GitHub Actionsの構築「エージェンティックワークフロー（Agentic Workflows）」とは？仕組みと使い方を解説

コードを書くことなく、自然言語だけでGitHub Actionsの自動化ができるとしたら──。 GitHub Nextが開発する「エージェンティックワークフロー（Agentic Workflows）」は、自然言語で記述した作業指示を、AIエージェントが解釈・実行する次世代のワークフロー技術です。YAMLファイルの代わりにMarkdown形式で定義された内容が、AIによって自動的にGitHub Actionsとして変換され、実行されます。本記事では、エージェンティックワークフローの仕組みと使い方、想定されるユースケース、そしてGitHub Copilotとの違いについて解説します。

GitHubのエージェンティックワークフローとは

エージェンティックワークフロー（Agentic Workflows）とは、自然言語で記述した手順をAIエージェントが解釈し、自動的にGitHub Actionsとして実行できる新しい自動化技術です。

これは、GitHubの研究開発部門「GitHub Next」が主導しているプロジェクトであり、従来のYAML形式によるワークフロー定義とは異なり、Markdown形式の自然言語で書かれた指示文をそのままプログラムのように扱う点が大きな特徴です。

たとえば、「このリポジトリのREADMEが最新でない場合は更新し、Pull Requestを作成してください」といった指示を英語で書くと、それをエージェントが解釈し、実際にファイルの編集・ブランチの作成・PRの作成といった一連の作業を自動的に実行します。

GitHubのエージェンティックワークフロー（参考：GitHub）

このようにエージェンティックワークフローは、人間が自然に書いた“やってほしいこと”をAIが読み取り、具体的なアクションに落とし込むことで、開発現場の自動化をさらに一段階進める新たなアプローチとして注目されています。

関連記事：GitHub Copilot完全ガイド｜使い方や料金、設定方法まで網羅的なコンテンツ集

GitHub Actionsとは？

GitHub Actions

GitHub Actionsとは、GitHub上でソースコードの変更をトリガーにして、ビルド・テスト・デプロイなどの処理を自動で実行できるCI/CD（継続的インテグレーション／継続的デリバリー）機能です。

リポジトリ内に .github/workflows/ フォルダを作成し、YAML形式で実行内容を記述することで、開発プロセスの自動化が可能になります。

主な特徴は以下の通りです：

• GitHubに統合された自動化ツール
  外部サービスなしで、コード管理とCI/CDを一元化できます。

• 柔軟なトリガー設定
  プルリクエスト、プッシュ、スケジュール実行など、さまざまなイベントに反応可能です。

• 豊富なアクションテンプレート
  公式・コミュニティ製のアクション（再利用可能な処理ユニット）を使って、処理を簡単に構成できます。

• セキュリティと権限管理
  リポジトリのアクセス権限やシークレット管理、実行ログの監査など、企業導入にも適した機能が備わっています。

このGitHub Actionsの上に構築される形で、エージェンティックワークフローは自然言語による新たな記述方法を提案しています。

この技術が生まれた背景とGitHub Nextの狙い

エージェンティックワークフローは、GitHub Nextによって開発されている研究プロジェクトであり、「継続的AI（Continuous AI）」という構想の一環**として位置づけられています。

GitHubはこれまで、GitHub Copilotなどのツールを通じてAIによる開発支援を推進してきました。しかし、Copilotが対象としてきたのは主にコードレベルでの補完や提案であり、プロジェクト全体の運用やチーム作業に関わる自動化まではカバーしていませんでした。

一方で、実際のソフトウェア開発においては、以下のような繰り返し発生するタスクが数多く存在します。

• プルリクエストのレビュー依頼
• Issueの優先順位付けとラベル付け
• READMEやドキュメントの更新
• テストの提案や改善

これらのタスクは、ルールベースで完全に定義するには難しく、状況に応じた判断や人間的なニュアンスの理解が必要です。そこでGitHub Nextは、AIエージェントが人間のように自然言語で記述された“意図”を読み取り、適切なアクションへと変換できる仕組みを模索する中で、エージェンティックワークフローの開発に至りました。

