重要なモジュールも必要なテスト手順も事前に分からないため、このタスクは未解決のままです。エージェントはまず、軽量な検出ツールを使用してリポジトリをマッピングし、既存のテストを特定し、中心となるモジュールを識別し、どのコンポーネントがファンイン性、ビジネス上の重要性、複雑な分岐構造、または広範な外部依存関係を持っているかを判断する必要があります。その後、リスクベースの初期テスト計画を作成し、新たな依存関係情報が現れたら計画を改良することができます。
Anthropicは、あらかじめ定義されたワークフローと、プロセスやツールの使用を動的に制御するエージェントを区別しています。エージェントは、必要な手順を確実にハードコーディングできず、環境証拠に適応する必要がある場合に適しています。実行中、エージェントはツールの結果を通じてグラウンドトゥルースを取得し、そのフィードバックを使用して後続のアクションを決定する必要があります。（https://www.anthropic.com/research/building-effective-agents）Anthropicはまた、オーケストレーター・ワーカー設計は、必要なサブタスクが調査結果に依存する複雑なコーディングおよび検索タスクに適していると指摘しています。（https://www.anthropic.com/research）
/効果的なエージェントの構築）
オプションAは、リスクではなくディレクトリ境界に基づいて作業量を割り当てます。オプションCは、価値を提供する前にコンテキストを徹底的に調査します。オプションDはアルファベット順を使用しますが、これは影響度やカバレッジの優先順位とは関係ありません。
オプションBは、証拠に基づいた分解手法を確立する。すなわち、影響力の大きい経路を発見し、優先順位を付け、テストし、結果を測定し、依存関係や未知のリスクが明らかになった場合に計画を修正する。
公式の参考文献／トピック：動的タスク分解、適応型エージェントループ、オーケストレーター・ワーカー、リスクベースのテスト計画。

オプションDは、不要なインフラストラクチャを作成することなく、既存の統合メカニズムを利用します。Anthropic社のClaude Code MCPドキュメントでは、ユーザーが課題トラッカーなどの外部システムから会話に情報を繰り返しコピーする場合に、MCPサーバーへの接続を特に推奨しています。接続が完了すると、サーバーは名前付きスキーマ定義ツールを通じてJiraの操作を公開し、Claudeはこれらのツールを直接検出して呼び出すことができます。これにより、エージェントはサーバーの認証とアクセス制御を維持しながら、チケットの説明、承認基準、コメント、メタデータを取得できます。
オプションAでは認証の詳細がシェルコマンドに公開され、エージェントがリクエストを構築してレスポンスを繰り返し解析する必要があります。オプションBは、既存のサーバーが必要な機能を提供していない場合、またはワークフローで高度に専門的な操作が必要な場合にのみ正当化されます。この質問では標準的なJira情報が必要なため、別のサーバーを構築して維持する必要はありません。オプションCでは、権限、最新のコメント、および正式なチケットの状態が失われる、手動で同期された古いコピーが作成されます。したがって、チームは信頼できるJira MCP実装を選択し、可能な場合は適切な読み取り専用スコープを設定し、有効化する前にツールの説明とデータアクセス境界を確認する必要があります。

オプションAでは、管理対象のClaudeコードレビュー専用のコントロールサーフェスを使用します。Anthropicのコードレビューに関するドキュメントによると、ルートレベルのREVIEW.mdは、最優先の命令ブロックとしてすべてのレビューエージェントに挿入されます。このファイルでは、スキップパスの定義、CIによって既に適用されているカテゴリの抑制、重要度の再調整、ニット量の制限、特定の検出結果を報告する前にソースコードの証拠を要求するなどの設定が可能です。ドキュメントでは、生成されたコード、リンティング、検証要件が適切な使用例として明示的に示されています。
オプション B は、自己ホスト型の GitHub Actions ワークフローを構成しますが、このシナリオは Anthropic のインフラストラクチャ上で実行されている別の管理対象コードレビュー サービスに関するものです。このワークフローの手順は、管理対象のレビュー担当者を制御しません。オプション C は、有用な一般的なプロジェクト コンテキストを提供しますが、CLAUDE.md のレビュー固有の権限は低く、管理対象コードレビューでは、その違反は主に細かいレベルの指摘として扱われます。REVIEW.md は、管理対象サービスが報告する内容を変更するための、より強力で正確なメカニズムです。このファイルでは、src/gen/** をスキップし、CI によって既に強制されているスタイルの問題を抑制し、レンダリング ヘルパーの警告には具体的な動作の証拠を要求する一方で、検証済みの正しさとセキュリティ上の欠陥については引き続き報告する必要があります。

オプションBは、適切なオーケストレーション層で評価と改良のループを導入します。コーディネーターは既に研究計画と委任の決定を所有しているため、合成結果を必要な質問と照らし合わせて検査し、カバレッジのギャップを特定し、焦点を絞ったフォローアップの割り当てを発行する必要があります。Anthropicのマルチエージェント研究システムの説明はこのパターンに従います。リードエージェントは返された調査結果を合成し、追加の研究が必要かどうかを判断し、最終結果を生成する前に新しいサブエージェントを作成するか、戦略を改良します。オプションAのように初期クエリの幅を広げると、無関係な資料が追加で生成される可能性があり、予期しないギャップがカバーされることを保証できません。オプションCは、不完全性を修正するのではなく、単に不完全性を文書化するだけです。オプションDは、合成エージェントに検索機能を与えることで役割の分離を弱め、ツールの複雑さを増し、コーディネーターの中央集権的な追跡を迂回します。ターゲットを絞った再委任は、専門的な責任を維持し、研究、評価、改良、再合成の観察可能なシーケンスを作成します。コーディネーターは、明確な網羅基準を維持し、改良ラウンドの回数を制限することで、システムが制御不能な研究ループに陥ることなく、網羅性を向上させるようにする必要がある。

この指示では、クロードに対し、不確実な結果や軽微な結果を抑制するよう明示的に指示しています。推論の深度を高めても、この報告ポリシーを覆すことはできません。クロードは分析中に実際の欠陥を特定したとしても、最終的な回答からそれを除外する可能性があります。オプションBでは、包括的な検出と受け入れフィルタリングを分離することで、自動的な意思決定に必要なメタデータを保持しつつ、偽陰性の原因を取り除きます。
Anthropicの現在のコードレビューに関するガイダンスでは、不確実な問題や深刻度の低い問題も含め、すべての問題を報告し、信頼度と推定深刻度を付与して、別の検証またはフィルタリング段階でランク付けすることを推奨しています。構造化されたスキーマでは、ファイルパス、行番号、カテゴリ、信頼度、深刻度、証拠、推奨されるアクションなどのフィールドを追加で要求することもできます。
オプションAは調査の質を向上させる可能性がありますが、抑制指示はそのまま残ります。オプションCは問題のある閾値を削除しますが、下流処理に必要な明示的な構造化分類も破棄します。オプションDは同じレビューポリシーを繰り返すため、2回目のパスでも1回目と同じ結果が抑制される可能性があります。オプションBは再現率と機械可読な出力を維持しながら、決定論的で調整可能な下流の閾値を可能にします。これは、モデルの初期検出タスク内に過度に制限的な受入決定を組み込むよりも信頼性が高いです。