【ITニュース解説】How to Give AI Coding Assistants Complete Context Across Microservices with BMAD FKS

現代のソフトウェア開発は急速に進化しており、人工知能（AI）を活用したコーディングアシスタントが開発者の生産性向上に大きく貢献している。しかし、システムが複雑になるにつれて、これらのAIアシスタントがコード全体を正確に理解し、適切な提案をするのが難しくなるという課題がある。特に、多くの企業で採用されている「マイクロサービス」という開発手法は、この課題をさらに顕著にする。

マイクロサービスとは、一つの大きなソフトウェアを、それぞれ独立した小さな機能の集まり（サービス）として開発・運用するアーキテクチャのことである。例えば、医療アプリケーションであれば、「患者情報管理」「薬の供給」「請求処理」「予約管理」といった機能がそれぞれ独立したサービスとして構築される。各サービスは独自のプログラムコード、データ保存方法、外部との連携方法（API）、そして他のサービスへの依存関係を持つ。これにより、開発の柔軟性やスケーラビリティは向上するが、システム全体を俯瞰して理解することが非常に困難になる。

開発者が特定のサービスを修正する際、その変更が他のサービスにどのような影響を与えるかを把握するのは骨の折れる作業だ。この課題は、人間だけでなく、AIコーディングアシスタントにとっても同様、あるいはそれ以上に大きい。AIアシスタントは通常、目の前の単一のプログラムファイルや、せいぜい一つのリポジトリ（プログラムコードの保管場所）の情報に基づいて動作する。そのため、複数のサービスにまたがるシステム全体の文脈（コンテキスト）を完全に把握することができず、精度の低い提案をしたり、誤ったコードを生成したりする可能性があった。これは、目の前の情報だけで全体像を掴もうとする行為であり、システム全体の振る舞いを予測したり、関連する他の部分への影響を考慮したりすることが困難になる。

このマイクロサービスにおけるコンテキストの課題を解決するために開発されたのが、「BMAD Federated Knowledge System (FKS)」である。BMADは「Breakthrough Method for Agile AI-Driven Development」の略で、AI駆動型の開発を支援する強力なフレームワークを指す。その中心にあるBMAD FKSは、システム全体のコンテキストを統一的に管理する層を構築することで、AIアシスタントがマイクロサービス間の連携やシステム全体の構造を深く理解できるようにする画期的な仕組みだ。

BMAD FKSの主な目的は、大きく三つある。一つは、複数のマイクロサービスにまたがるシステム全体の理解を深めること。二つ目は、コードだけでなく、技術文書、データベースの内容、さらには外部のウェブ情報まで、あらゆる知識源を統合して包括的なコンテキストを提供すること。そして三つ目は、それらの知識を、AIが効率よく利用できる形式に変換して提供することだ。

BMAD FKSの利用は非常にシンプルだ。まず、コマンドラインから bmad-fed init と入力して初期設定を行う。これにより、.bmad-fks-core/fks-core-config.yaml という設定ファイルが自動的に生成される。このファイルには、キャッシュの保存場所やサイズ、無視するファイルパターンなど、システム全体の基本的な動作に関する設定が含まれている。

次に、システムが参照すべき「知識源」を追加していく。BMAD FKSは、プログラムの「リポジトリ」、アプリケーションが利用する「データベース」、そして「ウェブ上の情報」という三種類の知識源をサポートしている。

リポジトリを追加する場合、bmad-fed add-knowledge コマンドを実行し、対話形式でリポジトリ名、GitのURL、ブランチ名などを入力する。設定ファイルに直接記述することも可能で、例えば患者情報管理サービスのGitリポジトリのURLと説明を記述する。

データベースを追加するには、まず bmad-fed add-connection コマンドでデータベースへの接続情報を設定する。データベースの種類（MongoDB、MySQL、PostgreSQLなど）と、接続文字列などの詳細を入力する。その後、再度 bmad-fed add-knowledge コマンドでデータベースを知識源として追加し、先ほど設定した接続情報と、取得したいデータを指定するクエリ（SQL文やMongoDBのクエリ）を入力する。データベースの知識源は、bmad-fed sync-db コマンドを実行することで、実際にデータベースからデータを取得し、PDFやJSONファイルとしてキャッシュに保存できる。

ウェブ上の情報を知識源として追加するのも同様に bmad-fed add-knowledge コマンドを使用し、ウェブサイトの名前とURLを指定する。例えば、APIの公式ドキュメントサイトのURLを登録することで、その内容もコンテキストの一部として取り込める。

これらの知識源の設定が完了したら、いよいよ統合されたコンテキストを構築する。「bmad-fed build-context」コマンドを実行すると、システムは登録されたすべての知識源から情報を集約し始める。具体的には、まずすべてのリポジトリを最新の状態に更新またはクローンし、データベースからは指定されたクエリでデータを取得してファイルに保存し、ウェブURLからはコンテンツをダウンロードして処理する。

特に重要なのは、リポジトリ内のプログラムコードが、AIが処理しやすい「XML形式」に変換される点だ。これは「リポジトリのフラット化」と呼ばれ、コードの構造や意味をAIが理解しやすいように最適化するプロセスである。

この一連の処理が完了すると、「context.md」というファイルが自動的に生成される。このファイルは、すべての知識源がどこにあり、どのような情報を含んでいるのかを一覧でまとめた「コンテキスト定義ファイル」だ。どのリポジトリがどのXMLファイルに対応しているか、どのデータベースのデータがどのPDF/JSONファイルに保存されているか、どのウェブサイトの情報がどのPDFファイルに変換されたかなど、システム全体の知識マップがここに集約される。

BMAD FKSによって生成されたこれらのキャッシュファイルや context.md は、デフォルトでは .bmad-fks-cache` などのディレクトリに保存されるが、設定ファイルで自由に保存場所を変更することも可能だ。

このようにして構築された統一されたコンテキストは、マイクロサービス開発に多大なメリットをもたらす。まず、AIコーディングアシスタントは、単一のファイルやリポジトリに限定されず、システム全体のコード、ドキュメント、データベースの情報に基づいて、より賢く、より正確なコード補完や提案、バグ修正、機能追加のサポートを提供できるようになる。これは、AIがシステムの「全体像」を理解した上で作業できるようになることを意味する。

また、開発者にとっても、BMAD FKSは大きな助けとなる。システム全体のコンテキストが可視化されることで、アーキテクチャ設計の判断がより適切に行えるようになる。あるサービスへの変更が他のサービスにどのような影響を及ぼすか、といった依存関係も明確に把握できるようになり、問題発生のリスクを低減できる。さらに、新しくチームに加わったメンバーが、複雑なマイクロサービスシステム全体の構造や各サービスの役割を素早く理解するための強力なツールとしても機能する。

システムの状態確認、特定の知識源の再同期、データベース接続の管理など、より高度な操作を行うためのコマンドも用意されており、開発者はBMAD FKSを柔軟に運用できる。もしデータベース接続エラーやリポジトリ同期の失敗、キャッシュディレクトリへの書き込み権限の問題などが発生した場合でも、公式のトラブルシューティングガイドや提供されている--mockオプションなどを活用して解決できる。

BMAD Federated Knowledge Systemは、複雑化するマイクロサービスアーキテクチャにおいて、AIの力を最大限に引き出し、開発者がシステム全体を深く理解し、より効率的に、そして高品質なソフトウェアを開発するための新しいアプローチを提供する。このシステムを導入することで、開発者はマイクロサービスの持つ柔軟性を維持しつつ、システム全体の一貫性と見通しを確保できるため、開発体験は大きく向上するだろう。