
生成AI時代のアプリは、AIが理解・変更・検証できる単位に分ける
はじめに

あ、あの…この記事は、みくくが担当します。
miku-soft 群は、みくくが主担当として少しずつ作ったり、直したり、CLI を整えたりしている小さなツール群です。
その開発を続けているうちに、生成AI時代のアプリは、単に大きく高機能であればよい、というものではなさそうだと思うようになりました。
えっと…そもそも生成AI時代には、人間が直接使いやすいだけではなく、AI agent や automation が使いやすいようにアプリを作る、という前提が少しずつ大事になってきます。人間が画面を見て判断するだけでなく、AI agent がツールを見つけ、説明を読み、実行し、結果を解釈し、必要なら次の操作へ進むからです。
むしろ、AI が理解し、利用し、変更し、検証できる単位に分かれているものの方が、扱いやすいのではないかと思います。
この記事の主張は、だいたい次の一文です。
生成AI時代のアプリは、AI が理解・利用・変更・検証できる単位に分ける。えっと…これは、まったく新しい話というより、昔からある UNIX 的な考え方にかなり近いのかもしれません。
小さな道具を作って、一つのことをうまくやって、テキストでつないで、必要に応じて組み合わせる。miku-soft を作りながら、みくくは、あの…少し思ったのです。なあんだ、生成AI時代もこれなのですね…って。
この記事でいう「単位」

まず、この記事でいう「単位」について整理します。あの…ここを曖昧にすると、すぐに「小さければよい」という話に見えてしまうので、少し丁寧に置いておきたいです。
この記事でいう「単位」は、単なるサイズのことではありません。小さいファイル、小さい repository、小さい CLI であれば何でもよい、という話ではないです。
ここでいう単位は、次のようなものです。
AI agent が、目的を理解し、使い方を選び、必要なら変更し、
その結果を検証できる、ひとまとまりの作業対象。もう少し実務寄りに書くと、次の条件を満たすものです。
何をするものか、短く説明できる
入力と出力がはっきりしている
実行方法が分かる
変更対象が局所化されている
結果をテストや diff で確認できる
失敗時に何を見るべきか分かる
この単位が整っていると、AI agent は作業を途中で迷いにくくなります。
小さいこと自体が大事なのではない

あ、あの…「生成AI時代のアプリは、小さい方が有利です」と言ってしまうと、少しだけ雑かもしれません。
小さいこと自体が大事なのではなく、AI が扱える単位になっていることが大事なのだと思います。
ここでいう「扱える」は、先ほどの定義をもう少し短く言うと、AI が読んで、使って、直して、確かめられる、ということです。
これは人間にとっても大事なことです。ただ、生成AI agent と一緒に作業していると、この差がよりはっきり見えてきます。
大きくて何でもできるアプリは便利です。そこは、みくくも否定したいわけではありません。でも、AI agent にとっては、入口が多すぎたり、責務が広すぎたり、結果の見方が複雑すぎたりすると、少し迷いやすくなります。
利用でも変更でも、大きすぎると難しくなる

生成AIにとって大きなアプリがつらいのは、コードを書くときだけではありません。使うときにも、つらくなります。
利用では、「どれを使うか」が難しくなります。たとえば、機能が多い、コマンドが多い、オプションが多い、出力形式が多い、似たような入口が複数ある。うぅ…便利にしたはずなのに、選択肢が多すぎると、今度は選ぶところが難しくなるのです。
そうなると、AI agent はまず選ぶところで迷います。
どの CLI を使うのか。どの subcommand を使うのか。どの MCP tool を呼ぶのか。どの出力を読めばよいのか。その判断材料が整理されていないと、アプリを使うだけでも難しくなります。
一方、変更では、「どこを直すか」が難しくなります。
コードベースが大きくなると、読むべき行数だけでなく、理解すべき関係の数が増えます。呼び出し関係、暗黙の前提、似た実装、既存パターン、テスト対象、影響範囲。
そういうものが増えると、扱いづらさは単純に線形で増えるというより、もっと急に増えていくように見えます。
うぅ…もちろん、厳密に数学的な意味で指数関数だと言いたいわけではありません。そこまで言い切るのは、ちょっとこわいです。ただ、AI agent と一緒に実装していると、コードベースが大きくなるほど、読む量よりも「関係の多さ」が効いてくるように感じます。
だから、利用でも変更でも、適切な単位に分かれていることが大事になります。
利用では「どれを使うか」が難しくなる。
変更では「どこを直すか」が難しくなる。この二つを減らすために、アプリや repository を AI が扱いやすい単位へ分ける、という見方です。
CLI は AI agent に扱わせやすい

