2026.05.22 2026.05.22

Jules 非同期コーディングエージェント — VM で動く「待たないAI」

ゲンキ

Jules 非同期コーディングエージェント — VM で動く「待たないAI」

「Gemini CLI で『リポジトリ全体を refactor して』と頼んだら、ターミナルが 30 分も握られた」「Claude Code でテストを修正させている間、コーヒーを淹れに行ってもまだ動いている」。は、この「AI を待つ時間」を構造的に消す Google の非同期エージェント Jules AI エージェント を実装レベルで解体する。

Gemini CLI 入門で扱った Gemini CLI は同期的なターミナルエージェントで、ユーザーは「AI と一緒に座って待つ」スタイルだった。Jules はその設計思想を逆転させる。Google Cloud の VM 上でタスクを実行し、ユーザーは別の作業を続け、完了通知を受けてからレビューする。並列で複数タスクを走らせ、待ち時間をゼロに圧縮するのがコア価値だ。

同期型 vs 非同期型 — AI コーディングの 2 つの世界観
Jules の動作モデル — 安全な VM × GitHub 直結
料金体系 — 無料で始めて Pro / Ultra で伸ばす
Gemini CLI Extension での起動方法
2026 年の新機能 — CI 自動修復ループ
Audio Changelog — コミット履歴を「聴く」
3D プリント業務での非同期エージェント活用
Jules の制約と注意点
まとめ — Jules を今夜から試す 3 ステップ
参照

忍者AdMax

同期型 vs 非同期型 — AI コーディングの 2 つの世界観

AI コーディングエージェントは大きく 2 種類に分かれる。

同期型（Cursor / Claude Code / Gemini CLI / Codex CLI）は、ユーザーがエディタやターミナルに座り、AI と対話しながら作業を進める。応答が来るたびに承認や指示を返す。集中力を要求する代わりに、即時性とコントロール感が高い。

非同期型（Jules AI エージェント / Cognition Devin / GitHub Copilot Workspace）は、ユーザーがタスクを投げて「いってらっしゃい」と送り出し、完了後にレビューする。一度に複数タスクを並列で回せる代わりに、即時性は犠牲になる。

2 つの世界観は競合するのではなく補完する。短時間で完結する小さなバグ修正は同期型、リポジトリ全体に影響する大きなリファクタリングは非同期型、と使い分けるのが現代の標準スタイルだ。Jules はこの非同期側を担う Google 公式の選択肢で、Gemini エコシステムの中で Gemini CLI と対をなす。

開発者の時間配分という観点で見ると、非同期型の価値は明確だ。1 日 8 時間の開発時間のうち、AI を「待っている」時間は意外に大きい。テスト実行 5 分、ビルド 3 分、依存関係更新 10 分、リファクタリング待ち 15 分、を 1 日に何度も繰り返すと、累計で 1〜2 時間は失われる。これらを Jules に非同期で投げて、自分は別の創造的作業を進めれば、実効的な開発時間が 25% 増える計算になる。「AI を待つ時間がゼロ」という設計思想は、エンジニアの生産性を測る最後の指標を底上げすることに直結する。

GitHub Copilot Workspace や Cognition Devin も非同期型エージェントの代表例だが、それぞれエコシステムが異なる。Copilot Workspace は GitHub 内蔵で MS / GitHub 系の統合が強い。Devin は Cognition Labs の独立サービスで、専用 UI を中心に据える。Jules は Google AI Pro サブスクリプションに含まれることで、料金面の参入障壁が圧倒的に低い。月 $19.99 の AI Pro 契約者は、追加コストなしで Jules が手に入る。

Jules の動作モデル — 安全な VM × GitHub 直結

Jules AI エージェントの動作は、4 段階で説明できる。

タスク投入: ユーザーが jules.google の Web UI、Jules Tools CLI、Jules API、または Gemini CLI Extension 経由でタスクを依頼する
VM 起動: Google Cloud 上のセキュアな仮想マシン（VM）が起動し、GitHub リポジトリをクローン、依存関係をインストールする
計画と実行: Jules はタスクの計画を提示し、ユーザー承認後にコード変更を実行。テスト実行、リファクタリング、ドキュメント更新まで自律的に進める
PR 作成: 完了後、新しいブランチに変更を push し、GitHub Pull Request を自動作成。ユーザーは GitHub 上でレビューする

ここで重要なのは、Jules がローカル環境を触らないという設計だ。Claude Code や Gemini CLI はユーザーのマシン上で動くため、依存関係の汚染や予期しないファイル削除のリスクがある。Jules はあくまで Google Cloud の隔離 VM 内で完結するので、ローカルが侵されない。これは特に、複数案件を並行する個人事業者や、フリーランス開発者にとって安心感が違う。

