【ITニュース解説】Pi 1.0 Just Hit #1 on Hacker News. The Agent That Hated MCP Now Ships It.

「Pi」というツールが、最新版の1.0でIT業界の主要ニュースサイトであるHacker Newsのトップに躍り出た。特に注目を集めたのは、これまでPiが強く批判してきた「MCP（Multi-Client Protocol）」という技術を、今回のバージョンからサポートするようになった点だ。これは一見すると方針転換のように見えるが、実はPiの開発哲学に沿った、より洗練された解決策が導入された結果なのだ。

まず、Piとは何かを説明しよう。Piは、開発者が日常的に使う「ターミナル」（コマンドを入力する黒い画面）上で動作する、非常にシンプルなプログラミング支援エージェントの枠組みだ。これは「ハーネス」とも呼ばれ、様々なAIモデルを搭載して機能させるための土台となる。例えば、主要なAIプロバイダーが提供するAIモデルであれば、特定のものに限定されずに柔軟に組み合わせて利用できる。PiはMITライセンスという、開発者にとって非常に自由度の高い形で提供されており、毎週数十万人もの人々が利用しているという。元々はMario Zechnerという人物が開発したが、2026年春にWeb開発の分野で有名な「Flask」の生みの親であるArmin Ronacherが設立したEarendilという会社が、Piの開発を引き継いだ。Zechner自身も株主として、引き続き技術面で指導を行っている。

Piの開発における基本的な考え方は、「本当に役立つと証明されたものだけを慎重に取り入れる」というものだ。新しい機能を検討する際には、その機能がシステムにもたらすメリットと、どれだけシステムが複雑になるかを徹底的に比較検討する。この方針のため、今回のPi 1.0のリリースでは、「これは不要」と判断して採用を見送った機能のリストの方が、実際に追加された機能のリストよりも長くなっているほどだ。だからこそ、今回「これまで拒否してきたもの」を採用したこのリリースは、特に注目を集めているのだ。

Pi 1.0の目玉は「Codemode」と呼ばれる新機能だ。これは、長年PiがMCPに対して抱いていた不満、「AIモデルがタスクを実行する際に参照する『コンテキストウィンドウ』と呼ばれる記憶領域を、ツールを使うたびに大量に消費してしまう」という問題を根本的に解決するものだ。AIモデルは、人間との会話の履歴や利用可能なツールの説明文などをこのコンテキストウィンドウに記憶して判断を下す。従来のMCPでは、AIが使えるツールの詳細な説明（スキーマ）を、使うかどうかにかかわらず最初にすべてコンテキストウィンドウに読み込む必要があった。これにより、一つ一つのツール定義で膨大な量の「トークン」（AIが情報を処理する最小単位）が消費され、AIモデルにとって非常に高価な情報として扱われていたのだ。具体的な数字としては、一つのツール定義で550から1,400トークンもの容量が使われることもあり、例えば20万トークンという大きなコンテキストウィンドウを持つAIでも、たった3つのMCPサーバーを使うだけで14万3千トークンもの容量を使い果たしてしまうといった事例も報告されていた。

PiのCodemodeは、この問題を画期的な方法で解決する。Codemodeは、AIモデルに「JavaScriptサンドボックス」という、安全な実行環境を提供する。これはWASM（WebAssembly）という技術を使ってPiの内部で動作する。AIモデルは、このサンドボックス内でツールに関するドキュメントを参照し、まるでソフトウェア開発キット（SDK）を使ってプログラムを書くように、必要なツールを呼び出すコードを自分で生成する。そして、複数のツール呼び出しを並行して実行したり、その結果をフィルタリングしたりする。最終的に、AIモデルのコンテキストウィンドウに戻されるのは、ツール実行によって得られた情報の「要約された、本当に必要な部分だけ」だ。 これにより、AIモデルは詳細なツールスキーマを常に覚えておく必要がなくなり、必要な時に必要な情報を、プログラミングによって引き出すことができるようになった。MCP自体は依然としてツールとAIモデル間の「通信プロトコル」として機能するが、AIモデルへの情報の与え方が「ここに40個のツールスキーマがあるから、どれを使う？」から「ここにプログラム可能な環境があるから、自分でツールを使ってね」へと根本的に変わったのだ。結果として、ツールの詳細な情報がAIモデルのコンテキストウィンドウを不必要に占有することがなくなり、大幅なコスト削減と効率化が実現された。 この方針転換は、開発者の間では単なる「手のひら返し」ではないと説明されている。2026年7月のMCP仕様改訂により、MCP自体がよりシンプルで「ステートレス」（状態を持たない）なプロトコルへと改善されたことも要因の一つだ。また、PiはLLM以外のAIモデル（例えば画像を認識するモデルなど）にも対応するために既にサンドボックス環境を開発しており、その既存のサンドボックスをMCPサポートに応用できたことも、スムーズな移行を後押しした。そして何よりも、一年間にわたる公開での批判が、MCPプロトコル自体をより良いものへと進化させたという背景もある。これは、オープンな議論が技術の進歩につながる良い例だ。

