LinkedInがAIエージェント向け組織コンテキスト基盤を構築

LinkedInは、大規模なコードベース上でAIエージェントを活用する際の課題を解決する独自アーキテクチャを構築し、開発者の生産性を20%向上させたと発表した。信頼性の低下はゼロだったとしており、同社エンジニアのAjay Prakash氏がその仕組みを公開した。

AIを使ったコーディング支援は急速に普及しているが、大企業特有の課題がある。数万から数十万ファイル規模のコードベースでは、AIエージェントが「どこに何があるか」「社内でどう作業を進めるべきか」といった組織固有の文脈を把握できず、的外れな提案や誤った修正を行うことが多い。こうした背景から、LinkedInは汎用的なAIツールをそのまま使うのではなく、自社の文脈情報をAIに渡す専用の仕組みを設計した。

同社が構築したのは「Contextual Agent Playbooks and Tools（コンテキスト型エージェント・プレイブックとツール群）」と呼ばれる仕組みで、MCP（Model Context Protocol＝AIとツール・データを接続する標準的なプロトコル）を基盤としている。この仕組みはコーディングエージェントに対して三つの情報を直接提供する。一つ目は手順的な記憶（procedural memory）で、社内独自の開発フローや作業ルールに関する知識だ。二つ目はコード検索機能で、膨大なコードベースの中から関連する箇所を素早く見つける。三つ目はランブック（runbook）で、障害対応や定型作業の手順書にあたる。

アーキテクチャの設計においては、安全に運用するための「ガードレール（guardrails）」と呼ばれる制御の仕組みも盛り込まれている。AIが誤った操作を行わないよう、エージェントの動作範囲を制限する運用上の枠組みだ。こうした制御が、生産性向上と信頼性の両立を実現した要因と位置づけられる。

今回の取り組みが注目される理由の一つは、単なるAIツールの導入にとどまらず、「組織の文脈をAIに渡すレイヤー（層）」そのものを設計している点にある。AIエージェントが汎用的な能力を持つようになった今、企業が次に取り組むべき課題は「いかに自社固有の知識をAIに理解させるか」という点に移りつつあるという見方ができる。LinkedInの事例はその一つの解答例といえる。

MCPはAnthropicが2024年に提案したオープンな規格で、AIモデルが外部ツールやデータソースと連携するための共通インターフェースを定める。LinkedInがこの規格を採用したことは、業界標準への準拠という観点からも意義があると位置づけられる。企業規模でAIエージェントを運用する際に、MCPのようなオープンプロトコルが組織コンテキスト層の基盤として機能しうることを示した事例となる。

大規模コードベースへのAI導入を検討する企業にとって、今後注目すべきポイントは「コンテキスト層をどう設計・維持するか」という運用設計の問題になると考えられる。AIの能力自体が向上するだけでなく、組織固有の知識をいかに正確かつ安全にAIへ供給できるかが、実際の生産性改善を左右する鍵になっていく可能性がある。