ツール

StarSling 深掘り:AI Agent による CI コスト増を支える仕組み

StarSling は、一時的なサンドボックス、CI の並列実行、継続的に改善する Agent を活用し、大量の機械生成 PR Fashion CI コストの伸びを抑える。Launch HN の事例では Mastra が月間 1,800 件超の PR をマージしているものの、実際の削減額は公開されていない。

文字サイズ

Agent がコードを書き、CI がその 代償を払う。

AI Agent が批量で PR を提出すると、CI は単なるパイプラインではなく、リポジトリのコストセンターになる。StarSling は、一時的なサンドボックス、並列実行、継続的に改善する Agent を使い、この負担inflationEDIT承受能力 Infosys。

StarSling 深掘り:AI Agent による CI コスト増を支える仕組み

Agent がコードを書き、CI がその 代償を払う。

AI Agent が 1 日に数十、数百件の PR を提出するようになると、リポジトリの責任者は「AI 特有”的问题に出会う。GitHub Actions の実行時間が skulls足りなくなるのだ。

テスト、ビルド、Lint、コンテナイメージ、クロスプラットフォームの Matrix は、いずれも実行時間に応じて課金される。Agent の並列処理能力が強いほど、CI の請求額もonos 같이増えやすい。

StarSling が解こうとしているのは、まさにこの請求問題である。コード生成 Agent の新しい選択肢でも、Claude Code や Cursor の代替でもない。Agent 向けの PR を処理する専用 CI 基盤に近い。

  • 独立した一時的なサンドボックスでテストを実行する
  • 複数の Agent PR を同時に実行する
  • 継続的に改善する Agent がテストと GitHub Actions のワークフローを修正する

単なる「CI を高速化する」プラグインではない。より正確に言えば、コード生成能力を使って、リポジトリのテストシステムを逆に再設計する。

情報は Launch HN の投稿から得られた。StarSling は Yonas と Daniel が開発しており、YC P25 のプロジェクトでもある。対象は、大量の Agent PR を処理해야 하는リポジトリに絞られている。

出典:StarSling on Launch HN

すべての CI ジョブを一時的なサンドボックスで実行

従来の CI は、開発者が数回 PR を出し、その回数だけ CI が走ることを前提としている。

Agent はこの前提を覆す。1 つの Agent が多数のファイルを一括で変更し、PR を作成して、失敗したテストを待ち、修正版的 PR を次々に提出ecksريفする。単一リポジトリの CI ジョブ数が、1 日数十回から数百回へ増える可能性がある。

StarSling は、各 CI ジョブを独立した ephemeral sandbox 上で動かす。サンドボックスは使い捨てで、ジョブ終了後に破棄されるため、長期間常駐し、状態がお互いに汚染するビルドマシンに依存しない。

ハードウェアも、スループットと待ち時間を重点的に削減する構成だ。Zen 5 プロセッサと NVMe Disk を採用している。

この 2 つの組み合わせは、それぞれ異なるボトルネックに対応する。

  • Zen 5 は演算スループットを高め、コンパイルやテスト中の CPU 待ち時間を削減する
  • NVMe は checkout、依存関係のインストール、キャッシュの復元、ビルド成果物の読み書きを短縮する

最も重要なのは、StarSling が unlimited concurrency を提供すると主張している点だ。用途は明示されており、Agent が生成した一批の PR で CI を同時に走らせることだ。

ただし、これは「提供を主張している」のであり、すべてのリポジトリが無条件に無制限の並列実行を無料で得られるわけではない。実際の並列数の上限は、基盤の容量、リポジトリのジョブ種別、GitHub API の制限、提供社のスケジューリング方針によって変わる。

それでも、プロダクト設計としては従来.actions Runner とは異なる考え方だ。

従来の CI は、まず単一ジョブにかかる秒数を最適化し、その後にキューで並列数を制御する。StarSling が重視するのは、1 つのバッチを同時に完了できるかどうかである。Agent にとって CI の遅延は、開発者 1 人の待ち時間ではなく、直接 Agent のフィードバックループに組み込まれるためだ。

