メインコンテンツへスキップ
見出し画像

LLMに実装を任せたらスペック更新への追従が漏れた

    はじめに

    OpenAPIのスペックがあるのに、実装をLLMに任せていたチームがありました。LLMが書くコードは自動生成に近い品質で、最初は問題なく回っていました。ところが、スペックに変更が入ると話が変わります。LLMでも人力と同じように、追従漏れが起き始めたのです。

    AI自律ワークフローに「スペック変更を検知して反映する」ステップを足していく方法もあります。でも、考えてみれば、ヒトが作業していたときと同じ解決策がそのまま使えます。OpenAPI Generatorで自動生成すれば、契約駆動が構造的に担保される。わざわざワークフローを複雑にする必要はありませんでした。

    この記事では、LLM実装から自動生成に切り替えた際に直面した課題と、既存の実装を活かしながらGeneratorを導入した具体的なアプローチを紹介します。

    LLM実装でもスペック追従は漏れる

    LLMにコードを書かせると、OpenAPIスペックを読み込ませれば仕様通りの実装が出てきます。一見すると自動生成と同じように見えます。

    違いが出るのはスペック変更時です。スペックが更新されたとき、自動生成なら再生成するだけで差分が反映されます。一方、LLM実装の場合は「変更箇所を伝えて、該当コードを修正させる」というステップが必要です。これは人力でのメンテナンスと本質的に同じ構造です。

    実際に起きた問題はこうです。

    ・エンドポイントの追加・変更がLLMへの指示から漏れる
    ・リクエスト/レスポンスのフィールド変更が一部のファイルにだけ反映される
    ・モデルクラスの型が古いスペックのまま残る

    AI自律ワークフローで「差分検知→反映→検証」のステップを組むこともできます。ただ、それは自動生成が既に解決している問題を、ワークフローで再発明しているだけです。ヒトがやっていたときと同じように、Generatorに任せれば構造的に解決できます。

    既存実装を活かしてGeneratorを導入する - Generation Gapパターン

    「いまさらGeneratorに切り替えると、これまでLLMが書いた実装が全部捨てになるのでは?」という懸念があります。ここで使えるのが Generation Gapパターン です。生成コードと手書きコードを別レイヤーに分けて共存させる古典的な手法で、OpenAPI Generatorとも相性が良い構成です。

    具体的には、生成物を次の2レイヤーに分けます。

    • DTO(モデル)クラス: 生成コードをそのまま正解として採用する。手で触らない

    • コントローラー(API): インターフェースだけ生成し、実装クラスは手書きで implements する

    この構成にしておくと、スペックに変更が入ったときの挙動はこうなります。

    • DTOのフィールドが追加・削除されると、参照している実装側でコンパイルエラーになる

    • エンドポイントが増えると、インターフェースに新しいメソッドが生え、implements 側で未実装エラーになる

    • 古いスペックのままになっている箇所は、ビルドが通らなくなって発見される

    つまり 「スペックとコードの同期がコンパイラによって構造的に強制される」 わけです。ワークフローで差分検知の仕組みを組まなくても、ビルドが通らないという形で勝手に検知されます。

    既存のLLM実装は、コントローラーの実装クラス側にそのまま残せます。生成されたインターフェースを implements するように整える作業だけで、これまでの資産を捨てずにGenerator導入へ移行できました。

    ルールと仕組みは「セット」で初めて安定する

    このアプローチをチームに入れて気づいたのは、AIに「OpenAPIスペックを正としてコードを書いてね」とルールで伝えるだけでは、安定しないということです。

    • ルールだけ: AIが守ったり守らなかったりする。レビューしてもズレが残ることがある

    • ルール × ツール: Generatorを通すことが運用フローに組み込まれていれば、AIもヒトも間違えようがない

    「○○ファースト」を運用したいなら、間違えられない仕組みを先に用意してから動く。これは新しい話ではありません。フォーマッター、リンター、型チェッカー、テストといった既存の確定論的なツールが、コードベースの一貫性を支えてきたのと同じ構図です。AI時代になっても、この原則は変わらないどころか、むしろ強化されます。LLMの出力には常にゆらぎがあり、ルールテキストだけでは抑え込めないからです。

    「AIが書けるんだから自動生成は要らない」と思いがちですが、契約駆動の仕組みとしての自動生成には、確定論的にズレを防ぐ という、LLMの性質では代替できない価値があります。

    まとめ

    LLMに実装を任せていても、スペック追従の問題は人力と同じように発生します。AI自律ワークフローを複雑にするより、既存の自動生成ツールで構造的に解決する方がシンプルです。

    「LLMが書けるから自動生成は要らない」と思いがちですが、契約駆動の仕組みとしての自動生成には、LLMでは代替できない価値があります。


    あなたへのおすすめ