Case Studies and Reflections on Agentic Software Engineering for Rapid Development of Digital Music Instruments

技術的概要：デジタル音楽楽器の迅速な開発におけるアジェンティック・ソフトウェア・エンジニアリングの事例研究と考察

問題定義
本論文は、ソフトウェア・デジタル音楽楽器（SDMI）および音楽表現のための新しいインターフェース（NIME）の開発において持続する 3 つの課題に取り組む：

1. 寿命：多くの SDMI は、ソフトウェアの劣化、メンテナンス不足、またはプラットフォーム非互換性により陳腐化する。
2. 相互運用性：レガシーまたは研究固有のソフトウェアを、現代のデジタル・オーディオ・ワークステーション（DAW）と統合する標準化された相互運用可能な形式（VST や AudioUnit プラグインなど）に変換する必要性がある。
3. 参入障壁：高性能で相互運用可能なオーディオ・プラグインの作成には、通常、C++ および JUCE のようなフレームワークの習熟が必要であり、これらは非プログラマーの音楽家にとって習得が極めて困難である。既存のアクセスしやすいツール（Max/MSP、SuperCollider など）は、プラグインの相互運用性に必要な安定性や標準化が欠けていることが多い。

著者は、ツール使用能力を備えた大規模言語モデル（LLM）が自律的に計画を立て、コードを読み、ファイルを編集し、ビルドコマンドを実行する「アジェンティック・ソフトウェア・エンジニアリング（ASE）」が、自然言語プロンプトを通じて複雑な C++ オーディオ・ソフトウェアを生成することを可能にすることで、これらの課題に対する解決策を提供し得ると提唱する。

方法論
本研究は、C++ および JUCE フレームワークを使用してオーディオ・ソフトウェアを開発する際に、Codex ASE システム（VSCode 拡張機能内で実行）を用いた自己民族誌的アプローチを採用している。研究は、それぞれ特定のプロジェクト・テンプレートと入力データを利用する 3 つの独立した事例研究から構成される：

• 環境：著者は 2 つのスターター・テンプレートを使用した。ネイティブの JUCE CMake プロジェクトと、WebView コンポーネントを介して HTML/CSS インターフェースを埋め込む WebView ベースのプロジェクトである。両方とも、エージェントが参照するための JUCE リポジトリのローカルコピーを含んでいた。
• 事例研究 1：ドキュメントからの再実装：目標は、1980 年代〜1990 年代の SDMI である Laurie Spiegel の『Music Mouse』を、ゼロから完全に再構築することだった。入力には、オリジナルのユーザーマニュアル（HTML）とオリジナル・インターフェースのスクリーンショットが含まれた。エージェントには、マニュアルとスクリーンショットからインタラクションモデル（マウス・グリッドによるナビゲーション、コード生成）を推論し、ネイティブ・プラグインとして実装するよう指示された。
• 事例研究 2：言語変換：目標は、マルコフ連鎖に基づくインタラクティブ・ミュージック・システムである François Pachet の『Continuator』を、Python/Gradio による Web 実装から、ネイティブ C++ VST/AudioUnit プラグインへ変換することだった。エージェントには Python ソースコードが提供され、Web ベースのインタラクション論理をネイティブ・プラグイン・ラッパー内で保持しつつ、アルゴリズムを移植するよう指示された。
• 事例研究 3：インターフェース変換：目標は、既存のやや複雑な「トラッカー」シーケンサーのユーザー・インターフェースを、標準的な JUCE UI コンポーネントからカスタムの OpenGL 3D インターフェースへ変換することだった。エージェントには既存の C++ コードベースが与えられ、カメラ制御や 3D ブロック上のテキスト・オーバーレイを含む、新しい 3D レンダリング層の実装が指示された。

データ収集と分析
著者は、すべてのエージェントのアクション（プロンプト、ツール呼び出し、ファイル編集）とトークン使用量の詳細な JSON ログ、スクリーンキャスト、音声解説を記録した。分析は、ワークフローのパターン、ビルドエラーへのエージェントの処理効率、および生成されたコードの品質に焦点を当てた。

主要な結果

1. Music Mouse（再構築）：約 50 分以内に、エージェントは機能的なプラグインを正常に生成した。ワークフローには、主要な初期プロンプトに続き、反復的なテストと洗練が含まれた。エージェントはマニュアルとスクリーンショットから、マウス・グリッドによるインタラクションと MIDI イベント生成の論理を正しく推論した。
2. Continuator（変換）：エージェントは Python アルゴリズムを C++ に正常に変換し、ネイティブ・プラグインにラップした。生成されたプラグインは、オリジナルの作成者（Pachet）によって検証され、単なる Python フロントエンドではなく、完全なネイティブ変換であることが確認された。エージェントは、正確にタイミングの取れた MIDI メッセージの生成と、アルゴリズムのユニットテストという複雑さを処理した。
3. トラッカー（OpenGL 変換）：85 分のセッションにおいて、エージェントは 2D JUCE インターフェースを 3D OpenGL インターフェースに変換した。エージェントは、カメラ制御、3D 表面へのテキスト・オーバーレイ（キャッシュされたテクスチャ・マップを使用）、およびビルドエラーの処理を正常に実装した。著者は、エージェントが作業の大部分を処理したが、特定のパラメータの調整やモジュール性を向上させるためのコードの再構成には、時として手動の介入が必要であったと指摘した。

意義と主張
本論文は、ASE 技術が以下の点で大きな可能性を示すと主張する：

• 参入障壁の低下：限られた C++ 知識を持つ音楽家は、適切に設計されたスターター・テンプレートとドメイン知識（MIDI やプラグイン・アーキテクチャの理解など）があれば、自然言語を用いて相互運用可能なプラグインを開発できる。
• 寿命と相互運用性の向上：ASE は、ドキュメントから歴史的 SDMI を迅速に再実装するか、Python や Java のような陳腐化された言語から現代的な標準化された C++ プラグインへ変換することで、将来の使用のためにそれらを保存できる。
• 開発サイクルの加速：エージェントは、ビルド構成、依存関係管理、エラー修正を自律的に処理でき、プロトタイピング段階を大幅に短縮する。

著者は、初期生成に深い C++ 専門知識が厳密に必要ではないものの、ドメイン（オーディオ概念、プラグイン構造）の基礎的理解とプロンプトの反復能力が不可欠であると強調している。論文は、ASE が複雑なオーディオ・ソフトウェアの「バイブ・コーディング」の実用的な方法であることを結論付けているが、そのアクセシビリティを完全に検証するためには、非プログラマーの音楽家によるさらなる評価が必要であると述べている。