この取り組みの目的は、単なる補助的な自動化ではなく、AIが開発チームの一員として行動できるような自律的フレームワークを実現することにあります。

また、GitHub Nextはこの技術を製品として一方的に提供するのではなく、オープンな形でプロトタイプを公開し、ユーザーコミュニティやAIエンジン提供者とともに設計空間や安全性、移植性の検証を進める姿勢を取っています。これは、実験とフィードバックを重ねながら、現実的で持続可能なAI自動化のあり方を模索するためです。

自然言語でワークフローを記述できる仕組み

エージェンティックワークフローの最も革新的な特徴は、ワークフロー全体を自然言語（主に英語）で記述できる点にあります。従来のGitHub Actionsでは、すべての手順や条件をYAML形式で明示的に書く必要がありましたが、この仕組みでは、人間が普段使うような文章で「やってほしいこと」を書くだけで、AIエージェントがそれを解釈して具体的なアクションに落とし込むことが可能です。

仕組みの概要

自然言語によるワークフロー記述は、次のような構成で実現されています：

1. トリガーや権限設定はYAMLと共通
   on: や permissions: など、実行タイミングやアクセス権限に関する設定は、GitHub Actionsと同様の形式で記述します。

2. ツール定義（tools）セクション
   どのツールやエージェントエンジン（例：GitHub API、Claude、Codexなど）を使用して良いかを明示的に許可する形式で定義します。

3. 自然言語による指示文
   その下に、Markdown形式で作業内容を記述します。例：「READMEをレビューして、必要に応じて更新し、Pull Requestを作成してください」といった自然な文で構いません。

4. AIエージェントが処理を分解
   自然言語で記述された内容をもとに、AIエージェントがステップを自動で分割し、必要なファイル編集・ブランチ作成・PR作成などを実行します。

従来のYAML形式例（抜粋）

# このワークフローは、mainブランチへのpushをトリガーに自動実行されます
on:
  push:
    branches: [main]

# ワークフロー内で必要となるGitHub APIの権限を指定します
# contents: ファイルの読み書き、pull-requests: PRの作成・更新を許可
permissions:
  contents: write
  pull-requests: write

# 使用するツールと、各ツールで許可する操作を明示的に定義します
tools:
  github:
    allowed:
      [
        create_or_update_file,  # ファイルの新規作成または更新
        create_branch,          # 新しいブランチの作成
        push_files,             # ファイルのpush
        create_pull_request     # Pull Requestの作成
      ]
  claude:
    allowed:
      [
        Edit,   # 単一ファイルの編集
        Write   # 複数ファイルの書き換えや文章生成を含む高度な処理
      ]

# ↓ ここからがエージェントに与える自然言語の指示（Markdown形式）

# Documentation Updater
# （このタイトルは自由記述で、ワークフローの目的を表します）

You are a technical writer.
Your job is to improve the documentation in this repository.

Steps:
1. Review recent changes.
   - 最新のコード変更を確認してください
2. Update any outdated docs.
   - もしドキュメントが古ければ、内容を更新してください
3. Open a PR with the updates.
   - 修正が完了したら、Pull Requestを作成してください

このように、自然言語の「指示文」そのものが、実行可能なワークフローとして機能するのが最大のポイントです。記述する人にとってはコードではなく「説明文を書く」感覚に近く、プログラミングの知識がなくても操作できる可能性を広げています。

実行の流れとコンパイル方式の特徴

エージェンティックワークフローは、見た目は自然言語で書かれていますが、実行時にはGitHub Actionsの形式（YAML）へとコンパイルされて動作するという点が重要です。これにより、GitHubの既存インフラと完全に互換性を保ちながら、安全かつ透明な自動化が可能になります。

リポジトリ画面

実行の全体フロー

1. 自然言語ワークフローの記述（Markdown）
   ユーザーは .github/workflows/ 配下に、Markdown形式の自然言語ワークフローを配置します。

