もうAWS SDKのアップデートは怖くない！生成AIで仕様変更を「自律的に」追従する仕組みを構築した話(後編)

はじめに

前回の記事では、GitHub ActionsとAmazon Bedrockを組み合わせて、AWS SDKの仕様変更を自動検知し、「影響分析レポート」を作成するパイプラインについて解説しました。

今回はその後編として、生成されたレポートを基に、Geminiが修正計画を立案し、AIソフトウェアエンジニア「Devin」が実際にコードを修正してPull Requestを作成するまでの「自律修正フェーズ」について解説します。

前編のAmazon Bedrockに加え、今回はGeminiとDevinが登場します。「1つのAIですべてやればいいのでは？」と思われるかもしれませんが、各AIモデルの特性を最大限に活かす構成を採用することで、精度の高い自律修正を実現しました。

分析担当 (Bedrock)
- 膨大なChangelogと技術的差分から事実を正確に抽出し、システムへの影響（仕様変更）を定義します。
計画担当 (Gemini)
- 分析結果と既存のコードベースを読み解き、Devinに対して「どのファイルをどう修正すべきか」という具体的かつ論理的な指示書（Prompt）を作成します。
実行担当 (Devin)
- 指示書に従い、実際の環境でコードを書き、テストを実行し、エラーが出れば自己修正して完遂します。

ここからは、実際の処理フローをステップごとに見ていきましょう。

前編で出力された「影響分析レポート」は人間には読みやすいですが、AIエージェント（Devin）への入力としては、「具体的にどのファイルを触ればいいのか」という情報が不足している場合があります。

そこで、間にGeminiを挟み、レポートを「実行可能なタスクリスト」へ変換させます。Geminiには、あらかじめこのプロジェクトのアーキテクチャ（「APIラッパー」が低レイヤー、「データ処理」が集計レイヤーであること等）をコンテキストとして与えておきます。

指示書に含めるべき内容:

Geminiは、SDKのバージョンアップに伴うメソッド名の変更や、引数の型変更などを正確に理解し、Devinのための「設計図」を出力します。

Geminiが作成した「設計図」をDevinに渡します。ここから先は、人間は手を触れません。
Devinが自律的に動き出します。

Devinは以下のステップを自律的に実行します。

実際に発生したAWS SDKの変更に対し、このパイプラインがどのように機能するかをご紹介します。

特定のAWSサービスで、APIのレスポンスに新しい重要な属性が追加されたケースです。

Bedrockの分析
- 「API DescribeXxx のレスポンスに NewAttribute が追加された。これはユーザー設定として価値があるため取り込むべき」と判断。
Geminiの指示
- 「『データ収集ロジック』で NewAttribute を取得するように修正してください」とDevinへ指示。
Devinの実装
- 指示通りにコードを修正。GitHubにPull Requestを作成。

今回構築したパイプラインにより、AWS SDKの仕様変更検知から、影響分析、そしてコード修正のPull Request作成までを自動化することに成功しました。

特に重要だったのは、「AIにすべてを丸投げしない」という点です。
「分析」「計画」「実行」というプロセスを定義し、それぞれの得意分野を持ったAIを連携させることで、高度な自律性をシステムに持たせることができました。

この記事が皆さんの開発プロセスを自動化・効率化する上での何かのヒントになれば幸いです。