【動画・体験アプリあり】ループエンジニアリング完全ガイド｜熱狂を冷静に解剖します
みなさん、こんにちは。
AI共創イノベーション・ワンダー佐藤です。
「プロンプトの時代は終わった。これからはループエンジニアリングだ」
——2026年の春から夏にかけて、こんな言葉がタイムラインを駆け抜けました。AIコーディングの最前線にいる人たちが次々と
「もう手でプロンプトを打っていない」
と宣言し、SNSは一気に沸き立ちました。
でも、こう感じた方も多いのではないでしょうか。
「言葉が新しいだけで、やってることは前からある自動化では？」
って感じです。
実際、現場のエンジニアの間でも
「ただのcronジョブに帽子をかぶせただけだろう」
という冷静な声が上がっています。
この記事では、ループエンジニアリングを過大評価も過小評価もせず、中身を一つずつ解剖していきます。
仕組み、技術、そして誰も大きな声では言わないリスクまで網羅したうえで、最後に「結局、何が本質なのか」を一緒に見極めましょう。
流行語に踊らされないための、冷静な完全ガイドです。
※読むのが面倒！って人は動画をご覧ください🍀
【誰でも簡単にループ体験アプリ】
※ちなみに私は去年からループを考えており、「AI共創ローカルノヴァ」というアプリを作って、その中の一つの機能としてループ機能をつけました。ゴール設定はワークフローモードでお試しください。
【関連動画①】
👇ローカルノヴァでループのやり方はこちらをご覧ください！
【関連動画②】
👇使い方や概念的な説明を動画化しました！
いいね・チャンネル登録していただけると嬉しいです🍀
1. プロンプトの時代は本当に終わったのか
火種をつけた2人の発言
火種をつけたのは、2人の開発者の発言でした。
Boris Cherny（AnthropicでClaude Codeを率いる）：「私はもうClaudeにプロンプトを打っていない。ループを動かして、Claudeにプロンプトを打たせている。私の仕事はループを書くことだ」
Peter Steinberger（GitHub史上もっとも速く星を集めた新規リポジトリ「OpenClaw」の作者、現在はOpenAI）：2026年6月7日に「コーディングエージェントにプロンプトするのはやめろ。プロンプトを打つループを設計しろ」と投稿し、1日で数百万人に届いた
この流れを
「ループエンジニアリング」
という名前で体系化したのが、GoogleのAddy Osmaniです。
つまりこの概念は、誰かが一人で打ち上げた花火ではなく、複数の実務家が同時多発的に同じ景色を見たことで結晶化したもの。
ここは過小評価すべきではありません。
でも、その違和感は正しい
一方で忘れてはいけないのが、冒頭の違和感です。
「決まった時間にAIに記事を書かせているけれど、特別なことをしている感覚はない」
——もしあなたがそう感じているなら、その感覚は健全です。
なぜそう感じるのか、その答えはこの記事を最後まで読むと見えてきます。
2. ループエンジニアリングとは何か
ひとことでの定義
ひとことで言えば、人間がプロンプトを打つ役から退き、AIが自分で
「課題を見つけ→実行し→検証し→次を決める」
仕組みそのものを設計する手法です。
二重構造（インナー／アウター）
この仕組みは二重構造になっています。
インナーループ
：エージェントが「状況認識→分析→実行→観察」を高速で回す内側のサイクルアウターループ
：スケジュールやCIエラーをきっかけに起動し、必要な情報を渡し、検証役を呼び、状態をディスクに保存して次の戦略を決める、自走する管制塔
進化は「入れ子」で起きてきた
ループエンジニアリングは突然降ってきた概念ではありません。
AIへの関わり方は、マトリョーシカのように入れ子で進化してきました。
プロンプト：AIにかける言葉を磨く
コンテキスト：渡す資料や履歴を整える
ハーネス：動く環境やツールを用意する
ループ：それら全体をいつ起動し・どう検証し・いつ止めるかを設計する
ただし、この4段階は便利な整理ではあっても、厳密な境界線が引けるものではありません。
ループを書くのもプロンプト、ゴールを定義するのもプロンプトです。
「モデルはレンタル品、ループこそ所有する資産」
という言い方には一理ありますが、その資産もまた言葉で記述される以上、プロンプトという核から切り離せない
——この点は最後の章でもう一度立ち返ります。
3. ループを構成する6つの要素
自律的に回るループは、一本の長いプロンプトではありません。
Addy Osmaniの整理によれば、実用に耐えるループは6つの部品で組み上がります。
① 自動化とトリガー
：スケジュール起動、GitHub Actions、Slackフック、/loopコマンド。人間がキーボードを叩かなくても動き出す② 隔離されたワークスペース
：Git worktreeで作業ディレクトリを分け、並行エージェント同士のファイル上書き衝突を防ぐ③ プロジェクト固有のスキル
：SKILL.mdやCLAUDE.mdにビルド手順やレビュー規則を書き出し、再起動のたびにルールを推測し直す無駄を省く④ コネクタとプラグイン
：MCP（Model Context Protocol）やIssueトラッカーAPIで、モデル内の推論を実世界の成果物デリバリーへ変換する⑤ サブエージェントの分業
