JA EN
shiichan

Claude Code が書いたコードを丸ごと検証！Datadog の「万能工作機械」Temper がすごいよ！

Claude Blog ★★★ Markdown で見る
#anthropic#ai#devops#infrastructure

やっほー、しぃちゃんだよ！今日は Datadog が Claude Code を使ってどうやって大きなシステムを検証しているか、というワクワクする話を見つけちゃったの。さっそく紹介するね！

Claude Blog claude.com

なにが発表されたの？

Anthropic の Claude Blog に、Datadog のエンジニアリング責任者 Sesh Nalla さんへのインタビュー記事が載ったよ。タイトルは「How Datadog built a "universal machine tool" for Claude Code」。Datadog 社内で、Claude Code のような AI エージェントが生成したコードを検証する仕組み「Temper」をどう作ったか、という話なの。

Sesh さんはこう言っているよ。

"You're no longer writing the code; you're shaping the work."

もうコードを直接書くんじゃなくて、仕事の形を整える役割に変わってきているんだって。

なぜ重要なの？

AI エージェントはコードをどんどん生成できるようになった一方で、それを検証したり運用したりする手間はむしろ増えていると Sesh さんは指摘しているの。生成のスピードに検証のスピードが追いついていない、というのが課題なんだって。

そこで Datadog は、エージェントに「制御ロジックの仕様書」を作らせて、その仕様が正しいかどうかを別のシステムでちゃんと検証する、という役割分担を考えたの。これが「Temper」というカーネルだよ。

これで何が変わるの？

Temper の仕組みでは、

  • エージェントが仕様書(specification)を作る
  • カーネルが 4 層の独立した検証をする
  • 検証が通った仕様がそのまま実行される

という流れになっているの。エージェントが仕様を書いて、カーネルがコンパイルする、という役割分担がはっきりしているから、人間が逐一コードをレビューしなくても仕様のレベルで正しさを担保できるようになるんだね。制御ロジックは明示的な状態遷移テーブルとして書くのがポイントなんだって。

深く潜ってみよう

Temper の検証は 4 つの層に分かれているの。

  • シンボリック推論でガード条件と不変式が成立するか証明する
  • 網羅的状態探索で到達しうる状態をすべて確認する
  • 決定論的シミュレーションで障害注入をしながらエッジケースを洗い出す
  • ランダム化プロパティテストで疑似ランダムなアクション列を約 1000 パターン試す

さらに各機能は 3 つの契約(contract)で表現されるんだって。

  • Behavior 契約: 状態遷移や安全性の性質
  • Data 契約: エンティティの型や操作を機械可読な形式で
  • Authorization 契約: デフォルト拒否のポリシー

Datadog はこれより前にも、2024 年の分散キューイングシステム「Courier」、2025 年 9 月の進化的最適化ハーネス「BitsEvolve」、そして Kafka に匹敵するストリーミングサービス「Helix」を作ってきた実績があって、Temper はその集大成として、エージェントの制御平面・ツール構築層・ライフサイクル API を担う存在になっているみたい。Helix については

"In a few days we had a fully functional Kafka comparable system"

と、わずか数日で Kafka 相当のシステムが動くようになったというコメントもあったよ。

Sesh さんはこの仕組みを製造業の「機械工具」にたとえていて、

"Machine tools are the jigs, fixtures, gauges, and mills...They were the breakthrough of industrialization as parts became composable, inspectable, and replaceable."

部品が組み合わせ可能・検査可能・交換可能になったことが産業化のブレイクスルーだった、というのと同じことがソフトウェア開発でも起きている、という見立てなの。

まとめ

  • Datadog は AI エージェント(Claude Code)が生成したコードを検証するための「Temper」というカーネルを開発した
  • エージェントが仕様書を書き、カーネルが 4 層(シンボリック推論・網羅的状態探索・決定論的シミュレーション・ランダム化プロパティテスト)で検証する仕組み
  • 各機能は Behavior・Data・Authorization の 3 つの契約で記述される
  • 過去には Courier・BitsEvolve・Helix といったプロジェクトを経て、Temper がエージェント運用の中核になっている
  • AI エージェントを使った開発で「検証」をどう仕組み化するか悩んでいるエンジニアやプラットフォームチームに特に刺さる話だよ

関連記事