Agentic DevOps で変わる開発ライフサイクル — 要件定義からデプロイまで

目的

ソフトウェア開発の各フェーズ — 要件定義、設計、実装、テスト、デプロイ、保守 — で、開発チームは多数のツールとデータソースを扱います。要件管理では Microsoft 365 Copilot と SharePoint、実装では GitHub Copilot と Azure、CI/CD では GitHub Actions、といったように、フェーズごとに異なるサービスの連携が求められます。従来はサービスごとにカスタム統合を実装する必要があり、効率化の妨げになっていました。

Agentic DevOps は、AI Agent が開発・運用チームの一員として SDLC の各段階を自動化・最適化するアプローチです。Model Context Protocol（MCP）を活用してツール間の情報連携を実現し、AI を中心に据えた SDLC を構築できます。このアプローチにより、開発チームはツール切り替えや手動データ同期から解放され、創造的な作業に集中できます。

本記事では、SDLC の各フェーズにおける Microsoft エコシステムの AI Agent 活用方法を解説します。

SDLC における AI 活用の全体像

以下のアーキテクチャ図は、要件定義から運用までの各フェーズで活用できる AI Agent の配置を示しています。

図1: MCP を活用した SDLC 統合の全体アーキテクチャ

各フェーズでは、Microsoft 365 Copilot、GitHub Copilot、Microsoft Foundry（旧 Azure AI Foundry / Azure AI Studio）の AI Agent がそれぞれの役割を担います。

補足: 本記事中の「〜 Agent」は製品名ではなく、役割名（ユースケース）です。実装には後述する公式の製品・機能を組み合わせます。

Requirement Phase（要件定義フェーズ）

要件定義フェーズでは、RFP（提案依頼書）や BRD（ビジネス要件定義書）の分析、機能要件と非機能要件の整理、アーキテクチャ設計までを AI が支援します。要件の抽出と設計はスクラムの Planning を挟みながら反復するプロセスであり、AI はそのループを加速します。

MCP は外部ツール連携のためのプロトコルです。SharePoint 上のドキュメントから GitHub Issue を作成するような自動化は、MCP 対応サーバーを用意することで実現できます。一方、Microsoft Copilot Studio では Power Platform の connector（カスタム connector を含む）を使った連携も可能です。これらは別の仕組みですが、組み合わせることで柔軟な自動化フローを構成できます。

活用できる AI Agent（役割名と実装例）

期待される効果:

• 文書分析から Issue 初稿作成までの時間短縮
• 要件の見落としリスクの低減（最終確認は人が行う）
• 要件とバックログのトレーサビリティ確保

実践ポイント

1. RFP/BRD 文書の分析 → GitHub Issue 作成フロー

• Microsoft 365 Copilot を使い、大量の RFP/BRD から要点や論点を抽出して要件候補を整理できます。
• SharePoint に格納されたドキュメントを起点に、Copilot Studio で Agent を構成し、GitHub MCP server 経由で Issue 作成を自動化できます。Copilot Studio 側の外部サービス連携には Power Platform connector を使い、MCP server は GitHub 操作用のツールとして構成します。

sequenceDiagram
    participant SP as SharePoint
    participant Agent as Copilot Agent
    participant MCP as MCP Server
    participant GH as GitHub
    
    SP->>Agent: ドキュメント変更通知
    Agent->>Agent: 要件抽出・分類
    Agent->>MCP: Issue 作成リクエスト
    MCP->>GH: Issue 作成
    GH-->>MCP: Issue URL
    MCP-->>Agent: 作成完了通知
    Agent-->>SP: リンク更新

2. スクラム / バックログセットアップ

抽出した要件を基に、AI が優先順位付けとストーリーポイント見積もりの根拠整理を支援します。Microsoft 365 Copilot は Microsoft Graph と Semantic Index for Copilot を利用して、ユーザーがアクセス権を持つメール、会議、ドキュメントに基づく要約・整理を行えます。

3. アーキテクチャ設計

Design and Architect Agent（役割名）は、Azure のサービス構成案作成や Microsoft Visio での図面化を支援します。セキュリティ要件や可用性要件に基づく設計パターンの候補提示も可能です。

自動化の流れ:

1. ドキュメント格納: RFP/BRD を SharePoint にアップロード・更新
2. 要件抽出: Copilot Agent がドキュメントを解析し、要件を構造化
3. MCP 連携: MCP server 経由で GitHub Issue 作成ツールを呼び出し
4. Issue 作成: タイトル、説明、ラベル、アサインを設定
5. バックログ追加: Project Board に追加