Pi 1.0と同時に、「Pi Durable」というもう一つの重要なリリースがあった。これはまだ実験的な段階だが、長時間にわたって安定して動作し、仮にシステムがクラッシュしても中断したところから再開できる、高い「耐久性」を持つエージェント（AIアシスタントのようなもの）を開発するためのフレームワークだ。このエージェントは、ターミナルだけでなく、Slackなどのチャットツールなど、様々な場所からアクセスできることを目指している。 Pi Durableは、TypeScriptというプログラミング言語で約1万5千行のコードで書かれている。これは、最新のAIモデルのコンテキストウィンドウなら全体を読み込める程度の情報量だ。データの保存には、一時的なメモリ、SQLiteという軽量なデータベース、JSONLというシンプルなファイル形式の三種類の方法が選べる。SQLiteを使う場合は、特定の環境に依存しない設計になっているため、BunやCloudflare Durable Objectsといった多様な環境で動作させることができる。 Pi Durableの大きな特徴は、エージェントが行うすべてのステップが「耐久性のあるチェックポイント」として記録されることだ。これにより、もしエージェントが途中でクラッシュしても、新しいプロセスが立ち上がった際に、直前のチェックポイントから作業を正確に再開できる。また、会話の履歴から好きな時点を選んで、そこから新しい会話の流れ（スレッド）を分岐させることも可能で、これはSlackのチャネルとスレッドのように、複数の会話が同時に進行する状況を想定している。 特に注目すべきは「クラッシュ耐性」を実現するメカニズムだ。Pi Durableで開発されたツールは、「replay: "safe"」のような「リプレイポリシー」を宣言できる。例えば、検索ツールのように何度実行しても問題ない「安全な」ツールは、クラッシュ後に自動で再実行される設定にできる。一方で、システムのデプロイ（新しいソフトウェアを公開すること）や支払い処理のように、一度だけ実行されるべき「安全でない」操作は、クラッシュ後に再実行されないように設定できる。この場合、AIモデルにはその操作が中断されたことが伝えられる。さらに、中断されたAIモデルへのリクエストは再送されるが、「requestId」という仕組みによって、全く同じ処理が二重に実行されることを防ぐ「正確に一度だけ実行」という保証がされている。 人間が承認を必要とするようなタスクでも、高い耐久性が確保されている。例えば、デプロイの承認作業を考えてみよう。人間が「承認」をクリックした後、システムがクラッシュしたとする。Pi Durableでは、「api.memo」という機能を使って、この承認の決定を記録する。システムが再起動し、再度デプロイ処理を行おうとした際、このメモが既に存在すれば、人間に対して再び承認を求めることなく、処理を続行できる。こうした「面倒だが非常に重要な正確性の保証」は、多くのエージェント開発フレームワークが見過ごしがちな点だ。 Pi Durableはまだ実験段階であり、現時点ではTypeScriptのみをサポートし、一つのプロセスが一つのストレージを排他的に利用する設計だが、将来のAPI変更も想定されている。

このPi 1.0とPi Durableのリリースは、これからのシステム開発、特にAIエージェントの開発においていくつかの重要な教訓を示している。 まず、「コンテキストは予算である」という考え方だ。AIモデルが使える記憶領域（コンテキストウィンドウ）は限られたリソースであり、無駄なく効率的に使うことが非常に重要だ。PiのCodemodeは、ツールからの出力情報をAIが直接全て読み込むのではなく、必要な部分だけを計算して取り込むというアプローチを取る。これは、他のエージェント開発環境でも同様の設計思想が主流になっていくだろう。 次に、「ミニマリズムが信頼を勝ち取る」という教訓だ。Piはこれまで、不必要と判断した機能の採用を拒否することで、開発コミュニティからの信頼を着実に築いてきた。だからこそ、今回「これまで拒否してきたMCP」をサポートする決断をしたとき、それは安易な妥協ではなく、熟考された結果として多くの人々に受け入れられたのだ。これは、機能の数を増やすことよりも、本質的な価値を提供することの重要性を示している。 そして、「耐久性が次の課題である」という点だ。現在公開されている多くのAIエージェントのデモは、少しのクラッシュで簡単に停止してしまうことが多い。しかし、現実世界で役立つエージェントは、予期せぬ障害にも耐え、中断した作業を確実に再開できる能力が必要だ。Pi Durableが示す「チェックポイント」や「リプレイポリシー」といった仕組みは、本番環境で安定稼働するAIエージェントを実現するための不可欠な要素となっていくことだろう。