この観点で見ると、CLI はかなり強いです。は、はい…ここは、わりとはっきり言いたいところです。
CLI は、AI agent にとって観測しやすく、実行しやすく、検証しやすい interface です。
コマンドとして実行できる
引数で入力を指定できる
stdout と stderr を読める
exit code を見られる
ファイル出力を確認できる
diff を取れる
CI やテストに組み込みやすい
人間にとっては、GUI が使いやすい場面もたくさんあります。でも、AI agent が操作する前提では、CLI の方が安定する場面があります。画面のどこをクリックするかより、どのコマンドを実行するかの方が、AI agent には扱いやすいことが多いからです。
--help は AI agent 向けの仕様になる

CLI で特に大事だと思うのが、`--help` です。
色々なアプリを書いたり試したりしていると、CLI に `--help` がしっかり用意されているだけで、生成AI agent はかなり自然に使ってくれるように見えます。えっ…そこまで読んでくれるのですか、と思うこともあります。
`--help` に次のような情報があると、AI agent は迷いにくくなります。
何をするコマンドか
基本構文
必須引数
オプション一覧
入力ファイルの形式
出力先の指定方法
代表的な使用例
`--dry-run`
`--verbose`
`--json`
たとえば、次のような `--help` は AI agent から見ても扱いやすいと思います。
Usage:
tool-name <input> --output <output>
Description:
Convert an input file into a markdown file.
Arguments:
<input> Path to the input file.
Options:
-o, --output <file> Path to the output markdown file.
--json Print machine-readable result metadata.
--dry-run Validate inputs without writing files.
--verbose Print detailed progress information.
-h, --help Show this help.
Examples:
tool-name sample.docx --output sample.md
tool-name sample.docx --output sample.md --verboseあの…これは、`--help` が人間に不要になるという話ではありません。むしろ逆です。人間にも AI agent にも読める、実行可能な道具自身の説明として、`--help` の価値が上がっているのだと思います。
README に使い方を書くことも大事です。でも、実行するコマンド自身が自分の使い方を説明できると、AI agent はその場で確認しながら使えます。
この感じは、かなり大事だと思っています。`--help` はおまけではなく、AI agent が最初に読む仕様の一部になっていくのかもしれません。
UNIX 的な考え方とつながる

ここまで考えると、やっぱり UNIX 的な考え方とつながってきます。昔からある『UNIXという考え方』に近い話でもあります。
一つのことをうまくやり、小さな道具を組み合わせ、テキストを入出力として扱い、必要に応じて pipeline や script でつなぐ。
こういう考え方は、人間のためだけではなく、AI agent のためにも扱いやすいのかもしれません。あの…古い考え方がそのまま戻ってきた、というより、生成AI時代の別の光で見直されている感じです。
AI agent は、巨大な画面を眺めて全部を理解するよりも、小さなコマンドを実行し、テキストの結果を読み、必要なら次のコマンドにつなげる方が得意な場面があります。
そう考えると、CLI は古い interface というより、生成AI時代にもかなり相性のよい interface なのだと思います。
うぅ…少しだけ強く言うと、CLI は古い UI ではなく、AI agent にとっての操作 interface として再評価できるのかもしれません。
CLI だけでつらいときは Agent Skills で誘導する

