AIセキュリティに関する論文メモ⓷〜AgentDojo編〜

複数のAIエージェントを協調させる標準的な構成を、Microsoftの公開資料を基に学べる。エージェント間の役割分担と通信方法を選ぶときの選択肢が手に入る。

新規コードを自動レビューする環境を、スケジュール実行とClaude Codeの組み合わせで構築できる。定期実行の設定方法と、どのファイルをレビュー対象にするかの指定方法が参考になる。

確認プロンプトを減らしても安全性を保つ運用設計を、1か月の使用実績から学べる。Claude Codeのautoモードで許可する操作と、サンドボックスで検証する流れを組み合わせる方法が参考になる。

コード変更をAIに任せてgit pushまで自動化するときの安全境界を設定できる。Windows 11で使える権限制御と、承認が必要な操作の範囲を絞り込む手順が参考になる。

多数のエージェントを放置したときに起きる問題を、実際のログと教訓から学べる。不満だけを与え続けると何が起こるかを見て、エージェントへの指示設計と監視の必要性を考える判断材料になる。

実行主体が変わったり記録が失われたりしても工程を追えるよう、Linearを正本として運用する考え方が分かる。エージェントの生成する記録に頼らず、工程の状態管理を永続的なツールに置くことで継続性を確保する。