Build, Maintain and Test Phase（開発・保守・テストフェーズ）— GitHub

GitHub プラットフォームでは、GitHub Issues と Pull Request（PR）をハブに、GitHub Copilot が実装、レビュー、コンテキスト共有を支援します。

VS Code 上では GitHub Copilot Chat に加えて、複数ファイル編集のための Copilot Edits、タスク完了まで自律的に反復する Agent mode を活用できます。Agent mode は MCP server と組み合わせることで外部ツールへのアクセスを拡張できます。

活用できる製品・機能

補足: 添付図にある「Brainstorming agent」「Modernization agents」「Code review agent」は役割名です。実装としては、上表の Copilot Chat / Copilot Edits / Agent mode、Copilot cloud agent、Copilot code review を組み合わせて実現します。

Copilot cloud agent と Agent mode の違い: Copilot cloud agent は GitHub.com 上で GitHub Actions 環境を使い自律的にタスクを実行します。Agent mode は IDE（VS Code 等）のローカル環境で自律的に編集を行います。用途に応じて使い分けが必要です。

実践ポイント

1. GitHub Copilot による開発支援

GitHub Copilot は、コード補完に加えて、複数ファイルにまたがる編集（Copilot Edits）や Agent mode により、「実装 → 検証 → 修正」の反復を短縮します。Agent mode はタスクの意図に合わせて関連ファイルを選び、修正案やコマンドを提示しながら完了まで反復します。

期待される効果:

• 反復的なコーディングや修正作業の短縮
• 複数ファイルにまたがる変更の初動を高速化
• 既存コード理解を通じたオンボーディング支援

2. コードレビューと実装の自動化

Copilot code review は、PR の内容をレビューし、改善提案を行います。Agentic capabilities（GA）により、リポジトリ全体のコンテキストを分析した精度の高いレビューが可能です。提案を Copilot cloud agent に渡して修正 PR を自動作成する機能も利用できます（public preview）。

Copilot cloud agent は Issue や指示を基にリポジトリを調査し、計画を立て、コード変更をブランチに作成します。変更内容を確認・反復した上で PR を作成できます。GitHub Issues を起点にした「実装 → レビュー → 反復」のループを効率化します。

flowchart TD
    A[Issue / PR の起点] --> B{Copilot cloud agent / IDE Agent mode}
    B --> C[変更を作成し PR へ反映]
    C --> D{Copilot code review}
    D --> E[改善提案]
    E --> F[開発者が判断し修正]
    F --> D

3. ドキュメンテーションと知識管理

Copilot Spaces は、Copilot Chat が参照するコンテキスト（リポジトリ、PR、Issue、メモ、画像、ファイルなど）を整理・共有するための機能です。チーム内で「何を前提に会話するか」を揃え、質問応答やドキュメント整備の効率を上げます。IDE からは GitHub MCP server を通じて Spaces のコンテキストにアクセスすることも可能です。

Copilot Memory（public preview）は、リポジトリの有用な情報を推論・保存し、Copilot cloud agent や code review が参照できる機能です。チームのコーディング規約やプロジェクト固有の知識を蓄積し、出力品質の継続的な向上が期待できます。

参考（公式）:

• GitHub Copilot features
• About Copilot cloud agent（旧称 Copilot coding agent）
• About GitHub Copilot code review
• About GitHub Copilot Spaces
• Building and deploying AI-powered apps with GitHub Spark
• Enhance agent mode with MCP
• About Copilot Memory

Build, Maintain and Test Phase（開発・保守・テストフェーズ）— Azure / Microsoft Foundry

このフェーズでは、CI/CD をハブに各種テスト（負荷テスト、API テスト、UI/E2E テスト）を継続実行し、品質フィードバックループを短縮します。

Microsoft Foundry（旧 Azure AI Foundry / Azure AI Studio）は、AI アプリや AI Agent の開発・評価・運用（評価、トレーシング、監視）を支える Azure の PaaS です。Foundry Agent Service を使って、プロンプト Agent、ワークフロー Agent、ホスト型 Agent を構築・デプロイできます。

活用できる AI Agent（役割名と実装例）

実践ポイント

1. CI/CD パイプライン統合

GitHub Actions から負荷テストは Azure Load Testing、UI/E2E は Playwright を実行し、継続的に品質を検証します。テストケースの作成・更新は GitHub Copilot が支援できます（最終判断は開発者が行います）。

flowchart LR
    A[コード変更] --> B[CI/CD トリガー]
    B --> C[テスト作成 / 更新（Copilot が支援）]
    C --> D[テスト実行（Playwright / Azure Load Testing）]
    D --> E{テスト結果}
    E -->|成功| F[デプロイ]
    E -->|失敗| G[AI デバッグ支援]
    G --> A

