【ITニュース解説】Project Cameo-Ecosystem aka Merchmatica

Merchmaticaは、手動でのコード修正をほとんど行わずに、AWSの認証情報を設定するだけで複雑なAIを活用したEコマースプラットフォームを構築できるかという、画期的な実験から生まれたサービスだ。このプロジェクトは、「セルオートマタ」という、シンプルな規則が無限の複雑さを生み出す科学的な考え方に着想を得ている。Merchmaticaでは、この考え方を商取引に応用し、ごく基本的なライセンスと支払いに関するルールを設定することで、全く新しいマーチャンダイズ経済圏が生まれることを目指した。

この新しい経済圏におけるシンプルなルールは、次の四つの要素から成り立っている。まず、コンテンツの「クリエイター」は、自分の作品に対するロイヤリティ（使用料）のパーセンテージを設定する。次に、そのクリエイターのファンが、AIを使ってクリエイターの知的財産（IP）に基づいたデザインを生成する。生成されたデザインは、「ストア」が選び抜いた商品に適用され、販売される。そして最後に、Stripeという決済サービスが、これらの取引から生じる収益を自動的に各関係者へ分配する。これらの基本的なルールが組み合わさることで、予測不可能で、常に新しいものを生み出し続ける、まるで計算によって動き続けるかのような商取引の仕組みが誕生した。

Merchmaticaは、具体的には「Project Cameo-Ecosystem」とも呼ばれ、クリエイターが自分の肖像権や作品を、AIが生成するコンテンツの素材としてライセンス供与し、それがTシャツやポストカード、さらには3Dプリントされたフィギュアといった物理的な商品になることで収益化できるプラットフォームだ。ファンは、ライセンスされたクリエイターのIPを使って、自分自身でオンラインストアを開設し、様々な商品をデザイン・販売できる。決済と商品の配送は、Stripe Connectという決済サービスとマーチャンダイズAPIを組み合わせることで自動的に処理され、ファンがアイデアを出したデザインが、実際に手にとって楽しめる商品へと変わる。従来のEコマースが、あらかじめ用意されたカタログから商品を選ぶトップダウン型だったのに対し、Merchmaticaは、クリエイター、ファン、ストアといった異なる役割を持つ参加者がそれぞれシンプルなルールに従って行動することで、全体として複雑で多様な市場が自律的に形成される、まさに「コマースオートマトン（商取引の自動機械）」のような仕組みを持っている。

この画期的なシステムを構築するにあたり、開発は一つの簡潔な指示プロンプトから始まった。「Cameo Ecosystemの仕様を作成せよ。ファンがクリエイターのブランドに忠実な画像や製品（ポストカード、アパレル、2D/3Dの3Dプリントフィギュアなど）を生成し、ストアを通じて販売できるようにする。」というものだ。このプロンプトを基に、KiroというAIエージェントが、システムの仕様策定からアーキテクチャの設計までを自動操縦し、VSCode Copilotという別のAIアシスタントがコードの実装を支援した。システムは、フロントエンドに高速な描画が可能なNext.jsのSSR（サーバーサイドレンダリング）、インフラにAWS Amplify、決済にStripe Connect、そしてAIによる画像・デザイン生成にはFAL/Replicateといった技術スタックで構成されている。また、システムの機密情報（AWSの認証情報など）を安全に管理するためには、多層的な環境ローダーと、本番環境での動作検証のためのデバッグ用エンドポイントが導入された。Kiroが「仕様」から「システム」へと変換するこのプロセス自体が、まるでセルオートマタのルールのように、アーキテクチャやコードを自動で生成する仕組みとして機能した。