2. gh-aw CLIによる手動コンパイル
   現時点では gh aw compile というGitHub CLI拡張を用いて、自然言語ワークフローを実行可能なYAML形式に変換します。変換されたYAMLはGitHub Actionsとしてそのまま動作します。

3. GitHub Actions Runnerでの実行
   生成されたYAMLに基づき、通常のGitHub Actionsと同様にRunner上でジョブが実行されます。ログの取得、PR作成、ファイル編集などもすべてGitHubの標準APIを介して行われます。

4. 実行結果の確認と監査
   ワークフローの実行結果は、ActionsのUIやPRのログなどで確認でき、企業で求められる可視性や監査性にも対応しています。

コンパイル方式の特徴

• AIエンジン非依存設計
  ClaudeやCodexなど、複数のLLMエンジンをサポートしており、エンジンごとに書き換えの必要はありません。コンパイル時に選択可能です。

• セキュリティフィルタを通過
  コンパイル処理では、アクセス権限やツール制限が厳格に適用され、不正なコード生成や外部通信を防止する仕組みが含まれています。

• 生成物はYAMLとして完全にレビュー可能
  エージェントが勝手に何かを実行するのではなく、必ずYAMLとして“人間の目でレビューできる形”で表現される点が、信頼性・管理性の面で非常に重要です。

• 将来的には自動コンパイルにも対応予定
  現在はCLIによる手動変換が必要ですが、今後はMarkdownファイルのプッシュだけで自動的にActionsが生成・実行される仕組みの実装も想定されています。

対応するエージェントエンジン（Claude、Codexなど）

エージェンティックワークフローは、特定のAIモデルに依存しない“マルチエンジン設計”を採用しています。これにより、利用者はワークフローの内容を変更することなく、異なる言語モデル（LLM：Large Language Model）を切り替えて実行結果を比較・検証することができます。

現在対応している主なエンジン

• Claude Code（Anthropic）
  高精度かつ自然な言語理解に定評のあるLLMで、エージェンティックワークフローとの相性が良く、複雑な指示の解釈にも対応可能です。

  関連記事：Claude Codeとは？主な特徴や使い方、料金体系を徹底解説【活用例付き】

• OpenAI Codex
  GitHub Copilotの基盤でもあるモデルで、コード生成に特化した設計です。自然言語から構造的なアクションへの変換に強みがあります。

  関連記事：Codex(Codex CLI)とは？使い方や料金体系を徹底解説！

• 他のエンジンも順次拡張可能
  設計上、モデルの追加や切り替えが容易なため、今後はGemini（Google）、Mistral、Meta LLaMAなど、他のLLMを組み込んで利用できる可能性があります。

GitHubとの統合設計と実行環境のポイント

エージェンティックワークフローは、単なる外部ツールではなく、GitHubネイティブな設計がなされています。つまり、既存のGitHub Actionsのインフラ・権限管理・ログ監査などとシームレスに統合できるように構築されています。

GitHub Actionsの仕組みを活用

エージェンティックワークフローは、最終的にはGitHub Actions YAMLファイルにコンパイルされて実行されます。これにより、以下のようなGitHubの既存機能がそのまま使えます。

• .github/workflows/ フォルダ内で管理可能
• トリガー、ジョブ、シークレットなどの設定もそのまま活用
• 実行履歴はGitHub ActionsのUI上に記録され、ログも確認可能
• 権限（permissions:）やサンドボックスも従来通り適用

このように、GitHubエコシステムにおける「信頼された実行環境」との互換性を保ちつつ、自然言語による新しい記述形式を導入している点が大きな特徴です。

MCP（Model-Context-Proxy）対応ツールとの連携

GitHub Nextは、MCPと呼ばれる拡張的な仕組みの上で、以下のようなエージェント向け機能も統合しています。

• ログの自動アップロード：AIが実行した処理のトレースを容易に
• 組み込みのジョブ制御：ジョブのステータス管理や再実行を含む
• GitHub APIの明示的許可制御：使ってよい操作（create PRなど）をtoolsセクションで制限可能

