Ai2 が maritime AI agent「Shippy」の設計思想を公開 ── 魂・スキル・設定の3枚構成で高リスク領域の信頼を担保する
海洋監視ミッションで「間違った答え」が出たら、巡回船が数十マイル間違った方向へ飛ばされる。そういうリスクが現実にある領域にAIエージェントを据えるとき、モデルの賢さより「システム全体が信頼に足るか」が問われる。Ai2のSkylightチームが、海事ドメイン向けAI「Shippy」をどう設計したか、そこから得た知見を公開した。
▸何が変わったのか
Shippyの最大の特徴は、エージェントを「soul」「skills」「config」の3要素で捉えている点。soulはシステムプロンプトでペルソナと行動境界を定義し、skillsは特定リクエストの処理方法を記述する。この2つをDockerイメージとして焼き込み、バージョン管理・デプロイ可能なアーティファクトにする。configはエージェントフレームワーク（OpenClaw）、LLM（現在はClaude Opus 4.6）、ランタイム設定を切り替えるレイヤーで、モデル交換はconfig変更だけで済む。skillsはClaude CodeやCodexと同じagent-skills specに準拠したMarkdownファイル。現在のスキル群はSkylight APIクエリ（Events・船舶データ）、EEZ・MPA境界の検索、船舶航跡データの解釈（Atlantesモデルの分類結果を活用）、Skylightマップへのインタラクティブリンク生成。
◈前モデル / 競合との比較
多くのAIエージェントが「モデルの能力」で勝負する一方、Shippyはシステム設計のディシプリンで信頼性を担保している。soul/skills/configの分離により、LLM交換がconfig変更だけで済む点は、モデル進化が激しい現状で実用的なアドバンテージ。
◈技術背景と意義
AIエージェントを本番の高リスク環境に投入すると、「もっともらしい嘘」が人命やコストに直結する。Shippyは海洋保全という領域で、分析官が「この海域で何が起きているか」を問いかけたら、出処・データ更新時刻・クエリタイムスタンプ・Skylightマップへのディープリンクを必ず返す設計。つまり「根拠を示せる回答のみを出す」のがアーキテクチャの根幹。これはLLMの精度向上とは別の軸で、システム設計で信頼性を担保するアプローチ。静的なスナップショットではなく、衛星データや船舶信号が絶えず流入するライブデータに対して検証する仕組みも特徴。
▸こんな人・用途に
海上分析官・沿岸警備隊などが、EEZやMPAでの不審船舶挙動をリアルタイムで問い合わせる用途。漁業監視や海洋保護区の執行支援。Skylightマップ上の正確な位置へジャンプできるリンク生成は、現場の意思決定を加速する。
◆入手方法・リンク
本記事は技術ブログとして公開されており、Shippy自体はクローズド。OpenClaw（オープンソースのエージェントフレームワーク）およびagent-skills specは外部からも参照可能で、同じ設計思想を自前のエージェントに取り入れられる。
SOURCE: Hugging Face (2026-07-15)