GitHub Actions + Playwright の利点:

• クロスブラウザ対応（Chromium, Firefox, WebKit）
• 並列実行による高速フィードバック
• テスト作成・保守を AI が支援（レビュー前提）

GitHub Actions + Azure Load Testing の利点:

• CI/CD から負荷テストを自動実行し、しきい値で合否判定が可能
• 結果を成果物として保存し、回帰傾向を追跡可能

2. テスト自動化の目安

pie
    title テスト自動化
    "UI Test Agent" : 10
    "API Test Agent" : 30
    "Unit Tests (GitHub Copilot)" : 60

補足: 上記の自動化率はチームの目安例であり、公式推奨値ではありません。プロダクトの特性（リリース頻度、SLA、リスク許容度）に応じて調整してください。

参考（公式）:

• What is Microsoft Foundry?
• What is Foundry Agent Service?
• Azure Load Testing — CI/CD ワークフローの構成
• Playwright Workspaces — 継続的 E2E テストのクイックスタート

Operate Phase（運用フェーズ）

運用フェーズでは、Azure SRE Agent が監視・インシデント対応・運用自動化を担い、システムの安定稼働を支援します。

活用できる AI Agent

実践ポイント

1. 外部サービスとの統合

Azure SRE Agent は、Azure Monitor、Application Insights、Log Analytics などの Azure 監視基盤に加えて、以下の外部 ITSM／オンコール管理ツールとも統合できます。MCP server を介した連携により、SRE Agent が収集した情報をチケット・通知システムへ双方向に連携できます。

• ServiceNow: インシデント／変更管理の SoR（System of Record）として利用します。SRE Agent が検知した事象を自動起票し、CMDB 上の構成情報と紐付けることで、影響範囲や承認プロセスを ITSM プロセスに沿って運用できます。
• PagerDuty: オンコール通知とエスカレーションの基盤として利用します。SRE Agent 側のインシデントと PagerDuty の incident を同期し、担当者への通知、エスカレーション、復旧後のクローズまでを自動化できます。
• Grafana / Datadog / New Relic / Dynatrace: 可観測性プラットフォームとの統合により、メトリクス・ログ・トレースを横断した調査を SRE Agent から実行できます。

補足: Azure SRE Agent の incident platform（インシデント連携先）として選択できるのは、Azure Monitor、PagerDuty、ServiceNow のうち 1 つのエージェントにつき 1 つ です。複数の SoR を併用する場合は、エージェントを分ける、または外部ワークフロー（Logic Apps など）で補う構成を検討してください。

GitHub リポジトリや Azure DevOps との接続も可能で、CI/CD から収集したテスト結果を運用にフィードバックする構成を実現できます。

2. SRE Agent による運用自動化

Azure SRE Agent は、インシデント対応の自動化と監視・アラートの運用を担当します。カスタム Runbook やサブエージェントを使い、Azure CLI や REST API を通じてあらゆる Azure サービスを管理できます。

特徴的なのは、調査のたびに根本原因や解決手順、チームのパターンを学習する「Memory」機能です。チームの知識が蓄積されるため、新メンバーのオンコール品質も一定に保たれます。

flowchart TD
    A[監視アラート] --> B{Azure SRE Agent}
    B --> C[原因分析]
    B --> D[影響範囲特定]
    C --> E[対応策提案]
    D --> E
    E --> F{自動対応可能?}
    F -->|Yes| G[自動復旧]
    F -->|No| H[PagerDuty でオンコール通知]
    B --> J[ServiceNow へチケット起票]
    G --> I[事後レポート生成]
    H --> I
    J --> I

期待される効果:

• MTTR（平均復旧時間）の短縮
• オンコール負担の軽減
• インシデント対応の標準化と知識の蓄積

参考（公式）:

• What is Microsoft Foundry?
• What is Foundry Agent Service?
• Azure SRE Agent overview
• Tutorial: Connect to ServiceNow in Azure SRE Agent
• Tutorial: Connect to PagerDuty in Azure SRE Agent

• Incident Platforms in Azure SRE Agent

MVP 実装ハイライト

前章までの構成を「まず動くところまで」最短で到達するための MVP 実装手順を紹介します。

前提（最小構成）

• SharePoint（RFP/BRD の格納先）にアクセスできる
• GitHub リポジトリと Issues を利用できる
• GitHub Copilot を利用できる
• Microsoft Copilot Studio（または同等の実行環境）で Agent を構成できる
• MCP server を用意できる