これらにより、エージェントの暴走や不正操作を防ぎつつ、チームで安全に使える自動化が可能となっています。

関連記事：GitHub MCPとは？概要とできること、Cursorとの比較を解説

共有性・再利用性を意識した設計

ワークフローやツール仕様は、リポジトリ内に構造化されており、以下のような運用が可能です。

• チームでワークフローのテンプレートを共有
• 特定のツール仕様だけを別ファイルに切り出して再利用
• 同一のワークフローを異なるリポジトリで適用

このように、従来のGitHub Actionsの拡張として自然に組み込める点が、企業やOSSプロジェクトにとって大きな利点となります。

実際の使い方：ワークフロー記述から実行まで

エージェンティックワークフローは研究プロトタイプとはいえ、すでにGitHub上で動作する実装が公開されており、実際に手元のリポジトリで試すことが可能です。ここでは、基本的な使い方の流れを紹介します。

ステップ1：セットアップとリポジトリ準備

まず、次の公開リポジトリを参考にテスト環境を用意します：

• 本体リポジトリ：github.com/githubnext/gh-aw
• サンプル集：github.com/githubnext/agentics

また、GitHub CLI拡張である gh-aw をインストールする必要があります。

gh extension install githubnext/gh-aw

ステップ2：自然言語でワークフローを記述

.github/workflows/ ディレクトリに .md ファイルを作成し、以下のように記述します。

on:
  push:
    branches: [main]

permissions:
  contents: write
  pull-requests: write

tools:
  github:
    allowed:
      [create_branch, create_or_update_file, create_pull_request]
  claude:
    allowed:
      [Edit, Write]

# Documentation Updater

You are a documentation specialist.
Your job is to:
1. Review code changes on push.
2. Identify any outdated documentation.
3. Update relevant markdown files.
4. Open a pull request with the changes.

このように、「やってほしいこと」を箇条書きで自然に書く**のがポイントです。

ステップ3：コンパイルしてActionsに変換

次に、作成したMarkdownファイルをGitHub Actions YAMLに変換します。

gh aw compile

このコマンドにより、自然言語ワークフローが .yml ファイルとして生成され、Actionsが自動化タスクとして実行できる形になります。

ステップ4：プッシュして実行

変換後のYAMLをコミット・プッシュすると、通常のGitHub Actionsと同様にトリガーされ、AIエージェントによる自動化処理が開始されます。

ステップ5：実行内容を確認・レビュー

実行された処理は、GitHub ActionsのログやPRコメントとして記録され、後からチームで確認・レビューすることが可能です。
処理結果はすべて人間が見える形で出力されるため、ブラックボックスにならず、透明性の高いAIオートメーションを実現できます。

使用にあたってのセットアップ方法

エージェンティックワークフローは、一般公開されているOSSリポジトリを通じて利用可能であり、開発者自身がローカルまたは任意のリポジトリ上で試すことができます。このセクションでは、具体的なセットアップ手順を解説します。

1. GitHub CLIのインストール（未導入の場合）

GitHub CLI（gh）が未インストールの場合は、以下のコマンドで導入してください。

macOS（Homebrew使用時）

brew install gh

Ubuntu/Debian系

sudo apt install gh

詳細手順：https://cli.github.com

2. エージェンティックワークフロー用CLI拡張の導入

GitHub Nextが提供する gh-aw 拡張機能をインストールします。

gh extension install githubnext/gh-aw

インストール後、gh aw コマンドが使えるようになります。

3. サンプルリポジトリのクローン（任意）

まずは動作確認のために、GitHub Nextが公開しているサンプルリポジトリを複製すると便利です。

git clone https://github.com/githubnext/agentics.git
cd agentics

このリポジトリには、ドキュメント更新、テスト提案、Issueラベリングなど、さまざまな自然言語ワークフローの例が含まれています。

4. .md 形式のワークフローファイルを作成

以下のように .github/workflows/ 配下に自然言語でのワークフロー記述ファイルを追加します。

ファイル名例：

.github/workflows/docs-updater.md

内容は前セクションの通り、自然言語で手順を記述します。

5. コンパイルして .yml に変換

gh aw compile

このコマンドにより、MarkdownファイルがGitHub Actions YAMLへと変換されます。変換後は .github/workflows/ 内に .yml ファイルが生成されます。

