GoogleとCursor、チーム向けに競合するマルチエージェント・コーディングシステムを発表
GoogleのSwarmは1人の開発者向けにエージェントを調整し、CursorのマルチプレイヤーProjectsはチームメイトのエージェント間でタスクをまたいだ連携を可能にする。
英語の原文から自動翻訳されました。
2026年11月12日、GoogleとCursorは、複数のAIコーディングエージェントを同時に管理するための対立する戦略を発表した。GoogleはAntigravityプラットフォーム内で「Swarm」を導入し、1人の開発者のためにエージェントを組織化する機能を提供した。一方、Cursorは「Projects」機能にマルチプレイ機能を追加し、異なるチームメンバーのために働くエージェント間の連携を可能にした。これらのリリースは、並行して動作するAIワーカーが作業を重複させたり、互いの変更と競合したりすることで生じる混乱に対応するものである。
何が起きたか
コーディングエージェントは、APIエンドポイントの作成、テストの更新、バグ修正など、並行タスクにおいて高い習熟度を発揮している。しかし、適切な調整が行われない場合、これらのエージェントは互いに干渉し合い、作業の重複や統合エラーが発生し、多大な人的介入が必要になることが多い。この問題を解決するため、主要なAIラボやツールメーカーは、エージェント群を秩序立てる手法を開発しており、GoogleとCursorは同日、それぞれ異なるアプローチを採用した。
2026年8月にSpaceXによって600億ドルで買収されたCursorは、Projects機能を拡張し、マルチプレイ対応とした。従来、Projectsでは1人の開発者が大きなジョブをコーディネーターエージェントに委任し、そのエージェントがワーカーエージェントへタスクを分割していた。今回のアップデートにより、開発者はプロジェクトにチームメイトを招待できるようになり、各メンバーは独自のコーディネーターとワーカーを保持する。これらのコーディネーターは直接メッセージを送り合い、計画の共有、重複の指摘、実行順序の合意(例えば、どのデータベーススキーマ変更を最初に適用すべきかの決定)を行うことができる。
同時に、Googleは統合コーディングツールプラットフォームであるAntigravityにおいて「Gemini 4 Carbon」を展開し、「Swarm」のプレビュー版も公開した。この機能により、1人の開発者は複雑なタスクを1つのコーディネーターに割り当て、コーディネーターは作業を複数のワーカーエージェントに分割し、結果を確認するための検証者(verifier)を割り当てる。ワーカーは共有ボード上で通信を行い、認証ミドルウェアやトークン検証器の更新などの変更を、個別のGitワークツリーで調整してからテストへ引き渡す。
仕組み
核心的な違いは、調整のスコープにある。GoogleのSwarmは開発者内での調整に焦点を当て、単一の割り当てを多数のエージェントに分割し、個々の貢献が全体として整合するようにエージェント同士が通信する。Google DeepMindのソフトウェアエンジニアリングディレクターであるVarun Mohan氏は、社内スタッフがすでに数百のエージェントからなるスワームを使用し、単一のプロンプトから大規模システムを構築していると述べた。
Cursorのアプローチは、チーム間での調整を対象としている。マルチプレイProjectsでは、異なる人間に属するエージェントが別々の割り当てをまたいで協力する。コーディネーターはメッセージを交換し、共有リソースや依存関係について整合性を保つことで、開発者の手動による調整負担を軽減することを目指している。SpaceXSIのエンジニアであるParker Smith氏は、これによりエージェントが同僚のエージェントから必要なコンテキストを取得でき、進捗をブロックしたり人間の仲介を必要としたりしない状態が可能になると述べている。
主な詳細
- GoogleのSwarmは、Google AI ProおよびUltraサブスクライバー向けにプレビュー版として提供されている。
- CursorのマルチプレイProjectsは、現在チームアカウントユーザー向けにベータ版として提供されている。
- Swarmは、ワーカーが共有ボード上で互いにメッセージを送り合う、コーディネーター-ワーカー-検証者モデルを使用する。
- Cursorのコーディネーターは、チームメイトのエージェントからのメッセージを信頼できない入力として扱い、プライベートファイルを共有する前に許可を求める。
- Anthropicの研究によると、共有リソース環境において、ユーザーごとのエージェントグループは、単一エージェント構成と比較してパフォーマンスが10〜45パーセントポイント低下する場合がある。
- GitHub CopilotやAWS Kiro Crewも、マルチエージェントまたはリポジトリ横断的なタスク分散機能を提供している。
なぜ重要なのか
ソフトウェアエンジニアリングリーダーや技術系創業者にとって、これらのツールは個人のAI支援からチーム全体の自動化への転換を表している。エージェントがチーム境界を越えて調整できる能力は、コンテキスト共有における人間のボトルネックを取り除くことで、開発サイクルの高速化を約束する。しかし、それはエラー伝播やセキュリティに関する新たなリスクも導入する。あるエージェントが誤りを犯した場合、適切に封じ込められなければ、マルチプレイシステムはそのエラーをチーム全体のワークフローに広げる可能性がある。
エージェントの自律性が高まるにつれ、セキュリティとガバナンスが極めて重要になる。Cursorは、シークレットや認証情報を別のチャットに分離し、外部エージェントからのメッセージを信頼できないものとして扱うことでこれに対処している。しかし、エージェント間のやり取りに対するロールベースアクセス制御(RBAC)については依然として疑問が残る。最近のAnthropicの研究でも指摘されているように、エージェントの挙動の違いは競合やユーザー意図に関する根拠のない主張につながる可能性があるため、チームは一貫性を確保するために共有ルールとスキルを確立する必要がある。
実施可能なこと
- チームのワークフローが、単一開発者でのエージェントスケールアップと、チーム横断的な調整のどちらからより恩恵を受けるかを評価する。
- マルチプレイ環境での不一致な挙動を防ぐため、AIエージェント向けの共有ルールとスキルを定義する。
- エージェントが機密性の高い認証情報やプライベートファイルを誤って共有しないよう、セキュリティプロトコルを見直す。
- 複数のエージェントがコードマージキューなどの共有リソースにアクセスする場合、特にエラー伝播についてエージェント間の相互作用を監視する。
- 小規模なマルチプレイプロジェクトをテストし、大規模チームへの展開前に潜在的な障害要因を特定する。
- 現在のドキュメントではエージェント間通信に対するロールベースアクセス制御が完全にカバーされていない可能性があるため、ガバナンス機能に関する最新情報を追跡する。