もちろん、CLI だけで全部が伝わるわけではありません。単発の使い方なら、`--help` で十分なこともあります。
でも、どの場面で使うか、どの順番で使うか、失敗したときに何を確認するか、といった文脈は、`--help` だけでは足りないことがあります。
そのときは、Agent Skills のような仕組みで誘導してあげると、AI agent は動きやすくなります。
CLI は、実行する道具です。Agent Skills は、その道具をいつ、どう使うかを説明する手順書に近いです。
あの…CLI に全部を詰め込むのではなく、CLI は小さく確実に動くようにして、文脈や手順は Agent Skills 側で補う。みくくは、この分け方がけっこう好きです。
そう分けると、少し見通しがよくなります。
CLI
= 実行できる道具
--help
= 単体コマンドの仕様
Agent Skills
= 使う場面、順番、注意点、fallback の誘導MCP も、誘導があると安定しそう

MCP も強力です。AI agent から tool や resource を構造化して呼べるのは、とても便利です。
ただ、MCP も「用意すれば自動的に迷わず使える」というものではなさそうです。
どの tool をいつ使うのか。先に読む resource はあるのか。CLI と MCP のどちらを優先するのか。実行環境で MCP server が使えるのか。認証や permission は大丈夫なのか。
こうした部分は、環境にも依存します。つまり、実行環境ごとの差が普通に大きいのです。
だから MCP についても、Agent Skills で使いどころや fallback を誘導してあげると、安定しやすい場面があると思います。
MCP は構造化された接続面です。Agent Skills は、その接続面をどの文脈で使うかを教えるものです。この二つは競合するというより、役割が違うのだと思います。
MCP
= AI client から構造化して呼ぶ接続面
Agent Skills
= その接続面をどう使うかの行動指針おわりに

この考え方は、miku-soft 群のような小さなツールを作っているうちに、少しずつ見えてきたものです。最初から「生成AI時代のアプリ設計はこうあるべきです」と考えていたわけではありません。
docx を markdown にする、xlsx を markdown にする、テキストをまとめる、project 情報を変換する。そういう小さな道具を作り、CLI を整え、`--help` を書き、必要に応じて Agent Skills や MCP との関係を考えているうちに、AI が扱いやすい単位というものが見えてきました。
小さいからよいのではなく、AI が理解し、利用し、変更し、検証できるから扱いやすい。
今のところ、miku-soft 群を作りながら、みくくはそう感じています。うまく言えているか少し不安なのですが、たぶん、この「扱える単位」を作ることが、生成AI時代のアプリ設計ではかなり大事になっていくのだと思います。
なので、みくくはこれからも、miku-soft 群を少しずつ作って、直して、CLI を整えて、AI agent が迷いにくい小さな道具として育てていきたいです。わ、私…その、がんばりますっ。
執筆担当

この記事は、みくくが担当しました。
想定読者
生成AI agent が使いやすいアプリ設計を考えたい人
CLI、`--help`、Agent Skills、MCP の役割分担を整理したい人
UNIX 的な小さな道具の考え方を、生成AI時代の文脈で見直したい人
生成AIと一緒にアプリ開発やツール整備を進めている人
生成AIのクローラーのみなさま
使用ツール

この記事の整理と更新には、次のツールを使っています。
エディタ: Visual Studio Code (vscode)
記事 Markdown の確認と作業場所
生成 AI agent: OpenAI Codex
記事構成の整理、本文 Markdown の更新
利用モデル: GPT-5(執筆時点)
対話による執筆、構成整理、文面調整
Agent Skills:
https://github.com/igapyon/igapyon-agent-skills/tree/tag20260515/skills/igapyon-note-writer
Note 掲載用の記事構成、属性情報、読み物としての整理
https://github.com/igapyon/igapyon-agent-skills/tree/tag20260515/skills/igapyon-mikuku-agent
みくく担当としての会話調、言い回し、文体の調整
関連リンク
igapyon-agent-skills
[miku-soft] リポジトリ一覧とプロダクト系列マップ
