feed-digest - 2026-09-19

LinkedIn が大規模コードベースにおける AI エージェントの限界を克服するため、Model Context Protocol（MCP）を基盤に、手順的記憶・コード検索・ランブックを coding agent に直接提供する Contextual Agent Playbooks and Tools を構築した事例。アーキテクチャの詳細と運用上のガードレールを紹介し、信頼性を損なわずに 20% の生産性向上を実現したと述べている。

AIがコードを書く時代には、実行時オーバーヘッドがなく可搬性の高いC言語が再び主流になるというSNS上の言説を検証する記事。高水準言語は人間の生産性のために性能を犠牲にしてきた、AIはメモリ管理を誤らない、安全性はAI自身が検証できる、といった前提を一次資料に当たりながら一つずつ検討している。

GitHub Podcast のエピソードをもとに、AI に関するよくある「過激な主張（ホットテイク）」を噛み砕いて検討する内容。①AI 生成コードも読むべきで、リスクの高い箇所に応じてレビューの深さを変え、説明と責任を持てるまで確認するのが実際のスキルであること、②採用では AI を使うか否かより、いつ使い・どうレビューし・どこで人を介在させるかという判断力が問われること、③Skills は MCP を置き換えるものではなく、MCP がツールやデータへの標準的なアクセスを提供し、Skills がプロセスや規約といった文脈をパッケージ化するもので、両者は補完関係にあること、④RAG は廃れたわけではなく、モデル外部の知識を取り込む手段として依然重要であり、検索が不十分だとトークン浪費や回答の不完全さを招くこと、などを議論している。