会話は終わる。しかし仕事はしばしば続いていく。
計画は前に進めなければならない。メールで変更が届くこともあれば、会議の日程が変更されることもあり、つい先ほど議論した問いの答えが別のアプリケーションで見つかることもある。この仕事に関与することを目指すエージェントにとって、ユーザーからのメッセージは、何が起きているかを理解するための一つの手段にすぎない。
2026年1月、OpenClawがバイラルになった。
そこから得られた重要な教訓の一つは、ユーザーが新たな質問をしていなくても、エージェントは仕事に関与し続けられるということだった。スケジュールされたタスクとハートビートを通じて、エージェントは関連する事柄を確認し、支援すべきかどうかを判断できる。これにより、常に寄り添うアシスタントというアイデアがより具体的になった。また、時間の経過以外のイベントがエージェントをトリガーできるとき、それは私たちの日常の仕事にどう関与できるのか、という探求する価値のある方向性も開かれた。
AirJellyでは、仕事が進むにつれて新しいコンテキストを得て、ユーザーの目標や習慣を活用して行動すべき時を判断し、適切な機能を活用して支援するプロアクティブエージェントを構想している。
本記事では、一つの可能なアーキテクチャとその背景にある考え方を探求する。
プロアクティブ性はユーザーから始まる
プロアクティブ性を機能のリストとして説明するのは容易だ。会議のリマインダー、メールの整理、タスクのフォローアップ、次に何をすべきかの提案などである。しかし、同じ機能でも、人によって仕事における価値は大きく異なる。
重要な変更をすぐに知りたい人もいれば、メッセージをまとめて処理したい人もいる。議論する前に下書きを確認したい人もいれば、作業を始める前に方向性を合意したい人もいる。同じ人でも、問題を探求しているとき、創造的な仕事に集中しているとき、結果を出しているときでは、異なる関与の度合いを歓迎するかもしれない。
これらの違いは、人がどのように仕事を組織するかを反映している。注意をどう配分し、意思決定を行い、他者と協働し、何をエージェントに委任するかを決めるか、ということである。
したがって、プロアクティブエージェントは、どのように関与するかを決める際に、ユーザーの目標、好み、現在の状況を考慮する必要がある。今後のレビューに関するメールは、資料を準備する理由にも、予定を更新する理由にも、ユーザーが今やっていることを終えるまで待つ理由にもなりうる。
私たちはその判断を柔軟に保ちたいと考えている。ユーザーは、エージェントに何に注意を払ってほしいか、何を引き受けてほしいか、いつ静かにしていてほしいかを、あらかじめ定義されたワークフローに適応することなく表現できるべきである。
環境の変化がコラボレーションの機会になる
スケジュールされたタスクは時間をトリガーにする。その考えを拡張すると、環境における多くの変化が、エージェントに現在の状況を再考する理由を与えることができる。
近づく会議、新しいメール、デスクトップ通知、接続されたデバイスの状態の変化、アプリケーションで完了したアクションは、いずれも進行中の仕事に関連している可能性がある。
デスクトップのアクティビティは特に興味深い。人々が読み、アイデアを議論し、コードを書き、計画を調整するにつれて、その仕事のコンテキストはアプリケーションをまたいで広がっていく。エージェントがユーザーの許可する範囲内でそのアクティビティを理解できれば、背景を繰り返し説明したり、情報を再度まとめたりする負担を軽減できるかもしれない。
イベントは、何かが変わったかもしれないということだけを教えてくれる。それが重要かどうか、どの目標に関連するか、行動が必要かどうかは、すべてコンテキストに依存する。トリガーは判断の機会を生み出し、ユーザーの仕事がその機会に意味を与える。
私たちは、エージェントの注意がそうした関係に従うことを望んでいる。レビューの準備中に関連する予定を監視し、執筆中は集中を尊重し、タスクが完了したら関与を変える、といったことである。
関与し続けるエージェント
これらの考えから、トリガー、メインエージェント、ツール、サブエージェントで構成されるアーキテクチャに至る。ユーザーコンテキストが判断に情報を与え、アクションの結果とユーザーからのフィードバックがその後の判断を形作る。
