し、Cloudflare Artifacts を使ってコードから直接生成します。独自の git サーバーは不要です。この段階でもAIエージェントはコマンドラインを使えるため、仮想マシンの外へ移ったことをほぼ意識しません。

ディスクを廃止 — ファイルをDBへ移し、ストレージと常時稼働コストを削減

次のバージョンでは仮想マシンを外し、プロジェクト構造は維持しました。ファイルシステムを Durable Object 内へ移し、大きなファイルは Cloudflare R2、つまり Cloudflare のオブジェクトストレージへ保存します。

この仕組みには既存の実装があります。Cloudflare の Agents チームが開発した @cloudflare/shell です。「実験的な Worker サンドボックス実行・ファイルシステムランタイム」と説明されており、camelAI はそのコードを広範囲に再利用しています。

Durable Object のストレージは、もともと SQLite データベースです。1インスタンスの上限は 10 GB で、各行にもサイズ制限があります。そのため、小さなファイルは1行に直接保存します。約 1.5 MB を超えるファイルは Cloudflare R2 に書き込み、データベースの行にはポインターだけを残します。AIエージェントからは通常のファイルシステムに見えますが、実体はテーブルとオブジェクトストレージです。

バージョン履歴には引き続き Artifacts を使い、各プロジェクトに完全な git 履歴を保持します。

コマンドラインを外す — JavaScript から固定メソッドを呼び出す設計へ

コマンドラインを外す第3段階は、3つの中で最も大胆です。camelAI 自身もそう認めています。

コマンドラインの問題は、コストだけではありません。AIエージェントがコマンドを実行でき、インターネットにも接続できるなら、仕事をさせるためにデータベースのパスワードや API キーなどの認証情報を渡す必要があります。同社は、認証付きプロキシ URL で認証情報を外側に隔離しようとしました。しかし実装は次第に粗雑になり、安全性の保証も難しくなったといいます。

そこで、日常のコマンドラインを外しました。AIエージェントは JavaScript を書き、そのコードを Cloudflare の Cloudflare Code Mode で実行します。ツールを1回ずつ呼ぶのではなく、必要な処理をコードとしてまとめ、一度に実行する方式です。実行ごとに新しい V8 isolate を起動します。

認証情報をサンドボックス外へ隔離

サンドボックスには、そのユーザーのデータ接続先と、プラットフォームの全機能を扱うメソッドがあらかじめ用意されています。認証情報はサンドボックスに入りません。AIエージェントが接続用メソッドを呼ぶと、認証はプラットフォーム側で行われます。キーがAIエージェントの触れられる場所に現れることはありません。

コマンドライン廃止で失う能力

AIエージェントがコマンドラインで行う作業の大半は、ディレクトリの一覧表示、ファイルの読み書きや編集、内容の検索などのファイル操作です。これらはネイティブツールで代替し、約8割をカバーしました。残る約2割は、用途ごとのコマンドを明示的なメソッドへ置き換えています。

左側の「何でも実行可能」という自由度こそ、置き換えられたものです。今後、AIエージェントが実行できる処理は、チームが事前に右側の64個へ実装しておく必要があります。

違いが最もよく分かるのはデプロイです。以前、AIエージェントはプロキシ経由で wrangler deploy を実行していました。プラットフォーム側はプロキシ通信を監視し、どのセッションがデプロイしたのか推測するしかありません。現在は、プラットフォームが完全に制御する deploy_project メソッドです。デプロイの発生時刻を正確に把握できるため、フックを設定し、完了後にプレビューを自動表示できます。

数桁のコスト削減、高速応答、認証情報の隔離、全面オープンソース化

3段階の刷新で、主に4つの成果を得ました。

コスト：稼働時間課金から実行回数課金へ

仮想マシンやコンテナは、起動している限りメモリとディスクに料金が発生します。誰も使っていなくても同じです。isolate は呼び出されたときだけ起動し、処理後に消えます。実行していない時間には存在せず、料金も発生しません。スケーリングのために実マシンや実ディスクを増やす必要もなくなります。

同社の比較では、数千回の実行コストは、自社が評価したコンテナサービスを数分間動かす費用とほぼ同じだといいます。確認可能なのは Cloudflare 側の公式数値です。2026 年 3 月 24 日に公開された Dynamic Workers のブログに基づきます。