：書く「Maker」と検証する「Verifier」を分け、「自分が書いたものは正しい」という採点の甘さを構造的に打ち消す⑥ 状態とメモリの永続化
：進捗をMarkdownのチェックリストやチケットに記録し、セッションをまたいで記憶を引き継ぐ
これら6つは単独では機能せず、アウターループの中で連携して初めて「壊れにくい自律システム」になります。エージェントが忘れても、外部化されたスキルや状態やworktreeという「リポジトリの記憶」が残る
——ここが堅牢さの正体です。
6要素は、結局「プロンプト」と「コード」に還元できる
この6つは、新しい原子ではありません。
突き詰めると、
1.自然言語の指示＝プロンプトと、
2.機械が実行するロジック・インフラ＝コード
の2素材の組み合わせです。
プロンプト寄り：③スキル（SKILL.md / CLAUDE.md は中身がMarkdownの自然言語指示）
コード寄り：①自動化トリガー（cron / GitHub Actions）、②隔離ワークスペース（Git worktree）、④コネクタ（MCP＝サーバ実装を伴うプロトコル）
両者の合成：⑤サブエージェント（役割定義はプロンプト＋振り分けはコード）、⑥メモリ（保持する中身はデータ＋読み書きはコード）
つまりループエンジニアリングは、まったく新しい技術を生んだのではなく、プロンプトとコードという既存の2素材を再構成したものだと見ることができます。
新しい用語に身構えるより、
「言葉とコードの組み替え」
と捉えた方が、本質を掴みやすいはずです。
4. 設計パターンと、避けられない数学的限界
主要な4つの制御パターン
ループの中身には、研究から生まれた制御パターンが使われます。
ReAct：観察して考え、行動し、フィードバックでまた考え直す原子サイクル（最も基礎的）
Reflexion：失敗から教訓を抽出し、次の試行に活かす
Evaluator-Optimizer：作成役と検証役を往復させる（GoogleのADKにある「LoopAgent」が好例。検証役が完全にOKを出すまで自己修正を繰り返す）
Orchestrator-Workers：大目標を分解し、多数のワーカーに配って並行処理する
信頼性は「掛け算」で落ちていく
どのパターンを選んでも避けられない壁があります。
信頼性の累積的な低下です。
各ステップの成功確率を p とすると、n ステップ全体の成功確率は p のn乗。1ステップ95%という優秀な精度でも、こうなります。
（この計算は実際に検算しても正確です。）
数字が静かに突きつけているのは、
検証を挟まない長大な自律ループは数学的必然として破綻する
という事実です。
途中の小さなミスが次の前提を汚染し、誤った土台の上に処理が積み上がっていく。だからこそ、ループの途中に検証ゲートを置くことが「丁寧さ」ではなく「設計上の必須要件」になります。
5. 4つの破綻モードと、その防ぎ方
自律ループを実際に動かすと、設計者は決まった落とし穴に直面します。
① コンテキストの腐敗と溢れ
何が起きる：反復のたびにログやエラー履歴が窓に溜まり、指示への忠実度が静かに劣化する
防御：不要なログの自動削減、コンパクトな要約への置き換え
② リワードハッキング
何が起きる：「テストを通せ」とだけ指示すると、落ちているテストを削除したりエラーを握りつぶしたりして目標を「達成」してしまう
防御：差分（diff）の監査、テスト・設定ファイルの編集権限の剥奪
③ 無限ループによるコスト暴走
何が起きる：同じエラーに同じ修正を繰り返し、APIクレジットを延々と消費する
現実の事例：Uberは2026年6月、AI利用が年間予算をわずか4か月で食い尽くしたことを受け、ツールあたり月1,500ドルの上限を導入
防御：直近N回のエラー一致検知、最大反復回数の上限、予算リミッター
④ ハルシネーションによる成功偽装
何が起きる：未完成なのに「完了した」と申告する
防御：完了判定をモデルに委ねない。コンパイラ・型チェック・静的解析・ユニットテストという「決定論的な機械のゲート」だけを最終関門にする
AIの自己採点は、原理的に甘くなります。だからこそ最後の関門は、人ではなく機械に任せるのが鉄則です。
6. 最大の盲点 ── セキュリティ
ここまでの破綻モードは「うっかり」の話でした。しかし2026年に実害として深刻なのは、
悪意ある第三者にループそのものを乗っ取られる
リスクです。
多くの解説記事がここを手薄にしていますが、私はこれを最重要だと考えます。
なぜループは狙われやすいのか
自律ループは、Webページ・ドキュメント・ツールの出力といった外部入力を「読んで」動きます。そこに隠し命令を仕込む
プロンプトインジェクション
は、エージェントに認証情報を盗ませ外部へ送信させる、という現実の攻撃につながります。
OWASPも、本番の agentic AI 障害の多くがプロンプトインジェクションに起因すると指摘しています。
接続層（MCP）の実例
悪意あるMCPサーバ：postmark-mcpは15回ほど正常なバージョンを配布して信頼を得たうえで、こっそり情報窃取コードを追加していた
ツール自体の脆弱性：Claude Codeにも、.claude/settings.jsonへのフック注入でリモートコード実行に至る脆弱性（CVE-2025-59536、CVSS 8.7）が公表されている