セキュリティの観点でも、VM は使い捨てで、タスクが終われば破棄される。長時間放置された state が次のタスクに影響する事故が起きない。ただし、リポジトリのアクセス権を GitHub OAuth で Jules に渡す形になるため、機密リポジトリへの権限付与は慎重に行う必要がある。組織で導入するなら、最初はサンドボックスリポジトリで挙動を確認し、本番リポジトリへの権限付与は段階的に進めるのが推奨される。

ベースモデルとしては Gemini モデル系を採用しており、公開時点では Gemini 2.5 Pro と紹介されている。今後 Gemini 3.x 系列への移行や、特定タスクに最適化されたバリアントの導入が想定されるため、最新の公式情報を確認する習慣を持つ方がよい。モデルバージョンの記述に依存したコードや設定は避け、Jules 側の自動アップデートに任せる運用が現実的だ。

GitHub PR 作成のスタイルも特徴的で、変更の意図、コード差分、テスト結果、再現手順を 1 つの PR description にまとめてくる。レビュアーが PR を開いた瞬間に「何が変わって、なぜ変わったか」が把握できる構造で、これだけでもレビュー時間が短縮される。コミットメッセージは Conventional Commits 形式（feat: / fix: / refactor: 等）に従い、変更履歴の自動生成と相性が良い。

料金体系 — 無料で始めて Pro / Ultra で伸ばす

Jules AI エージェントの料金は、Google AI プランに連動している。

プラン	月額（USD）	月額（円換算 ¥157.5/USD）	1 日タスク上限	並列実行上限
Free	$0	¥0	15 タスク	3
Google AI Pro（Jules Pro 含む）	$19.99	約 ¥3,148	100 タスク（5x）	15
Google AI Ultra（Jules Ultra 含む）	$249.99	約 ¥39,373	300 タスク（20x）	60

Free の「15 タスク/日」は試用には十分だが、業務での日常利用には足りない。実務的には AI Pro の「100 タスク/日、15 並列」が現実的なライン。1 日 100 タスクは、メイカー個人事業者なら使い切れない上限で、Jules 単体のために契約する価値が出る。

Ultra の 300 タスク・60 並列は、もはや「個人で 1 人の DevOps チーム」のスケールだ。CI/CD パイプラインの自動修正、依存関係の継続的更新、技術負債の段階的解消、これらを並列で回せる規模で、組織や Tech Lead 向けの設計になっている。

Gemini CLI Extension での起動方法

Gemini CLI 入門で扱った Gemini CLI から Jules AI エージェントを呼ぶには、Jules Extension を導入する。前提として Gemini CLI v0.4.0 以上が必要。

インストールは 1 行: gemini extensions install https://github.com/gemini-cli-extensions/jules --auto-update

--auto-update は任意で、付けると新バージョンが出るたびに自動更新される。前提として jules.google でアカウントを作成し、GitHub リポジトリを Jules 側に接続しておく必要がある。

導入後、Gemini CLI 内で /jules コマンドを使う。たとえば次のように呼び出す。

/jules このリポジトリの全 console.log を logger.info に置換し、テストが通ることを確認してから PR を出して

このコマンドは即時実行されず、Jules の Google Cloud VM 上で非同期に走り始める。Gemini CLI は「タスクを Jules に投げました」と応答し、ユーザーは別の作業に戻れる。数分から数十分後、Jules から完了通知と GitHub PR の URL が届く。

Gemini CLI と Jules の組み合わせは、「同期的な対話 × 非同期的な実行」を 1 つのターミナルから扱える、という意味で強力だ。短い質問やコード修正は Gemini CLI で即座に回し、長時間タスクは /jules で Jules に送り出し、結果を待つ間に次の作業に進む。これは Claude Code 単独や Cursor 単独では実現しにくいワークフローだ。

Jules Tools CLI（jules.google が 2025-10-02 に独立公開した CLI）を使えば、Gemini CLI を介さず直接 Jules を呼ぶこともできる。シェルスクリプトに組み込みやすく、cron や GitHub Actions から自動起動するワークフローを組める。Jules API も同日公開され、自社プロダクトに Jules を埋め込む統合パターンが現実的になった。たとえば、社内 Slack の特定チャンネルにバグ報告が来たら、自動で Jules タスクを起動する、というオーケストレーションも作れる。

並列実行の使いどころは、Pro の 15 並列、Ultra の 60 並列を最大限活かす設計だ。15 並列とは、依存関係更新、リンタ修正、ドキュメント更新、テスト追加、リファクタリングを同時に走らせるということ。1 人の開発者が「同時に 15 個の作業を進める」感覚は、これまでの開発スタイルでは想像できなかった。実際には、並列タスクが互いに依存しないよう、論点を分離する設計力が問われる。タスクの粒度設計が、Jules を使いこなす最大のスキルになる。