たとえば、完全なループが次のようになるとする。

  1. Agent がパッチを生成する
  2. PR を提出する
  3. CI がテストを実行する
  4. Agent が失敗ログを読む
  5. パッチを修正して再提出する

CI に 20 分かかるなら、Agent はその 20 分の間にproductive な作業几乎没有ない。並列実行が必ず多いほどよいわけでもない。失敗する PR を大量に速攻で出せば、返答作業と請求額が増えるだけだ。

したがって、StarSling が最適化する対象は「単一ジョブ」ではなく、Agent の反復サイクル全体である。

CI を最適化する Agent が自ら PR を出す

StarSling で最も注目すべき部分は CI harness である。

中核は、継続的に改善する Agent loop だ。この Agent は PR を生成し、テスト、GitHub Actions のワークフロー、CI 全体の速度とコストを改善する。

ここには極めて実用的なフィードバックループがある。

あるリポジトリで、lint の実行に毎回 8 分かかり、そのうち 6 分が依存関係の再インストールに使われているとしよう。CI Agent はワークフローを修正し、キャッシュ可能な手順を適切な位置に移せる。また、テストの分割方法を変え、不要な全体実行を減らすこともできる。

変更は PR として提出され、リポジトリのメンテナーがレビューとテストを行ったうえで、マージするかどうかを判断する。

別の LLM に業務コードを書かせるのとは,外观上大きな違いがない。不同的是、Agent が修正するのが生産システムそのものだという点だ。ビルド依存関係、ジョブ順序、キャッシュ戦略、テスト範囲、runner 設定を対象にする。

そのため、リスクもインフラ層に近づく。

業務コード Agent に関数の誤りを書かせても、CI は通常それを止められる。CI Agent がテストを誤って削除したり、重要な検査を省略したり、不正な成果物をキャッシュとして登録した場合、被害はより見えにくくなる可能性がある。

合理的な安全境界は、少なくとも以下を含めるべきである。

  • テストを黙って省略することを許さない
  • ワークフローファイルの変更を明示的にレビューする
  • Agent が使用する runner の権限とネットワーク権限を制限する
  • キャッシュキーと成果物の出どころを検証する
  • Agent の変更ごとにロールバック可能な記録を残す

StarSling の公開情報では、速度とコストの自動改善が強調されている。しかしエンジニアリングの観点では、「コスト最適化」と「検証強度の低下」は分けて測らなければならない。そうでなければ,所谓のコスト削減は、必要な検査を単に減らしただけにすぎないか。

Mastra は毎月 1,800 件超の PR をマージ

StarSling の公式情報によると、Mastra はこの仕組みを通じて毎月 1,800 件を超える PR をマージしている。

この数字は分解して考える必要がある。

毎月 1,800 件を超える PR とは、平均して 1 日 60 件を超えることになる。Agent はedal Scots村的必要に応じて PR を補助するのではなく、継続的にコード変更の流れを生み出している。

ただし、事例のポイントは PR 数そのものにはoqal ない。

すべての PR を人が 1 行ずつレビューすれば、1,800 件の PR を安定的に処理することはできない。メンテナーは、レビュー、CI のキューイング、失敗の診断、マージ方針を、機械生成コードに適した流れへ同時に変える必要がある。

つまり、コード生成の規模を拡大すると、ボトルネックは「コードを書く」から「コードを検証する」へ移る。

StarSling の役割はちょうどここにある。Agent に何を書かせるかを決めるのではなく、機械生成された大量のパッチが=test带来的テストとビルドの負荷を受け止める。

見落とされやすい結論もある。Agent は、自分oref是为单人自己 dipakai滤镜るツールを修正し始めたということだ。

過去の CI は人間のために設計されていた。人間は赤い印を見かけ、ログを読み、問題を修正する。今日の Agent は、失敗した PR を出したうえで、ログを分析し、ワークフローを調整し、次の検証時間を短縮できる。

