【要約】AI駆動開発のハーネスを整備したら、リファクタ・テスト・機能追加が回り始めた話 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
横浜銀行のエンジニアが、既存のTeams BotからWEBアプリへの移行を進める際、旧版の深刻な技術的負債に直面した。そのまま移植すれば、負債を継承するリスクがあった。
- ・900行に及ぶ巨大なメソッドによる責務の集中。
- ・テストコードの欠如と、密結合によるモック作成の困難さ。
- ・ツール定義の散在と、属性情報のハードコード。
- ・AIが古いAPIを生成するなどの、エージェント特有の課題。
// Approach
開発チームは、AIが正しい設計判断と実装を行えるよう、指示書やルール群からなる「ハーネス」を段階的に構築した。
- ・CLAUDE.mdやRulesによる、技術スタックと規約の定義。
- ・ADR（Architecture Decision Records）による、設計判断の明文化とAIへの共有。
- ・LangGraphのinterrupt/resumeパターンなど、エージェント特有の落とし穴を回避するSkillsの注入。
- ・MCP Toolsを用いた、JiraやConfluenceとの連携自動化。
// Result
3名・3ヶ月の体制で、品質と速度を両立した大規模なリプレイスを完遂した。
- ・テストコードが本番コードと同規模（19,000行）まで整備された。
- ・メインロジックが900行から130行へ削減され、疎結合な構造へ改善。
- ・PR作成からマージまでのサイクルタイムが平均6.2時間へと短縮。
- ・IaC（Terraform）の完備と、会話履歴の永続化を実現。
Senior Engineer Insight
> 本事例の核心は、AIを単なる「コーディング代行」ではなく「設計思想の実行エンジン」として定義した点にある。ハーネスの整備は、リファクタリングやテストの工数的障壁を劇的に下げる。これはAI時代の「Strategic Programming」における必須要件だ。ただし、ハーネス自体の設計には高度なアーキテクチャ能力が求められる。シニアエンジニアによる「指示体系の設計」こそが、AI駆動開発の成否を分ける。