XNews

CursorとGrokのエージェントシステム

CursorとGrokのエージェントシステム

Cursorは、再帰的なモデル改善への体系的なアプローチと、コーディングエージェントを支えるエージェントハーネス「Grok Build」をオープンソース化した。835ページのドキュメントからSQLiteをRustで再実装した主要実験では、ハーネス最適化を施したエージェント群が、最先端モデルのみを使用した場合と同等の品質を、はるかに低いコストで達成できることが示された。

Key insights

エージェント群のハーネス品質が長時間コーディングタスクにおいてモデル構成を凌駕

miniSQLite実験では、同じモデルを使用しても、改良されたハーネスにより総コミット数が約6,800から安定したアーキテクチャ(競合1,000未満)に削減され、コード行数も19,013行から4,645行(100%合格)に減少し、暴走するエージェントの挙動が排除された。Fable 5、Opus 4.8、Composer 2.5のいずれをプランナー/ワーカーとして使用しても、新しいハーネスは古いものを一貫して上回った。チームの結論は、長期間のタスクを混乱なく完了させるかどうかを決定するのはモデルの選択ではなく、ハーネスの設計であるというものだ。

最先端モデルは高エントロピーな意思決定にのみ必要であり、実行は低コストモデルで拡張可能

SQLite再実装のコストは、20,057ドル(すべてFable 5)から1,339ドル(Opus 4.8プランナー + Composer 2.5ワーカー)に低下し、最終的な品質は同一だった。ワーカーのトークン消費が支配的(トークンの69%以上)であったが、コストの大部分はプランナーが占めた。プランナーは曖昧な設計上の決定を解決するだけでよいため、強力だが最先端ではないプランナーと低コストのワーカーの組み合わせでほぼ同一の結果が得られた。これは、最先端モデルをルートの分解と重要なトレードオフに限定するコスト構造を実証している。

群れにおける協調障害は体系的であり、VCSレベルのメカニズムで軽減可能

チームはマルチエージェントシステムにおける5つの反復的な障害クラスを特定した:スプリットブレイン(調整されていない並列設計)、プランナー競合、ワーカーのマージ競合、メガファイルのホットスポット、そして硬化(エージェントがコアファイルを避けることを学習する)。カスタムのエージェント指向VCSに競合検出とレビューレンズを組み込むことで、競合を3桁削減した。これは、エージェントの協調がバージョン管理層で解決可能なインフラ問題であることを示している。

コンテキスト効率が群れの拡張性を促進し、並列処理ではない

miniSQLite群れは大規模な並列処理ではなく、各エージェントのコンテキストが狭く範囲設定されているために拡張した。プランナーは決して実装を書かず、ワーカーは決して計画を立てない。これにより、単一エージェントアプローチを悩ませるコンテキストドリフトが防止される。チームはコースに着想を得た組織理論を採用している。すなわち、単一エージェント内の協調コストが作業分割のオーバーヘッドを上回る場合に企業(群れ)が形成され、新しいハーネスは協調オーバーヘッドを十分に低く保ち、分割を経済的に合理的にする。

再帰的自己改善はSFではなく、運用上の現実である

Cursorのトレーニングループは、より強力なモデルを使用してより優れた判定モデルと報酬モデルを蒸留し、それによってデータ生成と評価の品質が向上し、次のトレーニングサイクルが加速される。SpaceXAIと共同トレーニングされたGrok 4.5は、ソフトウェアエンジニアリングとより広範な知識作業の両方をターゲットにした最初のモデルであり、以前のモデル世代の助けを借りて開発が加速された。これにより、各モデル世代が次のモデルをトレーニングするための条件を改善する、ポジティブフィードバックメカニズムが生まれる。

Grok Buildのオープンソース版は、ローカルファースト開発のためのプロダクショングレードのエージェントハーネスを提供

SpaceXAIは、完全に文書化された7層アーキテクチャ(リーダープロセス、セッションアクター、AgentActivity、8つのプロンプト起点を持つターン抽象化、ドゥームループ回復機能付きサンプラー、サブエージェントコーディネーター、BM25を使用したツールインデックス)を備えたGrok Buildをオープンソース化した。ハーネスはローカルでコンパイルされ、ヘッドレス/TUI/ACPインターフェースをサポートし、config.tomlから完全に実行される。これにより、開発者は独自のコーディングエージェントを構築するためのリファレンス実装を入手でき、2パス階層圧縮や二重レベル繰り返し検出などの信頼性機能に特に重点が置かれている。

エージェント能力の向上に伴い、抽象化レベルがコード行から仕様へと移行

Cursorは群れを、仕様を実行可能コードに変換する確率的コンパイラに例えている。ドキュメントのみを与えられたminiSQLiteタスクは、完全に合格する実装を生成した。これは、ボトルネックが「モデルがコードを書けるか」から「仕様が正しく、実行可能で、チェック可能か」へと移行していることを示唆している。エンジニアはますます仕様レベルで作業するようになり、群れの役割は各変換ステップで確率ギャップを埋めることである。

実験結果は、プロンプト感度により一部のモデルが公平な評価から除外されることを示す

チームはGPT-5.6 Solを単独エージェントとしてベンチマークしようとしたが、プロンプト感度による暴走挙動が発生したため、正式なスコアリングに公平に含めることができなかった。これは、エージェントシステム間のベンチマーク比較が脆弱であり、ハーネスとモデルの調整に大きく依存することを浮き彫りにし、単純なリーダーボードの結論に対する警告となっている。

Source posts