レイテンシー：最寄りのデータセンターで稼働

AIエージェントは Cloudflare のエッジで動くため、リクエストを中央の仮想マシンへ迂回させる必要がありません。仮想マシンの起動も待たず、ユーザーの入力直後から応答を始められます。

安全性と低コストモデル：認証情報を隔離し、ツール境界を明確化

認証情報はサンドボックスに入りません。認証はプラットフォーム側で行われ、AIエージェントがキーを持つことはありません。

コマンドラインはオープンな環境です。何でも実行できるため、低コストモデルは試行錯誤を繰り返し、遠回りしたり停止したりしがちです。境界の明確な少数のメソッドへ置き換えると、低コストモデルでも明らかに扱いやすくなったと同社は説明しています。これはモデル費用の削減に直結します。プロダクトを安価に運用することが、このアーキテクチャ全体の目的だからです。

コードを全面オープンソース化

camelAI のリポジトリは 7 月 24 日、MIT ライセンスでオープンソース化されました。URL は github.com/qaml-ai/camelAI です。本稿で紹介した仕組みは、すべて対応するファイルを確認できます。「検証済み」の内容も、この方法で調べました。

Linux が残る3領域 — アプリ構築、データ分析、DB照会

ユーザーのアプリをビルドするには、コンテナが必要です。この処理にはLinuxが不可欠です。ユーザーのアプリは Vite、Tailwind、React Router で構成され、依存関係を追加するには bun install を実行しなければなりません。

ビルド成果物自体が Worker なので、Worker 内でのビルドも検討しました。しかし Cloudflare の対応は十分ではありません。また、Worker のメモリは 128 MB、CPU は1基の数分の1に限られます。ビルドは遅く、多くのプロジェクトがメモリ不足になります。（128 MB という値は当サイトが公式ドキュメントで確認済みです。無料・有料プランとも同じです。）

そこで、ビルド時だけコンテナを起動します。プロジェクトをコピーし、処理を実行し、成果物を回収して停止します。notebook も同じです。Linux は引き続き使いますが、本当に必要な数秒間だけです。

データはリポジトリの本番設定ファイルと container-sizing.ts に基づきます。

休眠までの時間を2〜5分に短縮した理由は、コードコメントに書かれています。メモリとディスクは「プロビジョニング量」に応じて課金され、コンテナが起動している限り料金が発生します。実使用量で課金されるのは CPU だけです。何もしていないコンテナでも、起動中は費用がかかります。常時稼働する仮想マシンを廃止した理由も同じです。違うのは規模だけです。

「bash を削除」しても、コードには抜け道が残る

リポジトリには analysis_exec というメソッドが残っています。分析コンテナ内で shell コマンドを実行できるものです。ツール説明には、run_notebook では対応できないデータ処理の「非常口」と明記されています。

厳密には、コマンドラインがシステムから完全に消えたわけではありません。AIエージェントの日常的な作業環境から外され、特定のコンテナを通り、用途も限定された狭い実行経路に変わりました。「AIエージェントがいつでも bash を使える」状態とは別物ですが、文字どおりの「削除」でもありません。

AIエージェントは自力で道を探せない — 必要な能力をチームが先回り

camelAI 自身もこの問題を率直に挙げています。コマンドラインがあれば、AIエージェントは未知の状況でも自力で解決策を探せます。現在は、足りない能力があるたびに、チームが新たなメソッドを追加しなければなりません。

率直に言えば、欠点は AIエージェントに必要なものを事前に予測しなければならないことです。bash があれば、自力で方法を探せます。今は能力が不足していれば、私たちが追加する必要があります。

Miguel Salinas、camelAI CTO

一方で、同社はこの制約がプロダクトに良い影響を与えると考えています。ユーザーが実際に何をしているのかをチームが考え、その作業に正規の経路を用意するよう促すからです。AIエージェントの即興任せにはなりません。

もう1つ、語られていない代償

当サイトは、同社が独自実装した grep のコードも確認しました。ディレクトリ内の各ファイルを読み込み、JavaScript で1行ずつ走査します。最大 2 万ファイルを検索し、デフォルトでは 100 件の一致を返します。500 文字を超える行は切り詰められます。

ripgrep のような検索専用ツールは、コンパイル済みプログラムがディスクを直接並列走査します。両者は同じ性能水準ではありません。小規模なプロジェクトでは差が見えにくくても、リポジトリが大きくなった場合にどうなるのか。公開資料では説明されていません。