2026 年の新機能 — CI 自動修復ループ

2026 年に追加された機能で特筆すべきが「CI 失敗時の自動修復ループ」だ。Jules が PR を作成した後、GitHub Actions などの CI パイプラインが失敗した場合、Jules は失敗ログを自動で取得し、修正案を生成して再 push する。これは開発者の介入なしで完結する。

実用シナリオを 1 つ示そう。深夜、依存関係の脆弱性アラートが来て、npm audit fix を Jules に依頼する。Jules は VM 上で依存関係を更新し、テストを実行、CI を回す。テストの一部が新バージョンと互換性がなく失敗した場合、従来なら翌朝開発者が修正する必要があった。2026 年版の Jules は、その失敗を読み、互換性のあるコードに修正し、再度 PR を更新する。開発者が朝起きたとき、PR は既にグリーンになっている。

この自動修復ループは、まだ完璧ではない。複雑なテスト失敗や、設計レベルの問題には対応できない。しかし、依存関係更新、リンタ警告の解消、型定義の修正など、ある程度パターン化されたタスクでは劇的に効率が上がる。「人間が朝に取りかかるタスクの 7 割を、AI が夜中に終わらせている」というイメージで運用できる。

Audio Changelog — コミット履歴を「聴く」

Jules のもう 1 つの特徴的な機能が Audio Changelog だ。最近のコミット履歴を、ホスト 2 人によるポッドキャスト風の音声で生成する。Notebooks in Gemini × NotebookLMで扱った NotebookLM の Audio Overview と同じ思想の機能で、リポジトリの変更履歴を「読まなくても聴ける」形にする。

実用面では、長期休暇明けにリポジトリの動向を 15 分の音声で把握する、チームメンバーが多忙な期間の変更を通勤中に追いつく、といった用途に向く。テキストの diff を眺めるより、対話形式で「なぜこの変更が入ったか」「何が議論されたか」を聴く方が、文脈把握が早い場合がある。

技術的には、Jules が GitHub のコミットメッセージ、PR description、レビューコメントを統合し、音声合成にかける構造。日本語と英語の混在リポジトリでも、おおむね自然な発話で再生される。日本語のみのリポジトリでも問題なく機能する。

副次的な使い方として、過去 1 年のコミット履歴を素材に Audio Changelog を生成し、年次レビューの素材にする手法もある。自分自身の開発活動を「外から聴く」と、見過ごしていた成果や、繰り返している失敗パターンに気付ける。記録は文字で残すよりも、対話形式の音声に変換した方が、内省を促す力が強い場面がある。

3D プリント業務での非同期エージェント活用

メイカー視点で Jules AI エージェントを使う具体的シーンを 4 つ挙げる。

シナリオ A — OctoPrint プラグインの自動更新: 自作 OctoPrint プラグインの依存関係を月次で Jules に更新依頼。依存関係更新 → テスト → PR 作成 → CI 通過確認まで自動。開発者は PR をレビューしてマージするだけ

シナリオ B — Klipper config の大規模リファクタリング: 数百行に膨らんだ printer.cfg を、include で分割整理する作業を Jules に依頼。VM 上で変更 → simulator で構文チェック → PR 作成。リスクが高い作業を、ローカル環境を汚さずに試せる

シナリオ C — 3D モデル管理スクリプトの保守: STL ファイルを整理する Python スクリプトを Jules に管理させる。新しいフォルダ構成、メタデータ拡張、エラーハンドリング追加など、隙間時間に依頼して翌日 PR を受け取る

シナリオ D — Etsy / Booth 自動投稿パイプラインの拡張: 既存の販売自動化スクリプトに、新しいプラットフォーム対応や、画像加工のステップを追加する作業を Jules に投げる。並列で複数機能を同時に開発できる点が、個人事業者の量産体制を支える

これら全てで共通するのは、「自分のローカル環境を汚さず、待ち時間ゼロでタスクを進める」という効果だ。1 日 100 タスクの上限がある AI Pro 契約者なら、メイカー個人事業者の業務はほぼ全て Jules に流せる規模になる。

実務上のもう 1 つの効用が、「自分が休んでいる間も AI が働く」という構造だ。深夜に依頼を出して、朝起きたら 5 つの PR が完成している、というワークフローは、これまで企業の DevOps チームでしか実現できなかった。Jules はそれを個人開発者の手元にもたらす。夕食時に「次の 5 つのタスクを Jules に流して、明日確認しよう」と決めて、寝る前に投入し、翌朝 PR レビューから 1 日を始める。睡眠中に AI が働く時間を、自分の人生の生産時間に変換できる。