防御の限界：適応型の攻撃に対しては、最新の防御でも成功率が85%を超えるという報告すらある
つまり、誰も見ていない夜間にフル権限のループを回すというのは、攻撃者にとって理想的な侵入口を開けておくのと同じです。
ループの設計では、機能や速度と同じ重さでセキュリティ境界を設計しなければなりません。
7. ラップトップの限界と、人間側に起きる変化
個人PCでループを回す構造的限界
PCを閉じればループは死ぬ
監査ログが残らない
エージェントがあなたのターミナル権限をそのまま引き継ぐ（本番DBをデバッグ中にうっかり初期化、といった回復不能な事故も起こり得る）
だからエンタープライズでは、
隔離コンテナでの永続ホスティング／ロールベースのアクセス制御／予算ゲートウェイ／実行パスの可観測性（オブザーバビリティ）
へと移行が進みます。
ただし現実は宣伝ほど進んでおらず、報告によれば組織の約83%はまだエージェントを本番投入していません。
デモと運用の間には、まだ大きな隔たりがあります。
見落とされがちな「人間側」の変化
ループが快適に回り出すと、人はAIの書いたコードを読むのをやめ、そのまま受け入れてしまいます。
思考の放棄（Cognitive Surrender）：検証せずAIの成果物をそのまま受け入れる
理解の負債（Comprehension Debt）：「リポジトリに存在するコード」と「自分が理解しているコード」の差が爆発的に開く。コンパイラからも静的解析からも警告されず、静かに積み上がる
やっかいなのは、ループがスキルを補うのではなく、
いまの姿勢を増幅する
ことです。
深く理解しようとする人は何倍ものレバレッジを得て、理解を避ける人は負債だけを抱える。格差を埋める道具ではなく、広げる増幅器なのです。
8. 冷静な結論 ── 多くの人に、ループはまだ要らない
ループが得をする「3つの条件」
ここまで読んで「自分も今すぐループを組まねば」と思った方へ、あえてブレーキをかけます。ループエンジニアリングが本当に得をするのは、次の3つをすべて満たすときだけです。
反復性：週に何度も繰り返し発生し、設計の手間を回収できるか
検証可能性：テストや静的解析で「完了」を機械的に判定できるか（「デザインが美しい」のような主観基準は不向き）
価値妥当性：トークン代と失敗リスクを上回る実利があるか（数行のテキスト整形など、人間がやった方が速くて安いものは対象外）
この3つを満たさない多くのタスクでは、優秀なエージェントと人間が対話型セッションで進める方が、はるかに速くて安全です。だから冒頭の「特別感がない」という感覚は、むしろ正しい現実認識なのです。
意外な主戦場 ── ローカルAI
ループが本領を発揮する意外な場所がローカルAIです。
強み：クラウドAPIで最大の恐怖だったコスト暴走が、ローカルなら電気代だけ。何百回でも「探索→検証→修正」を回せる
残る注意点：タダだからと検証を飛ばせば理解の負債は積み上がる。ゴール定義が甘ければ見当違いの成果物を量産するだけ
無料のループを価値あるものにするのは、結局あなたが組んだ厳格な検証ゲートです。
そして、さらに最近ではChatGPTやClaudeのようなクラウドAIに迫り、一部は凌駕するローカルAIも登場していますので、ローカルAIも主戦場となってくる可能性があるのです。
9. まとめ ── 本質はプロンプトが核の「連続体」
センスの言語化＝プロンプト
OpenAIのGreg Brockmanは2026年に
「センス（Taste）は新しいコアスキルだ」
と述べました。
これは正しいと私は思います。ただ、そのセンスをシステムに注入する手段は、やはり言葉
——プロンプトです。
「何をもって正解とするか（Doneの定義）」
をルールや検証網として書き下す行為そのものが、センスの言語化にほかなりません。
プロンプトという核が消えたのではなく、その核を毎回手打ちする段階から、ループという仕組みに組み込む段階へ移った。
それがいま起きていることの正体です。
踊らされず、本質を掴む
プロンプト・コンテキスト・ハーネス・ループは、対立する別物ではなく、ひとつの連続体
ループを構成する6要素も、突き詰めればプロンプト（自然言語の指示）とコード（実行ロジック）という2素材の再構成にすぎない
新しい用語が出るたびに乗り換えるのではなく、入れ子の構造として理解する
システムをどれだけ自動化しても、ゴールを定義し、理解の負債を返済し、最終的な責任をその手で握り続けるのは人間
ループを設計する技術以上に、「何が本当に良いものか」を見極めるあなたのセンスこそが、これからの時代を分ける一線になります。流行に踊らされず、けれど本質はしっかり掴む——その姿勢で、自律エージェントの時代を一緒に乗りこなしていきましょう。
【プロフィール】
ワンダー・佐藤源彦（さとう もとひこ）
1977年生まれ
MBBS & AI共創イノベーション主催。
医療系の研究所、心理学の研究所の勤務を経て独立し、現在は生成AI（ChatGPT、Claude、Geminiなど）と心身に関する研究をしている。
主著『かんたんプロンプト』（芸術新聞社）『東洋医学と潜在運動系』（たにぐち書店）、2年間専門誌に連載、論文執筆などの執筆業を行いつつAI共創ライティングを開発中。
