Anthropicはこのほど、「Redesigning source control at Anthropic \ Anthropic」において、AIによるコード生成の急増に対応するため、独自のバージョン管理システム「Scion」を開発し、社内の巨大リポジトリをGitから5カ月で移行したと発表した。

同社によると、1日当たりのコードのマージ件数は2026年5月の約2500件から9月には3万件超へ増加し、ソースコード管理が開発のボトルネックになっていた。主要リポジトリはメインブランチの履歴だけで約100GBに達し、継続的インテグレーション（CI）では1日約2500万回のコードチェックアウトが発生。従来のGitでは、単純計算で1日600ペタバイトを超えるデータ転送が必要になる規模だった。

Gitは各クライアントがリポジトリを保持する分散型システムだが、Anthropicでは常時オンラインのAIエージェントによる開発が中心となっており、大量のデータを各環境に複製する仕組みが負担となっていた。部分チェックアウトや内部ミラーによる対応にも限界があり、独自システムの開発に踏み切ったという。

Gitの200分の1のインフラ規模、Scionは何を変えたのか

Scionはクライアントが常時オンラインであることを前提に、データを必要に応じて取得する仕組みを採用する。サーバーはファイル履歴や責任の所在を管理し、コミット、マージ、リベースなどを処理する。クライアントは、制限されたローカルオブジェクトキャッシュの管理、作業コピーファイルの配置、ファイルシステムの監視、サーバーと連携する方法などを提供する。

変更の作業単位には「changeset」を採用した。変更ファイルの一覧と、圧縮ファイルの保存先を格納するデータ構造で、サーバー側で作成し、どこからでも利用できる。この構造によってサーバー間のロック調整が不要となり、大量の変更を処理しやすくなった。

  • Scionの作業単位「changeset」の概念図　出典：Anthropic

    Scionの作業単位「changeset」の概念図　出典：Anthropic

changesetでは変更内容のみを記録するため、「最後に編集した人物」や「ファイルに影響を与えたコミット」といった問い合わせに回答することができない。この課題解決のため、Scionではchangesetから追加のデータ構造を構築する。これにはファイルの責任追跡やパス履歴の専用構造、コミットグラフ用のスキップリストなども含まれる。

Scionのインフラはサーバ群、地域ごとのキャッシュサーバ、各ノードのデーモンで構成される。データは内容に基づく識別子で管理され、各サーバでキャッシュできる。クライアントは不足分だけを取得する。

  • Scionのチェックアウトアーキテクチャ　出典：Anthropic

    Scionのチェックアウトアーキテクチャ　出典：Anthropic

Anthropicによると、各階層のキャッシュヒット率は99%超。CPUとメモリの必要量で比べたインフラ規模は、従来のGitミラーの200分の1に縮小された。CIや研究ジョブのコード取得は数分から数秒へと高速化し、CIではCPU負荷を25%節約したという。

7人のチームが5カ月で移行、Claudeが開発を支援

ScionとAntique(コードレビューツール)の開発は7人のチームで実施された。チームは追加で関連システムを6つ開発し、Gitの移行を5か月で完了させた。従来であれば多数のエンジニアを投入し、数年かけて段階的に移行する大規模なプロジェクトだが、AIエージェントを活用したソフトウェア開発によって大幅な短縮に成功したという。

この取り組みでは、人間のエンジニアはシステム間の依存関係、設計上の判断、性能要件を担い、コードの実装はClaudeが担当した。Claudeは基本的に優れたコードを生成したが、時として既存ツールを使わず総当りの非効率な処理を実装したり、過剰な検証を加えることがあり、このような場合にエンジニアが誘導し選択を正した。現在もチームはClaudeが要求するコード変更をレビューしているが、コードを読むことより意図の精査に時間を割くようになり、作業内容が変質したと説明している。

Claudeによって優れたコードを大量かつ短時間に生成できるようになったことで、同社は限られた期間内にソース管理の相互運用シミュレーションの構築、ファジングや高度なレート制限の実装も成し遂げている。また、Claudeは予期しない最適化手法を見つけ出し、品質の向上に役立ったとされる。

Scionの一般提供は困難、Gitの改善に知見を共有

ScionはGitを置き換えるものではない。数万人のエンジニアや多数のAIエージェントがコードを書くような、大規模なリポジトリを想定して設計されており、導入にはコードレビュー、コード検索、CIなど開発工程全体の移行が必要で、Anthropicは他社がそのまま採用するのは容易ではないとしている。

また、同社は社内開発で消費するトークンが、他社の現実的な投資額をはるかに超えると明らかにし、真似できるものではないと示唆する説明を行っている。つまり、同規模のAIエージェント環境を他社が構築できない以上、Scionを導入する必要はないとの意見だ。

ただし、同社が直面したGitの運用限界は今後6～12か月で一般化する可能性があると指摘。何もしないのではなく、Scionの最も成功した部分の一部をGitに提供する考えを示した。Scionを広く提供するのは困難なことから製品化を目指すことはしないが、設計知見をGitHub、GitLab、OSSコミュニティと共有してGitの改善に役立てる方針だ。