ツールが、その生産者に適応し始めている。

コストのヘッジであり、高速化プラグインではない

実行時間に応じて課金される従来の CI モデルは、人間 중심の開発チームには通常十分である。

理由は単純である。並列処理はあるが、PR 数は限られ、ジョブも作業時間に集中する。Agent のリポジトリでは状況が異なる。

Agent は一日中稼働できる。10 個のジョブを同時に起動し、結果を読むたびに次のバッチを起動することもできる。1 回の実行分数にジョブ数を掛ければ、請求額は明確に上昇する。

さらに厄介なのは、Agent が失敗したジョブを速く再試行する傾向がある点だ。無効なビルドが多い場合、CI が消費するのは有効な検証ではなく、探索プロセスそのものになる。

StarSling のコストロジックは、2 層のヘッジとして捉えられる。

1 つ目は、ジョブ単位のコストを下げることである。

  • Zen 5 で計算効率を高める
  • NVMe で I/O の待ち時間を短縮する
  • ephemeral sandbox で環境のずれと複雑な後片付けを回避する
  • ワークフロー最適化で重複手順を減らす
  • Agent がテストと Actions の設定を自動で調整する

2 つ目は、バッチのスループットを高めることである。

  • unlimited concurrency により複数の Agent PR を同時にテストする
  • CI の待ち時間を短縮し、Agent ループの周转を速める

1 つ目が実行ごとのコストを下げ、2 つ目が並列完了量を高める。両者を組み合わせることで、Agent の集中負荷による請求額の増加を相殺できる可能性がある。

これは、従来の「CI アクセラレーター」とは本質的に異なる。

従来型は、リポジトリが数分使う時間を削ることを主な目的とする。StarSling が狙っているのは、PR 数が 1 桁増えたとき、CI のコスト曲線が同時に爆発しないにはどうすればいいかである。

ただし、Launch HN に公開された情報だけでは、次の 3 点は確認できない。

  1. unlimited concurrency の具体的な制限条件と課金上の境界
  2. 異なる言語、monorepo、複雑な Actions ワークフローに対する実際の削減幅
  3. CI Agent がワークフロー PR を生成した際のレビューとロールバックの仕組み

これらのデータがないため、「実行請求額を節約できる」を普遍的に成立する結論とはみなせない。より正確には、StarSling はコストヘッジというプロダクトの方向性を示し、Mastra の月間 1,800 件超の PR を通して本番環境での事例を提供した.TRUE のである。

編集者の視点

この的意义は、CI が速くなったからというだけでなく、Agent によってインフラコストが無視できない水準まで押し上げられたことにある。過去に AI プログラミングツールを評価使用时,人们は生成速度、一発合格率、開発者の満足度を重視した。今はさらに、PR 1 件が成功するまでに CPU、I/O、キャッシュ、人工レビューを 얼마나消費するかが問われる。

次の AI Agent インフラは、GitHub Actions をそのまま複製するのではなく、「機械生成コードの流れ」を中心に設計される 我的見立てである。CI は一部 Scheduling、隔離、ポリシー実行を担う。Agent は継続的に、自動検証できる部分を修正し続ける。

これは過去の Copilot 型補完とは異なる。_DEPRECATED 人は IDE の中で提案を受け入れていたが、今は大量の機械生成 PR が同じリポジトリへ入る。CI を逆に再設計できるかどうかは、Agent がデモから長期稼働へ移行できるかを左右する。ただし、「unlimited concurrency」は「無限に低コスト」を意味せず、現時点の公開データだけでは Mastra の効果を一般リポジトリへ直接移せるとは証明できない。最も注目すべきなのは、最適化 PR 自体が、成功マージ 1 件ごとの請求額を安定して下げられるかどうかだ。

出典: https://news.ycombinator.com/item?id=50536468