タスクの粒度設計について追記すると、1 タスクは「明確に定義された 1 つの変更」に絞るのが鉄則だ。「全体的にコードをきれいにして」のような曖昧なタスクは、Jules でも品質が低下する。「console.log を全て logger.info に置換」「依存関係を最新マイナーバージョンに更新」「README のリンク切れを修正」のように、検証可能で、変更範囲が限定された単位に分割する。これは人間に作業を委託するときの原則と同じで、AI に対しても同じ規律を適用する。

Jules の制約と注意点

Jules AI エージェントは強力だが、いくつかの制約と注意点がある。

GitHub 専用: GitLab、Bitbucket、自社内 Git サーバには非対応（2026-05 時点）。GitHub アカウントがない開発スタイルには合わない
VM 上での実行コスト: 無料枠を超えると AI Pro / Ultra 契約が必須。「タスク数」で課金される設計なので、小さなタスクを大量に流すより、まとまった単位で依頼する方が効率的
複雑な設計判断は不向き: パターン化されたタスク（依存関係更新、ボイラープレート生成、リンタ修正）には強いが、アーキテクチャ判断や新規機能設計には人間レビューが必須
VM 起動時間: タスク開始から VM 準備完了まで数十秒〜数分かかる。即時性が必要な作業には不向きで、Gemini CLI 同期型の方が適している
オフライン非対応: クラウドサービスなので、社内ネットワーク内のオフライン環境では使えない。機密性が極端に高いプロジェクトには別の選択肢が必要

これらは「使えない」理由ではなく、「適切な使い分け」のための前提条件だ。Jules は「全タスクを置き換える AI」ではなく、「特定の種類のタスクに最適化された AI」と理解すべきだ。

導入初期の失敗パターンとして、「最初の数日は何でも Jules に投げて、Free 枠を瞬殺する」というのがある。これは無駄な学習コストで、最初の 1 週間は意図的にタスクを絞った方が、Jules の挙動と相性の良い作業範囲を見極めやすい。たとえば「typo 修正」「依存関係更新」「コメント追加」のような明らかにパターン化された 3 種類だけを 1 週間 Jules に流す。応答時間、PR の質、CI 連携の挙動が把握できたら、次の週から複雑なリファクタリングに広げる。段階的拡大が、無料枠を効率的に使う鍵だ。

タスク投入時のプロンプトも、Gemini プロンプト設計術で扱った Gemini プロンプト設計の原則をそのまま適用できる。Role + Goal + Constraints + Examples + Output format の 5 要素を、Jules のタスク説明にも当てはめる。「あなたは TypeScript の専門家だ」「console.log を logger.info に置換せよ」「テストが通ること、既存の型定義を変更しないこと」「例: console.log(‘hi’) → logger.info(‘hi’)」「PR description は変更箇所のリストと検証手順を含める」のように構造化すれば、Jules の出力品質が安定する。

まとめ — Jules を今夜から試す 3 ステップ

本記事の要点を 3 行に圧縮する。

jules.google でアカウント作成、GitHub リポジトリを 1 つ接続
gemini extensions install https://github.com/gemini-cli-extensions/jules --auto-update で Gemini CLI Extension 導入
小さなリポジトリで /jules を試す（例: README の typo 修正、依存関係更新、リンタ警告解消）。最初は単純なタスクから入り、慣れてからリファクタリングへ広げる

Free の 15 タスク/日で十分試せる範囲だ。1 週間試して「これは業務で使える」と感じたら AI Pro $19.99 契約、組織で展開するなら AI Ultra $249.99 契約、という順路で広げる。

最初の数タスクで、Jules の「待たない」感覚を体感したい。Web UI の Jules タスク一覧画面で、複数タスクが同時に進行している様子を見ると、開発スタイルの転換が直観的に理解できる。タスクのほとんどは数分から数十分で完了し、長い作業でも 1 時間以内に PR が届く。コーヒーを淹れに行く間に、3 つのタスクが完了している、というスケール感だ。

翌日公開のGemini APIは、これら全ての Gemini エコシステムを支える Gemini API と Gemini Enterprise Agent Platform（旧 Vertex AI）に進む。Jules や Gemini CLI の裏側で動く API インフラ、料金体系、開発統合パターンを実装レベルで掘る。

Jules AI エージェントは、AI コーディングの未来像を一足先に見せてくれるツールだ。「人間が指示し、AI が考え、人間が承認する」同期型の世界から、「人間が依頼を投げ、AI が並列で実行し、人間がレビューする」非同期型の世界へ。この移行は、開発という営みそのものの定義を書き換えつつある。今夜、最初の 1 タスクを Jules に投げて、その世界を体感してほしい。typo 修正でも、依存関係更新でも、何でもいい。「自分が他のことをしている間に、AI が PR を作って待っている」体験は、文字通り見方を変える。