StarSlingは、GitHub Actionsのパイプラインがビルド負荷の高さ、長時間の待機、複雑なテストワークフローに直面するR&Dチーム向けのAIネイティブCIプラットフォームです。その目標は、CIを高速化するだけでなく、自己改善し続けるCIを実現することです。つまり、実行を分析し、最適化を提案し、それらを安全にテストし、成功した変更を本番対応のプルリクエストに変えることです。このループを実用的にするために、StarSlingは隔離されたマイクロVM、弾力的なコンピュート、エージェント実験、再現可能な評価のための実行レイヤーとしてNovita Agent Sandboxを利用しています。
この組み合わせが重要なのは、CI最適化が本質的に実験的であるからです。キャッシュ、並列化、テストシャーディング、ワークフロー構造の変更は、あるリポジトリでは役立つものの、別のリポジトリでは悪影響を及ぼす可能性があります。StarSlingは、顧客システムを危険にさらすことなく、実際の条件で変更を試す方法を必要としています。Novita Agent Sandboxは、各実験に制御されたワークスペースを提供し、プロモーションの決定は証拠とレビューに委ねます。
このケーススタディでは、CI最適化の自動化が難しい理由、StarSlingがエージェントループを実行する方法、隔離された実行がもたらす変化、そして同じアーキテクチャが他のAIワークフローにどのように適用されるかを説明します。
CI最適化の自動化が難しい理由
多くのエンジニアリングチームは、遅いCIの代償（マージの遅延、レビューサイクルの停滞、フィードバックの遅延、プロダクト作業の時間減少）をすでに理解しています。一般的な修正方法もよく知られています。依存関係のキャッシュ、テストのシャーディング、ジョブの並列化、冗長な作業の削減、不安定なチェックの除去、重要なフィードバックが早く届くようにパイプラインを再構成することです。
難しいのは、これらのアイデアを挙げることではありません。特定のリポジトリに対してどの変更が安全で効果的かを証明することです。ワークフローファイルには、ログだけからは明らかでない、歴史的な制約、組織の好み、タイミングの前提、依存関係がエンコードされています。ビルド時間が似ている2つのチームでも、異なる修正が必要になることがあります。一方はより良いキャッシュを必要とし、もう一方はテストの分離、より多くの並列化、またはより短いクリティカルパスを必要とするかもしれません。
手動による最適化は、多数のリポジトリや顧客にわたってうまくスケールしません。誰かがログを検査し、仮説を立て、ワークフローを編集し、ジョブを再実行し、結果を比較し、繰り返す必要があります。このプロセスは専門家の時間を消費し、パイプラインの進化に伴って機能したものを維持することを難しくします。
ここでAIエージェントが役立ちますが、安全な実行境界がある場合に限ります。StarSlingのエージェントはワークフローとテレメトリを検査し、最適化の変更を生成し、提案する前にそれらの変更をテストします。このループを本番CI内で直接実行すると、実験が危険で制御が困難になります。エージェントは、業務上の危険にならずに行動し、失敗し、再試行し、測定する必要があります。
StarSlingが最適化ループを実行する方法
StarSlingはCIを、自己観察・自己改善できるシステムとして扱います。ワークフローは証拠（ビルド時間、テスト動作、ログ、リソース使用量、パイプライン構造）から始まります。その証拠から、StarSlingは繰り返されるセットアップ作業、不適切にシャーディングされたテスト、不要なシリアル化、または必要以上に時間がかかるワークフローステップなどの候補ボトルネックを特定できます。
次の段階は実験です。StarSlingは最適化の提案を生成し、それが実際にパイプラインを改善するかどうかを確認します。実時間を短縮できるか？コストを削減できるか？正しさを維持できるか？条件が変化したときに適切に失敗するか？これらの質問には、静的分析だけでなく実行が必要です。
実験が成功すると、結果はレビュー用の具体的な変更（ワークフローの更新、キャッシュの調整、テストシャーディングの変更、その他のパイプライン改善）になります。その出力をプルリクエストに残すことで、エンジニアは本番に到達する前に検査できる明確な成果物を得られます。
StarSlingは、顧客がCIを最大 **6倍 ** 高速化し、最大 13倍 コスト削減したと報告しています。これらは顧客の結果であり、普遍的な保証ではありません。結果はリポジトリの形状、テストスイート、インフラストラクチャ、存在するボトルネックの種類に依存します。それでも、このパターンは有用です。自動化と測定を組み合わせることで、推測ではなく観測されたパイプラインの動作によって改善が裏付けられます。
Novita Agent Sandboxが提供するもの
Novita Agent Sandboxは、StarSlingにエージェントワークロード用の隔離されたマイクロVMを提供します。顧客のCIシステムや内部サービスと直接実行を共有する代わりに、各エージェント実行は独自の制御された環境を持つことができます。この分離により、探索的コマンド、依存関係、または失敗した実験が他の作業に干渉する可能性を減らします。
2つ目の特性は弾力性です。CI最適化実験はバースト性があります。調査中は多くの実行が発生し、変更がレビュー可能になると少なくなります。サンドボックス化されたコンピュートにより、StarSlingは必要な時に実験を実行でき、各顧客の実装が制限された内部リソースを待つ必要がありません。
