コマンドセンター:品質を重視する人のためのAIコーディング環境

Command Centerは、AIコードの難しい部分、つまり最初の生成以降のすべてに取り組むエージェンティックコーディング環境です。このツールの主張は、コード生成は簡単だが、高品質なコードの読み取り、リファクタリング、出荷はそうではないということです。Command Centerは既存のエージェント(Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Amazon Q)と統合し、論理的な順序で差分を読むためのウォークスルー、LLMがよく導入する一般的な問題を修正する自動リファクタリング、AIが何かを壊した場合のスナップショットベースのリカバリを追加します。
主な機能
- 並列エージェント: 最大3つのエージェントを同時に実行。キーを押してプロジェクトを切り替えられます。
- ウォークスルー: 2000行の差分が200回の右矢印キー操作に。アルファベット順ではなく論理的な順序でコードを読めるため、スクロール不要。ユーザーは400行の差分を半分の時間で読み終えたと報告しています。
- リファクタリングエージェント: 重複コンポーネント、ハードコードされた設定、ハードコードされたシークレット、GitLab非互換のリモートコール、長い関数、null参照レースコンディションなどを自動的に検出して修正。Climavisionのスタッフエンジニア、Doug Slater氏によると、「LLMに味を与える。こんなに良いコードをLLMが書くのを見たことがない」とのこと。
- フィードバックエージェント: 何か問題を見つけたら、行をハイライトして
「これをすべてのネットワークフェッチと同様にバックグラウンドで実行 Cmd+Enter」と入力すれば、新しいエージェントがメインコンテキストを汚染せずにその変更のみを処理します。 - スナップショット: 他の作業をしている間もCommand Centerを稼働。AIが何かを削除した場合、スナップショットから復元できます。
- ワンクリックPRパイプライン: 環境から直接
Commit、Push、Create PRと入力。
仕組み
ユーザーはCommand Center内で完全に作業するか、特定のタスクのために一時的に使用できます。例えば、ZedやCodexアプリでコードを書き、エージェントが終了したらCommand Centerにジャンプしてウォークスルーを利用するユーザーもいます。スキルを使用すると、選択した環境から自動的にウォークスルーが開きます。
Command Centerはローカルで動作し、コードをサーバーに送信しません。無料のGeminiクレジットを使用する場合、AIリクエストはサーバーを通過しますが、保持されません。完全なプライバシーのためには、独自のAPIキーまたはサブスクリプションをご利用ください。
料金
- 無料プラン — ウォークスルー、リファクタリング、同時ワークスペースに制限あり。
- スターター — 月額$9、上限引き上げ。
- プロ — 月額$19、最高限度。
Command Centerにはgitと修正版OpenCodeが同梱されており、未設定のWindowsマシンでも動作します。
対象ユーザー
従来のエンジニアリング規律(クリーンコード、レビュー、保守性)を守りながら、AI支援で1日20件のPRを出荷したいエンジニア向け。プロンプトをソースコードと見なし、コードをコンパイラの出力と見なす人には向きません。
📖 完全なソースを読む: HN AI Agents
👀 See Also

Sx: AIスキル、MCP、コマンドのためのオープンソースパッケージマネージャー
Sxは、スキル、MCP設定、コマンド、フック、エージェントなど、AIアセットを管理するプライベートnpm的なパッケージマネージャーです。チームはAI設定を任意のAIクライアント(Claude Code、Cursor、Copilot、Geminiなど)間で共有、バージョン管理、スコープ指定できます。
MTP + ユニファイドメモリがRTX 5090でllama.cpp推論を30%高速化
GGML_CUDA_ENABLE_UNIFIED_MEMORY=1 と MTP 推測を併用すると、128GB システム RAM を搭載した RTX 5090 上で Qwen3.6-27B Q8_0 のスループットが 49 tok/sec から 64 tok/sec に向上します。

GLM 5 on Mac M3: エージェント型コーディングにおけるパフォーマンス観察
ユーザーは、Mac M3(512GB RAM)でMLX 4ビット量子化を用いてGLM 5を実行し、50,000トークン未満のコンテキストではエージェント型コーディングに使用可能であると報告していますが、その閾値を超えると大幅な速度低下が発生すると指摘しています。

マルチモーダルエージェントのレイテンシをスクリーンショット履歴の省略により削減
ある開発者が、マルチモーダルエージェントのリクエストから過去のスクリーンショットを省略し、base64画像データを「[image omitted]」文字列に置き換えることで、パフォーマンスを維持しながらレイテンシを大幅に削減できることを発見しました。この実験はClaudeを使用して実施され、GitHubに記録されています。