AIエージェントに必要なのは「コンピューター」ではなかった

業界の標準的な発想は、人間のプログラマーと同じ作業環境を AIエージェントにも再現することです。マシン、ファイルシステム、コマンドラインを用意します。人間のプログラマーがそう働いているからです。

camelAI は、この環境を1つずつ解体しました。その結果、AIエージェントが本当に必要とするのは、正確に定義された機能インターフェースだと分かりました。ファイル操作が必要なら7個のツールを与える。デプロイが必要なら専用メソッドを与える。その下に本物のコンピューターがあるかどうかを、AIエージェントが知る必要はありません。

ユーザーから見れば、何も変わっていません。AIエージェントにアプリを構築させ、アクセス可能な URL へデプロイできます。ファイルの読み書きや検索、公開も従来どおりです。4カ月余り前の「全ユーザーに永続的なコンピューターがある」という約束も変わっていません。ただし、その「コンピューター」の実体は、データベースのテーブルと使い捨てのサンドボックスになりました。

今すぐ同じ構成を作るには、越えられない壁がある

Cloudflare Artifacts は現在もクローズドテスト中です。公式ドキュメント（最終更新 2026 年 5 月 5 日）では、アクセス権を申請するフォームへの記入が必要とされています。このアーキテクチャでバージョン履歴を担う部分には、まだ一般公開された入口がありません。

もう1点は参入障壁ではありませんが、事前に知っておくべきです。@cloudflare/shell 自身が「実験的」と説明されています。このパッケージは 2026 年 3 月 13 日に初公開され、7 月 23 日までに 19 バージョンがリリースされました。最新版は 0.4.3 ですが、camelAI は 0.3.7 に固定しています。4カ月余りで 19 バージョンという更新頻度からも、基盤が今なお大きく変化していることが分かります。

すぐ利用できるのはコードそのものです。camelAI のリポジトリは 7 月 24 日に MIT ライセンスでオープンソース化され、各仕組みに対応するファイルを確認できます。

仮想マシンには3つの要素がありました。AIエージェント本体、プロジェクトファイル、コマンドラインです。3回の再設計でこれらを一つずつ外し、そのたびに、従来の役割を何が引き継ぐのかを決めました。

第1段階で解消したのは遅延だけで、マシンはまだ残っていました。第2段階では常駐マシンとディスクのコストをまとめて削減しましたが、AIエージェントの処理に必要な計算資源は分単位で課金されます。計算コストに手を入れたのは第3段階です。各段階は個別に検証でき、個別にロールバックできます。

仮想マシンを外した後、ファイルシステムは Durable Object に移りました。Durable Object は Cloudflare が提供する小型のコンピューティングインスタンスです。専用ストレージを備え、ユーザーに最も近いデータセンターで起動します。チャットセッションごとに1つ割り当てられ、そのストレージ自体が SQLite データベースになっています。

ここでの要点は、「ファイルが残る」仕組みの違いです。仮想マシン時代は、料金を払い続けてマシンを維持することでファイルを残していました。現在は、データそのものを保存することでファイルが残ります。データは保存しておくだけなら計算コストがかかりませんが、マシンは待機中でも料金が発生します。

コマンドラインを外した理由は、コスト削減だけではありません。AIエージェントがコマンドを実行し、インターネットにも接続できる環境では、実用的な作業を任せるために、データベースのパスワードや API キーなどの認証情報を渡す必要があります。camelAI は認証付きプロキシ URL で遮断する方法も試しましたが、実装は次第に継ぎはぎになったといいます。

そこで、コマンドラインをAIエージェントから直接外しました。代わりにAIエージェントが JavaScript を書き、実行のたびに新しい V8 isolate を立ち上げます。V8 isolate は、同一プロセス内に分離された小さな実行環境です。数ミリ秒で起動し、消費メモリは数 MB。処理後は破棄されます。すでに開いているブラウザに新しいタブを追加するイメージに近いでしょう。認証情報はサンドボックスに入らず、認証処理はプラットフォーム側で行われます。