Multi-Actor Continuation

このページで分かること

• PCE 3.0 がマルチエージェントシステムそのものではない理由
• AI、人間、CI、ポリシー、状態面がそれぞれ何を形成するか
• 依拠は対称で、責任は非対称であること
• Human-in-the-loop（人間参加型）との違い

一文で言うと

PCE 3.0 は、Multi-Agent System（マルチエージェントシステム）ではなく、Multi-Actor Continuation Control（マルチアクター継続制御）である。

マルチエージェントは、複数の AI をどう分担させるかという実行形態です。

PCE 3.0 が扱うのは、その一段外側にある問題です。AI、人間、CI、Policy（ポリシー）、評価系、状態面が同じ遷移に関わるとき、どの候補をどう比較し、どの根拠を揃え、誰の依拠に何を残すかを制御します。

短く言えば、Multi-agent is an execution pattern. Multi-actor continuation is the process model.

マルチエージェントでは足りない理由

マルチエージェントという言葉は、主語を AI に置きます。

Planner Agent
Research Agent
Coding Agent
Reviewer Agent
QA Agent

この見方は有用です。ただし、実際の仕事では、昇格の根拠を作る材料は AI だけでは揃いません。

• 人間による意図、範囲、リスク受容
• CI によるテスト結果やビルド結果
• ポリシーによる禁止範囲と承認条件
• Review（レビュー）による妥当性確認
• GitHub や Slack に残る合意、依頼、状態変更
• Memory（記憶）へ昇格してよいかの判断

PCE 3.0 は、AI エージェントの群れを作る話ではありません。複数の Actor（アクター）が形成する候補、証拠、意図、リスク受容、記憶を束ね、後続が依拠してよい Responsible Continuation（責任ある継続）を成立させる話です。

依拠は対称、責任は非対称

PCE 3.0 がすべての参加者を同じ遷移モデルで扱えるのは、依拠がアクターの種類を問わない からです。

コンパイラは不変条件に依拠します。AI は記憶に依拠します。CI はビルド環境に依拠します。人間は仕様に依拠します。依拠する能力に、人間と機械の区別はありません。

しかし、責任は非対称です。AI が実行できても、残るリスクを引き受けられるとは限りません。ツールが評価できても、正規状態への反映を承認できるとは限りません。誰でも依拠はできるが、依拠が裏切られたときに支払える者は限られている。 この対称性と非対称性の組み合わせが、PCE 3.0 のアクターモデルの核です。

アクターが形成するもの

PCE 3.0 では、アクターごとに形成できるものが違うことを明示します。

種類	主に形成するもの	例
Execution Actor（実行アクター）	候補、差分、仮説、実装	AI coder、developer、tool runner
Evidence Actor（証拠アクター）	証拠、検査結果、再現可能な観測	CI、test runner、linter、eval system
Governance Actor（統治アクター）	意図、権限、リスク受容、承認	owner、reviewer、domain expert、policy
Control Actor（制御アクター）	分岐、合流、停止、再開、昇格判定	orchestrator、workflow controller、PCE
State / Projection Surface（状態面 / 投影面）	状態や投影を保持する面	Issue、PR、Slack thread、ADR、memory store

State / Projection Surface（状態面 / 投影面）は、常にアクターとは限りません。Issue や PR は状態を保持しますが、それ自体が判断や検査を行うわけではありません。ただし、その面に自動判定、通知、権限行使、状態変更が組み込まれているなら、そこにアクター性があります。

証拠アクターと統治アクターの違いは重要です。証拠アクターが作るものは再導出できます（テストは再実行できる）。統治アクターが作るものは再導出できません（リスク受容は遂行的行為であり、記録だけが根拠です）。

Distributed Warrant Formation

PCE 3.0 の重要な見方は、Distributed Warrant Formation（分散的な進行根拠形成）です。

進行根拠は、ひとつの出力から生まれるとは限りません。複数の分岐で作られた候補、投影、証拠、意図が合流して、初めて「この候補のほうがよい」「昇格してよい」と言えることが多い。

AI branch
  -> candidates / diff / hypothesis

CI branch
  -> test evidence / build evidence

Human branch
  -> intent / preference / authority / risk acceptance

Policy branch
  -> permission / prohibition

Memory branch
  -> projection candidate

join
  -> Warrant
  -> Canonical State（後続が依拠してよいもの）

この合流がないまま、AI の出力だけを正規状態へ入れると、候補が事実にすり替わり、後続が不当に依拠します。逆に、合流が設計されていれば、AI の生成は解き放てます。昇格境界が信頼できるからです。

機械同士の依拠連鎖

マルチアクターの見方が最も必要になるのは、人間が見ていない場所です。

エージェントの要約が別のエージェントの記憶に入り、その記憶が第三のエージェントの判断の前提になる。この連鎖の各辺は依拠であり、どこか一箇所でも根拠なき昇格があれば、汚染は連鎖の先まで伝わります。

だから PCE 3.0 は、依拠を辺として記録する 依拠グラフ を扱います。誰が何に依拠しているかが残っていれば、根拠が失効したとき、影響を受ける後続へ無効化を伝播できます。

具体例は One Memory through PCE を参照してください。

Human-in-the-loop との違い

PCE 3.0 では、人間を AI の途中に挟まる存在として見ません。

人間は、AI の出力を止める係でも、最後に目視する係でもありません。人間は、他のアクターと並んで、意図、好み、境界、権限、リスク受容、終了意味を形成するアクターです。

つまり、重要なのは Human-in-the-loop（人間参加型）ではなく、Multi-Actor Branch / Join（マルチアクター分岐と合流）です。

AI が差分を作る。
CI が証拠を作る。
ポリシーが禁止範囲を示す。
人間が意図とリスク受容を形成する。
PCE がそれらを合流させ、昇格してよいかを判定する。

人間の参加は、常に必要ではありません。ただし、影響の大きい遷移では、誰が残るリスクを引き受けるのかが必要になります。

実務で問うこと

Multi-Actor Continuation として見ると、実務で問うべきことは変わります。

どのアクターが、どの候補や投影を作るのか。
どの候補を比較し、どう改善するのか。
どの証拠が揃えば、昇格してよいと言えるのか。
どの権限がなければ止めるのか。
どの出力を正規状態へ昇格させてよいのか。
昇格したものに、誰が依拠するのか。
根拠が失効したとき、誰に伝わるのか。
何が欠けたら Obstruction とするのか。

この問いに答えることで、PCE 3.0 は「AI に作業させる仕組み」ではなく、複数アクターの依拠を統治する制御層になります。