しかし、開発の道のりは決して平坦ではなかった。特に、Next.js SSRアプリケーションをAWS Amplify上でデプロイする際には、まるで計算上予測できない複雑な振る舞いをする「計算的還元不可能性」のようなエッジケースに直面した。たとえば、アプリケーションの実行時に、環境変数（process.env）がサーバーサイドレンダリングやAPIルートで正しく機能せず、重要な秘密情報が突然利用できなくなる問題が発生した。この問題を解決するために、開発チームは複数の情報源（process.env、静的な参照、AWS Systems Manager、暗号化されたビルド成果物、そして.next/env.jsonファイル）から環境変数を読み込む多層的なローダーを構築する工夫を凝らした。また、秘密情報の漏洩を防ぐため、機密性の高い操作はすべてNode.js環境内に限定して実行されるように調整された。さらに、システムが正しく稼働しているかを確認するため、デバッグ用のAPIエンドポイント（/api/debug/envや/api/debug/creators-direct）が追加され、実行時の接続性を検証できるようになっている。データベースのURLに含まれる$記号が、URLエンコードされた%24として扱われることで接続エラーを引き起こすといった、細かながらも厄介な問題にも対処する必要があった。これらの経験から、AWS AmplifyとNext.js SSRの組み合わせは、単純なものではなく、システム全体が予期せぬ挙動を示す複雑な自動機械であるという教訓を得た。そのため、システムの耐障害性を確保するには、多層的な環境変数管理ロジックと、実行時における継続的な検証が不可欠であることがわかった。

こうした困難を乗り越え、開発チームは多くの成果を誇りにしている。まず、ライセンス供与からAIによるデザイン生成、オンラインストアでの販売、支払い分配、そして商品のフルフィルメント（注文処理から配送まで）に至るまで、完全に自動化されたエンドツーエンドのフローを実現した。次に、Stripe Connectを活用したロイヤリティ考慮型の支払いフローは、物理学における保存の法則のように、お金がシステム内で失われることなく、関係者全員に適切に分配される仕組みを構築した。また、ユーザーが問題に直面する前にシステムの隠れた挙動や潜在的な問題を特定できるよう、効果的なデバッグおよび回復のためのインフラを整えたことも重要な成果だ。そして何よりも、ルールベースのAIオーケストレーションのみを用いて、ビジネスレベルの信頼性を持つシステムを構築できたことは、開発チームにとって大きな達成感となった。

このプロジェクトを通じて、KiroのようなAIエージェントと効果的に協調開発を進めるための戦略も学ぶことができた。それはまるで、セルオートマトンに複雑なルールを定義していく作業に似ている。まず、「コンテキストが豊富なリクエスト」が重要であることがわかった。「支払いシステムを作成してほしい」のような漠然とした指示ではなく、「クリエイターが0〜50%のロイヤリティ率を設定し、ストアオーナーが商品を厳選し、ファンが商品を購入し、すべての関係者が自動的に支払いを受け取り、完全な監査証跡が残るStripe Connectシステムを構築してほしい」のように、具体的な役割、条件、要件を詳細に記述する方が、AIははるかに適切な結果を生成する。次に、「制約駆動開発」のアプローチも効果的だった。並行処理への対応、リアルタイムでの状態更新、多通貨対応、法規制への準拠、そしてAPI障害発生時の回復といった、システムの性能や信頼性に関する具体的な制約をあらかじめAIに伝えることで、より堅牢な設計を促すことができた。さらに、「統合ファースト思考」も成功の鍵となった。支払いシステムを単独で開発するのではなく、ライセンス管理、商品カタログ、Webhookインフラ、AWSのモニタリングといった、他のシステムとの連携を開発の初期段階から考慮することで、シームレスな統合を実現できた。最後に、「反復的な改善」も重要だった。まずは基本的なチェックアウト機能から稼働させ、その後、透かしの除去、メールでの確認、決済のリトライ機能、アクセス解析といった要素を段階的に追加していくことで、より洗練されたシステムへと進化させた。

これらの戦略が成功したのは、Kiroが単なるコードの断片ではなく、システム全体として思考する能力を持っていたからだ。Kiroは、エラーハンドリング、テスト、エッジケースといった「本番稼働」に必要な要素を考慮しながら開発を進め、スタック全体の連携部分を常に追跡していた。そして、セルオートマトンがその状態を進化させていくように、Kiroはコンテキストを保持しながら反復的にシステムを構築していった。スティーブン・ウルフラムの『新しい種類の科学』が示唆したように、ごくシンプルなルールセットだけでも、驚くほど複雑な世界を創造できるという教訓を、Merchmaticaはまさに体現している。Merchmaticaは、「計算としての商取引」という新しい可能性を示す世界なのだ。今後の展開としては、いよいよこのMerchmaticaを正式にローンチする予定である。