思考停止でコードを動かす「石器時代」のエンジニアたち
- ツール呼び出しの引数を検証せずに実行している
- 壊れたJSON一つでエージェントを自爆させている
- 外部入力をシェルに直結させる「自殺行為」の放置
GitHubの公開コード6,086本を実測した結果、最低限の安全装置を備えていたのはわずか0.9%だった。
君が書いたそのコード、モデルが「シェルで実行しろ」と悪意ある指示を返してきたらどうなるか考えたことはあるか? 多くのエンジニアは、SDKのサンプルコードを思考停止でコピペし、モデルの出力を「聖典」のように信じ込んでいる。だが、モデルは平気で嘘をつくし、JSONを破壊するし、時には君のサーバーを乗っ取るためのコマンドを送りつけてくる。エラーで落ちるならまだマシだ。最悪なのは、ここを見誤ると一生養分のまま、知らないうちにバックドアを開けていることにすら気づけないことだ。
実行の直前に「関門」を置くチート手順
1. 泥酔したAIを正気に戻す「ディスパッチ関門」
モデルの出力をそのまま関数に渡すな。実行の手前に `dispatch()` という名の関門を一枚挟むだけでいい。
未定義のツール名を即座に弾き、パース失敗は握り潰し、スキーマ検証で形を整える。エラーは例外として投げるのではなく、モデルに「引数が間違っているぞ」とフィードバックとして返せ。
2. Pydanticで「形」を強制する
モデルの出力は「お願い」に過ぎない。`BaseModel` で引数の型を定義し、`model_validate` を通せ。型が合わなければその場で遮断。これで `TypeError` や `KeyError` によるループの自爆を確実に防げる。
3. シェル実行を「汚染区域」として隔離する
`subprocess` や `eval` に引数が届くコードは、デフォルトで危険物だ。検証なしでシェルに渡している457件のコードは、実質的に誰でもコマンドを叩ける公開サーバーと同じ。検証ロジックを通さない限り、その関数を呼び出す権限をAIに与えてはならない。
正直な懸念・注意点
自動化のメリット
- エージェントの稼働率が劇的に安定する
- プロンプトインジェクションによる被害を遮断
- エラーの自己修復ループが回るようになる
注意すべきリスク
- バリデーションの作り込みが甘いと、結局モデルの出力で詰まる
- 「動けばいい」と考える怠惰な人間には向かない
注意点として、この対策を施すと「今まで適当に動いていたコード」が動かなくなる。
これは「バグが出た」のではなく「今まで見えていなかった不整合が可視化された」だけだ。泥臭い検証を嫌い、AIにすべてを丸投げしたい奴にはこの仕組み化は向いていない。楽をするために、まず最初に一番苦しい「構造の修正」を済ませろ。
こんな人におすすめ
- 手動作業やその場しのぎのパッチ当てで消耗するのがバカらしくなった人
- AIエージェントの挙動を完全に制御下に置きたい人
- 「動けばいい」から「壊れない仕組みを作る」へシフトしたい人







