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

SuperHQ: 隔離されたmicroVMサンドボックス上でAIコーディングエージェントを実行
SuperHQは、AIコーディングエージェント(Claude Code、OpenAI Codex、Pi)を分離されたmicroVMサンドボックス内で実行するオープンソースのRust/GPUIアプリです。各エージェントは完全なDebian VMを取得し、プロジェクトディレクトリを読み取り専用でマウントし、ホストのAPIキーを見ることはありません。キーは認証ゲートウェイプロキシを介して注入されます。

AutoBe: 弱いローカルLLMがAIバックエンドジェネレータのアーキテクチャをどう修正したか
AutoBeは、TypeScript、NestJS、Prismaを使用して完全なバックエンドアプリケーションを生成するオープンソースのAIエージェントです。チームは当初、100%のコンパイル成功を達成しましたが、コードは保守不可能でした。その後、モジュール生成を中心にシステムを再構築し、成功率を40%に急落させました。そして、qwen3-30b-a3b-thinkingのような弱いローカルLLMを使用してスキーマの曖昧さをデバッグしました。
NVIDIA SkillEvaluatorがClawHubに登場:スキルは本当に優れているのか?
ClawHubはNVIDIA SkillEvaluatorを統合し、スキルがエージェントを改善するかどうかをインストール前に確認できるようにしました。Patrick Erichsenの評価ビューでは、300以上の検証済みスキルについて、ベースラインと測定された改善を比較します。
GitHubのProject HydraFusion:フロンティア品質のAIコーディングのためのマルチモデルオーケストレーション
GitHub CopilotのHydraFusionリサーチプレビューは、タスクごとに複数のモデルをオーケストレーションし、シングル、カスケード、または批評のワークフローを選択します。ベンチマークでは、Claude Opus 5と比較して品質が4.9ポイント向上し、コストが67%削減されました。