Metaがコーディングエージェント「Muse Code」のベータ版を公開

画像の出典：Meta AI Research

ソフトウェア開発の現場において、AIによるコード生成はもはや日常的な光景となりましたが、複雑なリポジトリ全体を管理し、自律的にタスクを完遂させるレベルへの進化が求められています。Metaが現地時間2026年8月5日（日本時間8月6日）に公開した「Muse Code」は、開発者の介入を最小限に抑えつつ、計画立案から実装、検証までを自動化するターミナル型のコーディングエージェントです。現時点ではベータ版として提供されています。

本記事では、Muse Codeの技術的特徴と、それが企業の開発生産性に与える影響について詳しく解説します。

Metaが提供する新たな開発体験

最新モデルMuse Spark 1.2の搭載

Metaが公開したMuse Codeは、同社の最新モデルである「Muse Spark 1.2」を中核に据えたターミナル型コーディングエージェントです。このモデルは、単なるコードの記述にとどまらず、大規模なコードベースの理解、論理的なデバッグ、そして複雑なエンジニアリングタスクの計画立案において高い能力を発揮します。Muse Spark 1.2とMuse Codeを共同学習（Co-Training）させることで、モデルの推論能力とツール側の操作性が最適化されており、開発者はより直感的かつ正確なAIの支援を受けることが可能となりました。

対応環境と導入方法

Muse Codeは1行のシェルコマンドでインストールでき、公式ドキュメントではmacOSとLinux向けのネイティブバイナリを導入すると説明されています。Windowsは対応環境として記載がないため、Windows中心の開発現場では導入時に確認が必要です。プロジェクトのディレクトリで muse を実行すると対話セッションが始まり、既定のモデルは muse-spark-1.2 です。初回起動時にはワークスペースを信頼するかの確認が入り、承認フローとOSのサンドボックスが最初から有効になります。

対話利用のほかに muse exec による非対話（ヘッドレス）実行にも対応しており、CIパイプラインへの組み込みが想定されています。サブエージェント・スキル・フック・MCP（Model Context Protocol）による拡張にも対応しているため、既存の社内ツールと接続する余地があります。

複雑なタスクを完遂させる技術的アプローチ

非同期バックグラウンドエージェントによる効率化

Muse Codeの大きな特徴は、常駐型の非同期バックグラウンドエージェントを備えている点です。メインエージェントがタスクの全体像を制御する一方で、バックグラウンドエージェントは必要な情報収集や冗長なチェックを並行して行います。これにより、AIが情報を探すためにメインの処理が停止するような非効率な待ち時間を排除し、複雑なタスクを短時間で完遂させる高いパフォーマンスを実現しています。

中断耐性を高める再開可能設計

ソフトウェア開発において、長時間のタスク実行中にシステムがクラッシュすることは大きなリスクです。Muse Codeは、ローカルイベントログを活用することで、万が一のシステム停止時にも中断箇所から正確に作業を再開できる「再開可能（restart-safe）」な設計を採用しています。この機能により、AIエージェントの自律的な運用に対する信頼性が向上し、夜間や長時間にわたる大規模なリファクタリングやテスト実行においても、安心してAIにタスクを委ねることが可能となります。

料金と、安い方のティアで注意すべき条件

2つの料金ティア

Muse Codeの利用にはMeta Model APIの従量課金がかかります。公式の料金ページでは、100万トークンあたりの単価が次のように示されています（いずれも米ドル）。

ティア	入力	出力	キャッシュ入力
標準（muse-spark-1.1／1.2）	$1.25	$4.25	$0.15
コントリビュータ（muse-spark-1.2-contributor）	$0.10	$0.20	$0.002

価格差の理由は「入力と出力を学習に使う許諾」

コントリビュータ・ティアは入力で12.5分の1、出力で21分の1という大幅な安さですが、これは自社が送ったプロンプトと出力を、Metaが将来のモデルの学習に使うことを許諾する代わりの割引です。公式ドキュメントは標準ティアについて「プロンプトと出力はMetaのモデルの学習に使われない」と明記しており、両者の違いは価格だけではありません。試作や検証には向きますが、顧客情報や社内の非公開コードを扱う業務で安さだけを理由に選ぶ判断は避けるべきです。

あわせて1分あたりの上限も差があり、標準は3,000リクエスト／400万トークン、コントリビュータは60リクエスト／210万トークンです。上限はAPIキー単位ではなくチーム単位で共有されます。なお検索による裏付け（Web search grounding）は1,000クエリあたり$2.50が別途かかり、長いコンテキストを使っても単価は上がりません。

開発現場におけるAIエージェントの役割の変化

自律的なタスク遂行へのシフト

これまでのAIコーディング支援ツールは、主に「コードの補完」や「単一関数の生成」といった局所的なサポートが中心でした。しかし、Muse Codeの登場は、AIが「タスクの実行者」としてより広範な責任を担う時代の到来を告げています。計画立案から検証までの一連の流れをAIが自律的にこなすことで、開発チームは個々のコード品質だけでなく、プロジェクト全体の進捗管理や品質保証のあり方を再定義する必要に迫られています。

企業DXにおける生産性向上の鍵

BtoB企業において、レガシーなコードベースの保守や、大規模なシステム移行はDX（デジタルトランスフォーメーション）の大きな障壁となっています。Muse Codeのような自律型エージェントを活用することで、これらの困難なタスクを効率化し、エンジニアの人的リソースを最適化できる可能性があります。今後は、AIエージェントをいかに自社の開発プロセスに統合し、その能力を最大限に引き出すための「AIとの協働体制」を構築できるかが、企業の競争力を左右する重要な要素となるでしょう。

まとめ

MetaのMuse Codeは、開発の自動化を次のステージへと引き上げるツールです。主なポイントは以下の通りです。

• 最新モデルMuse Spark 1.2を搭載し、コード理解とデバッグ能力を大幅に強化
• 非同期バックグラウンドエージェントにより、複雑なタスクを効率的に遂行
• ローカルイベントログによる再開可能設計で、長期間の作業も安定して実行可能
• 対応環境はmacOSとLinux（公式ドキュメントにWindowsの記載なし）・ベータ版として提供
• 安価なコントリビュータ・ティアは、入力と出力をMetaの学習に使う許諾が条件

開発現場では、AIを「補助ツール」から「自律的なパートナー」へと位置づけ直す時期に来ています。まずは、自社の開発パイプラインにおいて、どの工程がAIによる自律化に適しているかを評価し、試験的な導入を検討することをお勧めします。

出典：Meta AI Research「Introducing Muse Code and Muse Spark 1.2」／Meta Model API ドキュメント「Muse Code」／同「Pricing and rate limits」（いずれも2026年8月7日確認）