Replit(レプリット)は2026年11月17日、ユーザーが設定した成果目標、予算、および権限の境界条件の中で、複数のAIエージェント群(エージェントスウォーム)が計画・構築・テスト・反復実行を担う新機能「Replit Missions」を発表した。エンタープライズ顧客の獲得、製品パフォーマンスの改善、レガシーソフトウェアの刷新といった時間やリソースが不足しがちな複雑業務を対象としており、サイドバーの「New」から「Mission」を選択して利用できる。あわせて、Missionsを用いて2日間・3,000ドルの予算で構築した自社アプリケーション監視プラットフォーム「DataCat」のセルフホスト版をオープンソース公開した。
[エージェントスウォームによる自律実行と予算・承認ガバナンス]
ユーザーが成果の定義と制約条件を設定することで、クラウド上のエージェント群が並列作業と改善サイクルを自律的に進める仕組みを備えている。
・目標定義と並列反復実行:セットアップ時の質問を通じて成功基準(有料パイロットの扱いや年間契約の最低金額など)を明確化し、Mission Contractに定義する。営業ミッションの例では、あるエージェントがターゲット企業を調査する間に別のエージェントがデモを構築するといった並列実行を行い、承認後に送信したアウトリーチの反応をもとに次のアプローチやデモ内容を反復改善する。
・予算上限と承認境界の制御:ミッションごとの支出上限(例:1,000ドル)や許容されるトレードオフ(パイロット提供や割引条件など)に加え、見込み客への連絡、提案書の共有、営業資料の変更、製品コミットメントといった人間の許可が必要なアクションを設定でき、アプローチが変化してもこれらの制限は維持される。
・非同期の進捗通知と独立したAIジャッジによる検証:ユーザーはブロッカー、進捗更新、全体ステータスに関する通知内容と頻度(即時、日次ダイジェスト、週次)を選択でき、ノートPCを閉じた状態でもクラウドエージェントが作業を継続する。結果は独立したAIジャッジによって合意済みの成功基準と照合され、フィードバックをもとに洗練されたのち基準達成で完了となる(先に予算上限に達した場合は未解決のまま停止する)。
[自社監視基盤「DataCat」の構築実績とオープンソース公開]
Replitは監視コスト削減と制御性向上のため、Missionsを用いてカスタマイズ可能なアプリケーション監視プラットフォーム「DataCat」を構築し、そのセルフホスト版をオープンソースとして公開した。
・2日間・3,000ドル予算での構築と動作検証:Missionsは2日間・上限3,000ドルの予算内で、ダッシュボード、アラート、アプリケーショントレーシングに加え、各サーバーからデータを収集する独自エージェントおよびトレーシングライブラリーを構築した。意図的に発生させたデータベースのバグを目標(60秒)を上回る38秒で検知して該当クエリーとログを特定したほか、3時間の負荷テストではデータ欠損なしで2,600万件のアクティビティー記録と440万件のログエントリーを処理し、データ正確性36項目・アラート信頼性15項目の全51チェックに合格した。
・既存監視エージェント・ライブラリーとの比較結果:同一ワークロードのNode.jsテストにおいて、DataCatのトレーシングライブラリーとエージェントは既存の監視プラットフォーム(エージェントv7.56.2)と比較して、監視関連のCPUオーバーヘッドを51%削減しつつ39%多くのリクエストを処理した。また、負荷時のエージェントメモリー使用量は82〜108MB(既存は240秒平均で319MB)、ログが検索可能になるまでの時間は中央値0.5秒(既存は4.2秒)を記録した。
・Claude Code(/goal)構築版とのベンチマーク比較:同一の初期プロンプトでClaude Codeの`/goal`を用いて構築した監視プラットフォームとの比較では、DataCatは既存エージェントの全データ種別(ログ、メトリクス、ホストデータ、トレース)を受信し(Claude Code版はログのみ対応)、PostgresおよびClickHouseの2つのストレージエンジン(Claude Code版はSQLiteの1つ)それぞれでAPI互換性テスト56項目中51項目に合格した(Claude Code版は45項目)。取り込み速度ではトレースが毎秒49,000件(Claude Code版9,800件の5倍)、メトリクスが毎秒405,100ポイント(同224,600ポイントの約2倍)を記録した一方、カバーした製品領域数とログ取り込み速度ではClaude Code版が上回った。
[NumPyおよびE-Commerce Benchにおけるベンチマーク結果]
複数のエージェントが知見を共有しながら並列探索を行うことで、単一エージェントを大きく上回る最適化および業務遂行性能が確認されている。
・NumPyパフォーマンス最適化ベンチマーク:13の代表的なNumPyベンチマークタスクにおいて、代替実装の探索、メモリーアクセスパターンの最適化、および正確性の自動検証を実施した結果、Auto(Max)モードでは単一エージェントの最大4倍に対し、16エージェントスウォームで17倍、32エージェントスウォームで19倍の高速化を達成した。Auto(Power)モードでも同様に、単一エージェントの2倍に対し、16エージェントで7倍、32エージェントで9倍の高速化を記録した。
・E-Commerce Benchシミュレーション:初期資金10万円で1年間のオンラインストア運営をシミュレートし、仕入先の選定、詐欺の回避、価格設定を行うベンチマークにおいて、Missionsは単一実行で資金を約48倍の482万円へ増加させ、公開リーダーボードの最高記録の3倍以上となる結果を示した。
出典:Replit
この製品の詳細については、Replit製品ページをご覧ください。