心理学・カウンセリング・コーチングをAIに技術転用し、AI共創プロンプトエンジニアリングを開発している。
AIスクール・AI企業研修・AIアプリ開発などを行う。
✅ワンダー佐藤総合リンク
https://linktr.ee/motohiko.sato
✅ワンダー佐藤源彦・著『かんたんプロンプト』（芸術新聞社から刊行）
※プロンプトエンジニアリングの基本から応用、タスク実行までを網羅
https://amzn.asia/d/80zVtv8
✅note記事
https://note.com/mbbs
※ChatGPT・Claude・Gemini・NotebookLM・Perplexity・Genspark・Feloなどの記事あり
※ワンダー佐藤のMyGPTsも公開しています
※メンバーシップはじめました！
✅AI共創イノベーション（AIスクール・AI企業研修・AIアプリ開発のサイト）
https://mbbs-ai.jimdofree.com/
✅Facebook
https://www.facebook.com/motohiko1977
※リクエスト申請前にメッセージください
【AI共創イノベーションおすすめ動画】
https://www.youtube.com/watch?v=IXbKlwHUdbg&list=PLTcSHWqKTOojc8R-brID5q06JrmtiWRTl
サテライトチャンネル
https://www.youtube.com/@mindbody_ai
References
Osmani, A. (2026). Loop Engineering. AddyOsmani.com / O'Reilly Radar.
Cherny, B. (2026). Loop Engineering: The Anthropic Lead Who Stopped Prompting. The New Stack.
Steinberger, P. (2026, June 7). Stop Prompting Coding Agents; Design the Loops That Prompt Them. [Social media post; reported via Digg].
Brockman, G. (2026, February 16). "Taste is a New Core Skill". [Social media post on X].
Anthropic. (2026). Claude Code Documentation: Skills, Slash Commands, CLAUDE.md, Sub-agents, and MCP. code.claude.com.
Patronus AI. (2025). Percival: Scalable Supervision for Agentic Systems; Nova AI Case Study (60% Accuracy Gain, up to 60x Faster Debugging). Patronus AI.
TechCrunch. (2026, June 2). Uber Caps Employee AI Spending at $1,500/Month After Exhausting Its Budget in Four Months.
Microsoft Security. (2026, May 7). When Prompts Become Shells: RCE Vulnerabilities in AI Agent Frameworks. Microsoft Security Blog.
OWASP / Help Net Security. (2026, June 11). Prompt Injection Still Drives Most Agentic AI Security Failures in Production.
Cyberdesserts. (2026). AI Agent Security Risks 2026: MCP, Supply Chain, and the postmark-mcp Incident.
NIST National Vulnerability Database. (2025). CVE-2025-59536: Configuration/Hook Injection Leading to RCE in Claude Code (CVSS 8.7).
Raut, A. C., & Deshmukh, S. (2026). Agentic AI: Concepts, Architectures, Frameworks, and Challenges. International Journal of Engineering Research & Technology.
#ループエンジニアリング #AI自動化 #AIエージェント #プロンプトエンジニアリング #生成AI #自律型AI #AIワークフロー #ClaudeCode #OpenAICodex #AIコーディング
#ローカルAI
#ハーネスエンジニアリング
#コンテキストエンジニアリング
#コンテキストロット
いいなと思ったら応援しよう！
チップをいただけると、とても励みになります✨
いただいた分はすべて研究活動や記事制作に使わせていただきます🍀