MulticaでAIコーディングエージェントを仕事のボードに載せる

issueをエージェントの作業票にする

MulticaはAI coding agentへ人間の同僚と同じように仕事を割り当てるオープンソースのworkspaceです。READMEの中心的な流れは、agentがissueを受け取り、進捗を報告し、blockerを上げ、レビューへ返すというものです。意図、run、判断、diffを同じissueへ結びつけるため、終了したターミナルをまたいで経緯を再構成する作業を減らす設計です。

課題を置けば自動的に正しいコードが出るという約束ではありません。READMEは、何もhuman saying soなしに出荷しないという人間レビューの前提も示しています。まず一つのリポジトリで、仕様が短いissueを作り、担当agentのコメント、実行結果、レビュー待ちの状態がどこまで追えるかを確認します。

23個のCLIを同じボードへ

READMEはClaude Code、Codex、Cursor、Copilot、Kimi、OpenCodeなど23 agent CLIsへの対応を掲げています。agentには名前、provider、runtimeを与え、ボード上では人間と同じチームの一員として表示します。特定のCLI一つを選ぶのではなく、案件に応じて複数を使うという発想です。

対応数は素材取得時点のREADME記載です。各CLIの版、認証、ツール呼び出し、コンテキスト長、失敗時の挙動まで均一とは限りません。実際に使う二つのCLIを選び、同じissueと同じリポジトリで生成差分、実行時間、再試行の扱いを比較してから、担当範囲を決める必要があります。

自分のマシンをruntimeにする

Multicaにはdaemonを自分のラップトップやクラウドボックスで動かすYour own runtimeの考え方があります。READMEは、コードがそのruntimeから出ないと説明しています。エージェントの作業場所を管理者が用意し、workspace上の課題と実行環境をつなぐ形です。

この構成では、daemonがアクセスできるリポジトリ、環境変数、SSH鍵、ネットワークを明確に切り分けます。READMEの一文から秘密情報の隔離や任意コマンドの制限まで推測はできません。初回試験ではテストリポジトリと限定権限のruntimeを使い、実行ログに入力と出力がどの範囲で残るかを確認します。

Squadsとskillsで作業を再利用する

Squadsはagentと人間を一つのteamに置き、leaderが仕事を振り分ける仕組みとして案内されています。Projectsでは作業をまとめ、agentに必要なrepositoryやdocsをcontextとして添付できます。Chatから質問したり、issueを作らずに仕事を開始したりする入口もあります。

Skillsは解決した問題を、次のagentが再利用するplaybookへ変える機能です。これは過去の手順を構造化する助けになりますが、古いskillが新しいコードや依存関係へ適合するとは限りません。skillを登録する前に、前提ファイル、適用条件、期待するdiffを明記し、別のissueで再現できるかを確認します。

execution logでrunを再生する

READMEのExecution logは、tool call、command、errorを時刻付きで再生する場所です。runごとのtoken usageも確認でき、どのagentの実行に費用が掛かったかを見る材料になります。エージェントを人数のように増やす製品では、作業結果だけでなく、途中の操作と支出を同じ課題から追えることが運用上の焦点です。

autopilotsではstandup、audit、reportをcronで実行できるとされています。定期実行は便利ですが、入力が変わらないまま同じ操作を繰り返す可能性があります。導入時はexecution logでコマンドとエラーを確認し、autopilotの周期、対象project、停止方法、レビュー担当を決めてから定常化します。

セルフホストとライセンスの確認

READMEにはWebsite、Docs、Cloud quickstart、Self-Hostingへのリンクがあります。クラウド利用と自分で管理する構成の選択肢がある一方、素材だけでは料金、SLA、保持期間の詳細は分かりません。マルチユーザーの権限、agentの認証情報、ログの保管場所は導入先の文書で確認します。

素材のメタデータではライセンス欄が空です。したがってREADMEのオープンソースという表現だけで再配布条件を断定できません。採用前にリポジトリのLICENSE、Self-Hosting手順、使うagent CLIの規約を確認し、限定runtimeでissueからレビューまでを通して記録するのが必要です。

一つのissueを最後まで追う

Multicaの評価は、短いissueを作ってagentをassignし、runtimeでcommandを実行し、コメントとblockerを確認して人間がdiffをreviewする流れで行います。実行ログからtool call、error、経過時間、token usageを抜き出し、同じissueを別CLIで比較します。Projectsへrepositoryとdocsを添付した場合にagentのcontextが意図した範囲だけになるかも確認します。autopilotをcronで設定する前に停止操作を試し、コード、ログ、APIキーの保存場所を分けて記録します。23種類のCLIのうち実際に使うproviderを固定し、agent名、runtime、課題状態、レビュー結果を一行ずつ対応させます。同じissueを別CLIで比較し、agent名、runtime、課題状態、レビュー結果を一行ずつ対応させます。同じissueを別CLIで比較し、agent名、runtime、課題状態、レビュー結果を一行ずつ対応させます。人間の承認前にmergeされないことも確認します。runtimeの作業ディレクトリと権限を限定し、実行後に生成されたファイル、外部通信、環境変数の参照を一覧にします。レビューで却下したdiffが再実行で別の変更へ変わらないかも記録します。

編集部の結論

MulticaはClaude CodeやCodexなど複数のagent CLIを、課題単位のレビュー工程に置きたい開発チーム向けです。単なるチャット画面を求める人には管理要素が過剰になり得ます。導入前に自分のruntimeで小さなissueを割り当て、実行ログ、生成差分、停止条件、トークン費用、コードが実行環境から出ない構成を確認してください。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes