AIを活用したソフトウェア開発の分野で、長年にわたり使用されてきたCursorやWindsurf、GitHubのCopilotなどのコード編集ツールが、新たな変化を迎えています。エージェント型AIの進化と共に、AIシステムがソフトウェアとどのように相互作用するかに変化が生じているということです。
これまではコードに直接働きかけていたAIが、現在はインストールされたシステムのシェルに直接作用するようになっています。これはAIを活用したソフトウェア開発において重要な変化であり、今後の分野の方向性に大きな影響を与える可能性があるとされています。
ターミナルは、1990年代のハッカー映画で見た白黒の画面として知られています。現代のコードエディタほど視覚的には印象的ではありませんが、使いこなせれば非常に強力なインターフェースです。コードを記述しデバッグするエージェント型ツールとは異なり、ターミナルツールは記述されたコードを実際に使用可能なソフトウェアに変換するために必要とされています。
このターミナルへの移行の明確な兆候は、大手研究所からの発表に見られます。今年2月以降、Anthropic、DeepMind、OpenAIがそれぞれコマンドラインコーディングツール（Claude Code、Gemini CLI、CLI Codex）を発表し、すでにこれらは各社の人気製品となっているということです。
この移行は、これまでのコーディングツールと同じブランドのもとで行われているため、見過ごされがちですが、実際にはエージェントが他のコンピュータとオンラインおよびオフラインでどのように相互作用するかに変化が生じています。これらの変化は始まったばかりだと考える専門家もいます。
Terminal-Benchの共同制作者であるマイク・メリル氏は、「95%のLLMとコンピュータの相互作用がターミナルのようなインターフェースを通じて行われる未来があるという大きな賭けをしています」と述べています。
コードベースのツールが揺らぎ始めている中、ターミナルベースのツールは独自の地位を築きつつあります。AIコードエディタのWindsurfは、買収合戦に巻き込まれ、幹部がGoogleに引き抜かれ、残りの会社がCognitionに買収されたことで、消費者向け製品の長期的な将来が不透明となっています。
また、新しい研究によると、プログラマーは従来のツールによる生産性向上を過大評価している可能性があるということです。METRの研究では、Cursor Proをテストし、開発者はタスクを20%から30%速く完了できると見積もっていましたが、実際のプロセスは約20%遅かったという結果が示されました。つまり、コードアシスタントは実際にはプログラマーの時間を奪っていたということです。
このような状況は、Warpのような企業にとっての機会を生んでいます。Warpは現在、Terminal-Benchでトップの座を占めており、「エージェント開発環境」として、IDEプログラムとClaude Codeのようなコマンドラインツールの中間に位置付けています。
Warpの創設者であるザック・ロイド氏は、ターミナルを通じてCursorのようなコードエディタでは扱えない問題に取り組む方法として、ターミナルに強気な姿勢を示しています。
「ターミナルは開発者スタックの非常に低いレベルに位置しているため、エージェントを実行するのに最も多用途な場所です」とロイド氏は述べています。
新しいアプローチがどのように異なるのかを理解するためには、それらを測定するためのベンチマークを見てみると良いでしょう。コードベースのツールはGitHubの問題を解決することに焦点を当てており、SWE-Benchテストの基礎となっています。SWE-Benchの各問題はGitHubのオープンな問題であり、基本的には動作しないコードのことです。
モデルはコードを繰り返し修正し、動作するものを見つけて問題を解決します。Cursorのような統合製品は問題へのより洗練されたアプローチを構築していますが、GitHub/SWE-Benchモデルはこれらのツールが問題に取り組む方法の核心にあります。
ターミナルベースのツールはより広い視野を持ち、プログラムが実行されている全体の環境を見ます。それにはコーディングだけでなく、Gitサーバーの設定やスクリプトが実行されない理由のトラブルシューティングなどのDevOpsに関連するタスクも含まれます。
TerminalBenchのある問題では、指示が解凍プログラムとターゲットのテキストファイルを与え、エージェントに一致する圧縮アルゴリズムを逆に設計するように求めます。別の問題では、Linuxカーネルをソースからビルドするようにエージェントに求め、ソースコードを自分でダウンロードする必要があることを言及していません。問題を解決するにはプログラマーが必要とするような根気強い問題解決能力が求められます。
「TerminalBenchを難しくしているのは、エージェントに与えている質問だけでなく、彼らを置いている環境です」とTerminal-Benchの共同制作者であるアレックス・ショー氏は述べています。
この新しいアプローチは、問題に段階的に取り組むことを意味します。これはエージェント型AIを非常に強力にするスキルです。しかし、最先端のエージェントモデルですら、すべての環境を処理することはできません。WarpはTerminal-Benchでの高得点を獲得しましたが、それは問題の半分以上を解決したことによります。これは、ベンチマークがどれほど挑戦的であるか、そしてターミナルの潜在能力を完全に引き出すためにまだどれだけの作業が必要かを示しています。
それでも、ロイド氏は、ターミナルベースのツールが開発者の日常業務の多くを信頼性を持って処理できる時点にあると信じています。これは無視できない価値提案です。
「新しいプロジェクトの設定、依存関係の確認、実行可能にするための作業を考えると、Warpはそれをほぼ自動的に行うことができます」とロイド氏は述べています。「そして、それができない場合は、その理由を教えてくれるでしょう。」
