大規模で複雑なコードベース、特に構造が難解でドキュメントが不完全なものの理解は、依然として大きな課題です。既存のコード要約手法は、単一の言語モデルやClaude Codeのようなコーディングアシスタントに依存し、ソースコードをフラットなテキストとして扱うことが多く、リポジトリ内の豊富な相互依存関係や階層情報を十分に活用していませんでした。この問題に対処するため、シンガポール国立大学の研究者らは、Agent4csというマルチエージェントフレームワークを提案しました。これは、ボトムアップ方式で大規模階層的コードベースを要約するものです。
Agent4csは3つの専門エージェントで構成されています。要約エージェントは堅牢で情報豊富な要約を生成し、キーワード抽出エージェントはサブフォルダから重要な情報を能動的に特定します。品質保証エージェントは読みやすさ、一貫性、完全性を繰り返し最適化し、最終的な要約の品質を高めます。これら3つのエージェントが連携して、完全な要約生成パイプラインを形成します。
研究チームは、GPT-4やClaudeなどの7つの最先端モデルでAgent4csを評価しました。ベースラインとして、構造化プロンプトを用いた手法とコードセグメントを併用した構造化プロンプト手法の2つを使用しました。実験結果は有望で、Agent4csは全てのフォルダレベルで意味的一貫性を平均8%向上させました。さらに注目すべきは、実世界のデータセットでの広範な評価において、同じベースラインと比較して正規化キーワードカバレッジ率で最大38%の向上を示したことです。この改善幅は、コード要約タスクにおけるマルチエージェント連携の大きな可能性を示しています。
Agent4csの成功は、複雑なコードベースを処理する上でのマルチエージェントフレームワークの有効性を実証しただけでなく、ソフトウェア工学分野に新たな視点を提供しています。この手法により、開発者や保守担当者は大規模プロジェクトをより迅速に理解でき、コードレビュー、ドキュメント生成、知識移転の効率が向上することが期待されます。本論文は第23回欧州マルチエージェントシステム会議（EUMAS 2026）のメイントラックに受理されており、この研究が学術界で認められたことを示しています。
Agent4csは顕著な成果を挙げていますが、研究チームは超大規模コードベースへの適用時に計算リソースの消費が大きくなる可能性があると認識しています。将来の課題として、エージェント連携の効率をさらに最適化し、Agent4csをより多様なソフトウェアプロジェクトに適用することを検討しています。また、Agent4csを一般的な開発環境に統合し、日常の開発フローの一部としてソフトウェアエンジニアに広く利用されることを目指しています。