3つ目の特性は再現性です。実験を再現することで、実際の改善とノイズを区別するのに役立ちます。隔離された環境により、StarSlingは一貫した条件下でエージェントのアクションを評価し、変更を検証し、最適化がより自信を持って前進できる時期を決定できます。
これらの特性が組み合わさることで、エージェントループはアドホックなスクリプトではなく、実用的なプロダクトワークフローになります。サンドボックスは人間の判断が消える場所ではありません。候補を安全にテストし、有用な判断を下すための場所です。
AIネイティブCIの結果
このアプローチは、相互に関連する3つのメリットをもたらします。
最適化実験の高速化. StarSlingは、ボトルネックの特定から修正の出荷までの時間を短縮できます。手動調査サイクルを待つ代わりに、候補変更は提案、実行、測定、レビューの構造化ループを通過します。
安定したエージェント実行. 隔離された環境は、エージェントベースの自動化がスケールする際の運用リスクを低減します。エージェントは繰り返し実行し、安全に失敗できるため、ワークフロー自体がCIへの変更をテストする責任がある場合に不可欠です。
マルチカスタマースケールの容易さ. Novita Agent Sandboxは、実際のCIパイプラインにAI最適化をデプロイする障壁を低くします。StarSlingは、新しいリポジトリやユースケースごとに実行基盤を再構築することなく、より多くの顧客をサポートできます。
Daniel Worku氏（StarSling CTO）は運用効果について次のように述べています。
「Novita Sandboxは、CIワークロードを安全かつ再現可能に大規模実行するための隔離環境を提供してくれました。彼らのエンジニアはワールドクラスで、私たちが依頼したものを数週間ではなく数日で出荷してくれます。」
この引用は、より広範な教訓を示しています。エージェントインフラストラクチャは、エージェント自動化が有用になる前に信頼できるものでなければなりません。隔離、弾力性、再現性は実装の詳細ではなく、AIワークフローが本番システムに近い状態で動作するための条件です。
このアーキテクチャの適用方法
このパターンは、実際のシステムを安全に変更する必要があるあらゆるエージェントワークフローに再利用できます。
まず、分析面と実行面を分離します。ログとメトリクスは候補変更に情報を提供できますが、変更は本番に到達する前に境界のある環境でテストされるべきです。
次に、レビュー対象の成果物を定義します。CI最適化では、それは通常ワークフローの差分や設定変更です。コード生成では、パッチかもしれません。データ作業では、クエリ、ノートブック、レポートかもしれません。レビュー可能な成果物により、エージェントの作業が監査可能になります。
三つ目に、前後を測定します。CIでは、期間、コスト、失敗率、不安定なテスト、待ち時間、フィードバック時間を追跡します。単一の速度数値は、他の場所での後退を隠す可能性があります。
四つ目に、パーミッションを狭く保ちます。最適化エージェントは、無制限のネットワークアクセス、本番の秘密情報、マージの許可を必要としません。実験を実行し証拠を生成するために必要な最小限のアクセスを与えてください。
五つ目に、昇格のための人間のゲートを維持します。サンドボックスは、変更がテスト条件下で期待どおりに動作したことを検証できます。人間と既存のレビュープロセスが、その変更が本番に適切かどうかを決定すべきです。
FAQ
StarSlingとは？
StarSlingはAIネイティブCIプラットフォームです。CIワークロードを分析し、キャッシュ、並列化、テストシャーディングなどの改善を提案し、エンジニアリングチーム向けに最適化プルリクエストを生成します。
StarSlingはどのようにNovita Agent Sandboxを使用しますか？
StarSlingは、隔離されたマイクロVMでエージェントワークフローを実行し、繰り返し実験のための弾力性のあるコンピュートにアクセスし、再現可能な条件でCI最適化変更を評価するためにNovita Agent Sandboxを使用します。
6倍の高速化はすべてのCIパイプラインに適用されますか？
いいえ。StarSlingは、一部の顧客でCIが最大6X高速化し、最大13Xコスト削減したと報告しています。結果は、パイプライン、テストスイート、リポジトリ構造、関与するボトルネックに依存します。
CI最適化エージェントになぜサンドボックスが必要ですか？
サンドボックスは、エージェントがコマンドを実行し、変更をテストする場所を提供し、顧客のCIシステムや共有インフラストラクチャに直接干渉することを防ぎます。また、実験間のよりクリーンな比較をサポートします。
おすすめ記事
- セキュアなサンドボックスでCodexまたはコーディングエージェントを実行する
- オープンソースAIエージェントサンドボックスの選択肢：セルフホスティング前に確認すべきこと
- NovitaのAgent Sandboxでコーディングエージェントを構築する
出典
- StarSling, 「CI Harness v2: 5.4倍の高速化を実現したエージェントループ」 — 2026年9月17日確認: https://starsling.dev/blog/ci-harness-v2-the-agent-loop-that-shipped-a-5-4x-speedup
- Novita Agent Sandboxの概要 — 2026年9月17日確認: https://novita.ai/docs/guides/sandbox-overview