メインエージェントは仕事のコンテキストを引き継ぎ、変化が注意に値するかどうかを判断し、次に何をすべきかを決める。より多くの情報を集め、ユーザーに質問し、ツールを呼び出し、さらなる探求が必要な作業をサブエージェントに委任することができる。
サブエージェントは特定の目的に向かって作業する一方で、メインエージェントはユーザーと環境の変化に引き続き注意を払う。Anthropicのマルチエージェント研究システムもこのオーケストレーター・ワーカーの分担を用いている。プロアクティブエージェントにとって、これは重要な設計上の視点を提供する。タスクが実行されている間も、その目標が変わったかどうかに注意を払う誰かが必要なのである。Anthropicのマルチエージェントアーキテクチャ
例えば、レビューの日程が再び変更された場合、その準備もそれに応じて変わるべきである。新しい情報は、単に次の返信に現れるのではなく、進行中の作業に影響を与える必要がある。メインエージェントとそのワーカー間の継続的なコラボレーションにより、方向転換、コンテキストの追加、タスクの停止がその関係の一部となる。
ここでの継続性とは、コラボレーションが単一の会話を超えて拡張できることを意味する。応答が終わった後も、ユーザーの目標、未完了の作業、その後の変化はつながったままである。エージェントの関与はそれらのつながりを引き継ぐべきである。
すべてのプラグインは双方向の接続である
異なるツールや作業習慣に適応するには、構成可能でプラグイン可能な機能が必要である。
私たちが構想するアーキテクチャでは、すべてのプラグインが二つの方向で機能を追加する。プラグインはイベントを通じてエージェントをトリガーでき、エージェントはプラグインが提供するツールを呼び出すことができる。
カレンダープラグインは、会議が近づいたときや予定が変更されたときにエージェントをトリガーできる。また、カレンダーイベントの照会、作成、更新のために呼び出すこともできる。メールプラグインは、メッセージが届いたときに新しい入力を提供するとともに、読み取りと返信のためのツールも提供できる。デバイスプラグインは状態の変化を報告し、対応する制御を提供できる。
したがって、すべてのプラグインはコラボレーションの出発点にも、その後に続くアクションの参加者にもなりうる。
さらに重要なのは、これらの機能がプラグインをまたいで機能できることである。メールで伝えられた変更が、エージェントにカレンダーの確認を促し、その後に関連資料の準備をサブエージェントに委任させることがある。イベントをもたらすプラグインが、エージェントが次にどのプラグインを使うかを決めるのではない。ユーザーの目標と現在のコンテキストがその選択を導く。
プラグインが追加されるにつれて、エージェントが理解できる環境と実行できるアクションはともに拡大する。ユーザーは、特定のアプリケーション、タスクのカテゴリ、固定されたワークフローに縛られることなく、自分の仕事に合わせて機能を選べる。
ユーザーにペースを委ねる
プロアクティブエージェントの価値は、最終的には適切な支援を提供できるかどうかにかかっている。時には、事前に資料を準備したり、未完了の作業をフォローアップしたりすることを意味する。時には、状況を理解し、あえて中断しないことを選ぶことを意味する。
この種のコラボレーションには、ユーザーが好みを表現し、調整を行う余地を残す必要がある。ユーザーは、エージェントが注意を払う対象を変更し、仕事に対する理解を修正し、どのアクションを続行し、どれを停止すべきかを決められるべきである。
構成可能なアーキテクチャは、その柔軟性の基盤を提供する。トリガーは変化をエージェントの注意に届け、ユーザーコンテキストは判断に情報を与え、ツールとサブエージェントはアクションを実行する。これらの部分は、ユーザーが前に進めようとしている仕事を中心につながる。
これがAirJellyにおけるプロアクティブエージェントの一つのビジョンである。進行中の仕事により自然に関与し、ユーザーの目標と作業習慣に沿った方法で支援し、状況の変化に応じて関与を調整するエージェントである。