公開されたプロジェクトも小さなチームも同じ気まずい場所にいる。直っていない票の山は高くなる一方で、それを引き受けられる人の数はまったく変わらない。多くのプログラミング助手は目の前の行を補うところで止まる。入力は速くなるが、不具合を最初から最後まで付き添ってくれる者はいない。このプロジェクトは別の道をとり、仕事ごと引き受ける。

SWE-agent は二つの大学の研究者が作り、オープンな形で公開した。不具合の票の在り処を渡すと、対応するプロジェクトを複製し、説明を読み、コードの中から関係する場所を探し、何が悪いのかを考え、ファイルに手を入れ、ほかを壊していないか確かめるためにテストを走らせ、そのまま合わせる申請として出せる修正を生む。すべて隔離された環境で進み、誰かが横で一つずつ承認する必要はない。

補完ではなく、一回の修復を最後まで

このやり方が最初に現れたのは 2024 年。実際の票から組み立てた公開の評価集で 十二パーセントを少し超える割合の問題を解き、一題あたり平均で九十三秒だった。オープンな方法が二桁に届いたのは初めてで、モデルが本当に不具合を直せるのかという話は、意見の応酬から測れる課題に変わった。モデルが良くなるにつれ、後の大きな版がこの種の評価でのオープンな最良記録を何度も塗り替えた。

要点はモデルではなく、手に持たせる道具のほう

普通の対話モデルを本物のプロジェクトに放つと、たいてい道に迷う。ファイルが多すぎ、文脈が収まらず、形が一度崩れるとそれまでの全部が無駄になる。付属の論文の中心的な貢献は、エージェントと計算機の間の接点だ。裸の端末をモデルに渡すのではなく、コードを読み書きするという具体的な作業のために命令を作り直した。

中身は具体的だ。ファイルの閲覧は一回につきおよそ百行だけを見せる。ちょうどモデルが正確に読める範囲に収まる。編集の命令はまず文法を調べ、正しくないコードならその変更を適用しない。ディレクトリ全体の検索は当たったファイル名だけを返し、文脈を詰め込まない。出力のない命令には「実行は成功したが出力はなかった」と明示して返す。どれも細かい話に見えるが、長い仕事の途中でモデルが崩れないのはまさにこの設計のためで、論文も、接点を調整しないと同じモデルの成績が大きく落ちると確かめている。

モデルは替えられ、設定は一つのファイル

ここに特定の提供者への縛りはない。商用のモデルも、手元で動くオープンなモデルも繋がり、モデルと設定値は一つの設定ファイルに書くので、乗り換えはコードを触らず一行の変更で済む。同じ仕事を違うモデルにやらせてどちらが強いかを見る比べ物には、ことのほか向いている。

隔離はコンテナに任せる。どの実行も砂箱の中で起き、自分の機械を壊さない。何十、何百という票をまとめて並行して処理できる。終わったあとには完全な履歴が残る。どのファイルを読み、何を検索し、どこを変えたか、すべてたどれる。公式の閲覧画面では、各段でいくらかかり、どれだけの単位を使ったかまで分かる。

不具合を直すのは出発点にすぎない

同じ枠組みは他のことにも使える。チームはネットワークの安全を競う大会にこれを持ち込み、関連の順位表で上位に入った。競技としてのプログラミングの課題も同じで、「ある環境の中で続けて操作し、目的に届くまでやる」と書ける仕事なら何でも繋げられる。プロジェクトは全体がオープンで、検証でき、変えられ、再現できる。学術の側で繰り返し引用される理由もそこにある。

いまの立ち位置を、はっきりと

2025 年 7 月、同じチームはより軽い簡易版を公開した。中核はおよそ百行の Python で、独自の道具をすべて外し、ごく基本的な shell だけを残して、それでも確認用の課題の約 65% を解く。いまの勧めは、新しい利用者の多くはそちらから始めるほうがよいというものだ。SWE-agent 自体は保守に移り、新しい機能が中心ではなくなった。

どこで今も適しているかも、それではっきりする。深く設定できる道具立てが要る場合、履歴の扱い方を変えて試したい場合、よいエージェントの接点はどうあるべきかを研究したい場合。機能の揃ったこちらが今も向いている。これは研究の基盤であって、包装の済んだ完成品ではない。2026 年の終わりまでに、公開された置き場は二万を超える星と二千を超える分岐を数え、付属の評価集はこの分野が避けて通れない共通の尺度になった。