6. コミットとプッシュ → 自動実行

変換された .yml を含めてリポジトリにコミット・プッシュすれば、GitHub Actionsが起動し、AIエージェントによる処理が開始されます。

git add .
git commit -m "Add agentic workflow"
git push origin main

活用が期待される具体的なユースケース

エージェンティックワークフローは、従来のCI/CD処理にとどまらず、より“人間的な判断”が求められる日常的な開発タスクを自動化することに向いています。特に、繰り返し発生しながらも手作業に頼っていた以下のような領域において、高い効果が期待されています。

Issueのトリアージとラベル付け

リポジトリに届く多数のIssueのうち、優先度の高いものを見極め、適切なラベルや担当者を割り当てる作業は手間がかかります。
エージェントは、Issue本文を要約し、過去の履歴やキーワードから分類・ルーティングを自動で実行できます。これは非常にプロジェクト管理の効率化に寄与しますね。

ドキュメントの更新と整備

コードの変更に伴い、READMEやドキュメントが陳腐化してしまうこともよくある問題です。
エージェンティックワークフローは、コードの差分をもとに、ドキュメントの不足や誤りを検出し、必要に応じて自動的に修正案を提示したり、Pull Requestを作成したりできます。

テストカバレッジに基づく改善提案

カバレッジレポートや新しいコードの差分をもとに、カバレッジが不足している箇所を特定し、追加のテストを提案・実装することが可能です。
これにより、品質向上とテスト自動化の推進が両立されます。

アクセシビリティチェック

Web開発では、アクセシビリティの基準に適合しているかどうかを継続的に検証する必要があります。
エージェントはHTMLやコンポーネントの構造を解析し、問題のある箇所を特定・修正案を含むPRを自動生成することができます。

Pull Requestのレビュー支援

Pull Requestの内容を要約し、変更意図や影響範囲を説明するコメントを自動生成することで、レビュワーの負担を軽減します。
必要に応じて、レビュワーの割り当てまで自動化可能です。

AI導入でお悩みの方へ

AI総合研究所が最適なAI選定をサポート

どのAIツールを選べばいいかわからない、導入コストが心配など、AI導入に関するあらゆるお悩みを専門家が解決します。

▶ 無料で相談する

まとめ

エージェンティックワークフローは、GitHub Nextが開発を進める次世代の自動化技術であり、自然言語によってGitHub Actionsを構築・実行できる新たなアプローチです。従来のYAML記述に代わり、Markdown形式で「やってほしいこと」を記述するだけで、AIエージェントが処理を解釈・分割し、実際にタスクを遂行します。

この仕組みは、コード補完を行うGitHub Copilotのような“開発者支援”から一歩進み、リポジトリ単位でのドキュメント整備、テスト提案、Issue対応など、日常的なチーム業務を支援する“自律型エージェント”としての役割を担います。

現在は研究デモンストレーターとして提供されており、本番導入には一定の検証が求められますが、GitHub Actionsと高い互換性を保ちつつ、より柔軟で再利用可能なワークフロー構築を可能にする点で、大きな可能性を秘めています。

今後の開発や運用において、「自然言語でソフトウェアを動かす」という選択肢が現実的なものとなる未来に向けて、エージェンティックワークフローはその第一歩となる存在だといえるでしょう。

AI総合研究所は企業のAIワークフロー構築を支援しています。ご興味のある方はこちらからお問い合わせください。