完了条件（MVP）

• RFP/BRD の更新を起点に、要件候補が GitHub Issues として作成される
• プロトタイプアプリが作成され、最小限の動作確認ができる
• 実装変更が PR として提出され、レビューできる
• CI で最低限の自動テストが実行され、結果を確認できる

1. RFP 分析 → GitHub Issues への自動連携

ゴール

• RFP/BRD の変更をトリガーに、要件のたたき台を GitHub Issues に自動起票する

手順（例）

• RFP/BRD を基に Researcher Agent（役割名）で要件候補を抽出・分類（機能要件 / 非機能要件 など）
• GitHub MCP server を経由して Issue を作成（タイトル、本文、ラベル、担当、関連リンク）

成果物

• GitHub Issue（要件候補）— 機能要件、非機能要件、アーキテクチャ

2. プロトタイプアプリの開発（GitHub Spark）

ゴール

• 要件の一部を満たすプロトタイプを短時間で作成し、関係者と認識を合わせる

手順（例）

• GitHub Spark でアプリの目的と最小スコープを自然言語で指示する
• 入出力（画面、API、データ）を最小構成で確定する
• 期待する動作を簡単なシナリオとして記述し、動作確認する

成果物

• プロトタイプアプリ（URL またはリポジトリ）
• 動作確認シナリオ（期待値と実測結果）

3. Copilot cloud agent による実装

ゴール

• Issue を起点に実装を進め、PR として提出する（レビューと反復のループを回す）

手順（例）

• Issue に MVP の受け入れ条件（Acceptance Criteria）を追記する
• Copilot cloud agent に実装を依頼し、リポジトリの調査・計画・コード変更を経て PR を作成する
• Copilot code review（または人のレビュー）で改善点を洗い出し、修正を反復する

成果物

• PR（実装変更、説明、関連 Issue リンク）
• レビュー観点メモ（セキュリティ、品質、可観測性など）

4. テストの自動化（GitHub Actions + Azure）

ゴール

• PR 作成時に自動テストが実行され、合否を継続的に判断できる

手順（例）

• GitHub Actions で CI を構成し、最低限のテスト（Lint / Unit / API など）を実行する
• 必要に応じて Azure Load Testing や Playwright Workspaces（UI/E2E）を CI から呼び出す
• しきい値（失敗条件）を定義し、品質ゲートとして運用する

成果物

• CI ワークフロー（GitHub Actions）
• テスト結果の成果物（ログ、レポートなど）

補足: 小さく始めるための運用のコツ

• 自動起票する Issue は「提案（候補）」として扱い、最終判断は人が行う
• MVP はスコープを絞り、手動運用も許容して学習サイクルを優先する
• 失敗時の切り分け（ログ、通知先、責任分界）は最初に決めておく

まとめ

期待される効果

補足: 改善効果はプロジェクトの規模・特性・導入範囲によって異なります。定量的な効果は導入後に測定・検証してください。

導入時の注意点

1. 人間によるレビュー: AI の出力は必ず人間がレビューし、最終判断は開発者が行う
2. セキュリティ: 機密情報の取り扱いに注意し、アクセス権限を適切に設定する
3. 段階的導入: 小規模なパイロットから開始し、効果を確認しながら拡大する
4. 効果測定: 導入前後の指標（MTTR、リードタイム、カバレッジ等）を定義し、定期的に検証する

今後の展望

AI Agent は進化を続けており、より自律的な開発支援が期待されます。

• マルチエージェント連携: 複数の Agent が協調して複雑なタスクを遂行（Microsoft Foundry のワークフロー Agent など）
• コンテキスト理解の深化: Copilot Memory やリポジトリ学習によるプロジェクト固有知識の蓄積
• 予測的な支援: Azure SRE Agent の Memory 機能のように、問題発生前の予兆検知と予防的対応

参考文献

• GitHub Copilot features
• About Copilot cloud agent（旧称 Copilot coding agent）
• About GitHub Copilot code review
• About GitHub Copilot Spaces
• Enhance agent mode with MCP
• What is Microsoft Foundry?
• What is Foundry Agent Service?
• Agents for Microsoft 365 Copilot
• Azure SRE Agent overview
• Tutorial: Connect to ServiceNow in Azure SRE Agent
• Tutorial: Connect to PagerDuty in Azure SRE Agent
• Azure Load Testing — CI/CD ワークフローの構成
• Playwright Workspaces — 継続的 E2E テストのクイックスタート