VS Code エージェントかんばん:AIコーディングエージェントのためのMarkdownベースのタスク管理

VS Code Agent Kanbanの機能
VS Code Agent Kanbanは、GitHub CopilotなどのAIコーディングエージェントを使用する開発者向けに特別に設計されたタスク管理を提供するVS Code拡張機能です。チャットセッションがクリアまたは閉じられたときに、計画の会話、決定、根拠が失われるというコンテキストの劣化問題を解決します。
主な機能
- VS Code内でのGitOps&チーム対応カンバンボード統合 - 全体の.agentkanban/フォルダはバージョン管理にコミットするように設計されています
- @kanbanコマンドによる構造化された計画/ToDo/実装 - ユーザーはチャットウィンドウで「plan」「todo」「implement」などのコマンドを入力してエージェントのワークフローをガイドします
- 既存のエージェントハーネスを活用 - カスタムエージェントをバンドルするのではなく、現在のAIコーディングエージェント設定を使用します
- 永続的な信頼できる情報源としての.mdタスク形式 - 各タスクは、タイトル、カンバンレーン、タイムスタンプを追跡するYAMLフロントマターを持つマークダウンファイルです
仕組み
すべてのタスクは.mdファイルとして.agentkanban/tasks/フォルダに保存されます。本文には[user]と[agent]マーカーを使用した構造化された会話ログが含まれます。以下はソースからの例形式です:
--- title: OAuth2の実装 lane: doing created: 2026-03-08T10:00:00.000Z updated: 2026-03-08T14:30:00.000Z description: APIのOAuth2統合 --- ## 会話 [user] OAuth2の実装を計画しましょう。デバイスコードフローとクライアントクレデンシャルフローの両方をサポートする必要があります。 [agent] あなたのAPIに対する2つのOAuth2アプローチの分析は次の通りです... [user] ここ、ここ、そしてここを変更してください [agent] 更新された計画は次の通りです...
この拡張機能は、ユーザーがGitHub Copilotチャットで準備完了を確認し、その後エージェントハーネスがマークダウンファイルに保存されたすべてのコンテキストを持って作業を開始する、明確な計画/ToDo/実装フローを作成します。
チームへのメリット
タスクがプレーンテキストファイルとして保存されるため:
- 自然に差分比較とマージが可能 - 不透明なバイナリ状態からのマージ競合は発生しません
- チームはAIが何を作業中で、何が決定されたかを共有して可視化できます
- 将来の開発者は、何が構築されたかだけでなく、計画会話の実際の言葉でなぜ構築されたかを見ることができます
- 規制環境や企業環境のための監査証跡を提供します
このアプローチは、AIエージェントで定期的にコンテキスト制限に達する開発者や、複数の作業セッションにわたって継続性を維持する必要がある開発者に特に有用です。
📖 完全なソースを読む: HN AI Agents
👀 See Also

ペアプログラマープラグインが、Claude Codeにライブ画面、音声、オーディオコンテキストを追加します
開発者は、画面、マイク、システムオーディオのストリームをキャプチャすることでClaude Codeにリアルタイムのデスクトップ知覚を与える「Pair Programmer」というプラグインを構築しました。アーキテクチャは異なる入力タイプに対して並列で動作する専門エージェントを使用しており、現在はクラウドモデルでインデックス処理を行っていますが、モデルに依存しない設計となっています。

オープンソースのGmail MCPサーバーが、複数アカウント対応と書き込みアクセス機能を追加しました。
オープンソースのMCPサーバーにより、Claude AIが複数のGmailアカウントに接続し、アーカイブ、ラベル付け、自動購読解除機能を含む完全な読み書き機能を利用できるようになります。Gmail検索構文をサポートし、Railwayへの5分でのデプロイまたはセルフホスティングが可能です。

LORE.md: AI会話から構造化された知識を抽出するためのオープンスタンダード
LORE.mdは、AI会話から構造化された形式で持続的な知識を抽出するためのオープンスタンダードです。決定事項とその根拠、洞察、パターン、未解決の疑問、次のステップを捉え、すべてがセッション間でリンクします。

6.4千ドルのローカルLLMサーバー構築:総保有コストとAPI費用の比較
開発者が、4台のMI100を搭載したローカルサーバーの総所有コストを詳細に分析。llama.cppでQwen3.6 27Bを実行し、API(OpenAIやZ.AIのコーディングプランを含む)と比較しています。