Bashi

### プロジェクト概要 #### 目的・背景 500万ユーザー規模のコンテンツ配信システムにおいて、ユーザー数増加およびビジネス施策の拡大に伴い、既存配信基盤の刷新プロジェクトに参画しました。 既存システムでは、コンテンツ情報および配信対象ユーザーを外部配信システムへ連携するバッチ処理が性能上のボトルネックとなっており、大量データを安定して処理できる配信基盤への刷新が求められていました。 ### 規模・体制・担当 #### 体制 * プロジェクトリーダー1名 * エンジニア7名（計8名） #### 担当 * 要件定義 * 基本設計・詳細設計 * API・バッチ開発 * 性能分析・性能改善 * テスト #### 使用技術 * PHP * Laravel * Oracle * AWS * Docker * AWS Fargate * Amazon S3 * AWS CloudFormation * Amazon CloudWatch ⸻ #### 取り組んだ課題 500万ユーザーへのコンテンツ配信を2時間30分以内に完了するという非機能要件が求められていましたが、既存実装では約10時間を要していました。 CloudWatchによる性能分析の結果、SQLやデータ抽出ではなく、外部配信システムへのAPI登録処理がボトルネックであることを特定しました。 必要スループットを逆算した結果、SQL改善だけでは要件達成が困難と判断し、アーキテクチャレベルでの性能改善が必要でした。 ⸻ 技術的なアプローチ・工夫 CloudWatchのログ・メトリクスを用いてボトルネックを分析し、必要スループットから改善方針を策定しました。 既存システムへの影響を最小限に抑えることを前提に、Laravelバッチをマルチプロセス化し、外部API登録処理を並列実行する構成を設計・実装しました。 また、外部APIへの過負荷を防ぐために同時実行数を制御し、性能と安定性を両立しました。 OracleではデータのCardinalityを考慮し、B-tree IndexとBitmap Indexを用途に応じて使い分けることで検索性能を最適化しました。SQL実装時にはN+1問題を考慮し、大量データ処理時でも性能が維持できるよう設計しました。 さらに、中間コミット方式を導入することでメモリ使用量の増加を抑え、長時間バッチでも安定して処理できるよう改善しました。 ⸻ #### 取り組みの成果 * API連携処理時間を約10時間から2時間30分以内へ短縮し、非機能要件を達成 * 500万ユーザー規模でも安定して稼働する配信基盤を実現 * 中間コミット導入によりメモリ使用量を約3分の1まで削減 * ボトルネック分析から改善方針策定、設計、実装、性能検証まで一貫して担当し、大規模データ処理基盤の性能改善に貢献

プロジェクト概要 生成AI活用施策の一環として、既存のWebメンテナンス機能をAIエージェント経由で利用可能にするシステム開発プロジェクトに参画。AIエージェントからのリクエストを受け付ける中継APIおよびWrapper APIの新規開発を担当しました。 また、本案件はAIコーディングエージェント（OpenAI Codex）の活用を前提とした開発方針で進行しており、設計・実装・テスト・ドキュメント作成までAIを活用した開発体制の構築および実践を行いました。 役割・体制 自身のポジションと役割 * バックエンドエンジニアとして要件定義、設計、実装、テストを担当。 * AIエージェント連携用の中継APIおよびWrapper API（計8本）の設計・開発を担当。 * 顧客との要件整理およびアーキテクチャ検討を主導。 * AIエージェント利用時のセキュリティ要件および責務分離設計を担当。 * OpenAI Codexを活用し、仕様調査、設計検討、ドキュメント作成、実装、テストを推進。 チーム規模と構成 * エンジニア2名体制。 * AIコーディングエージェント（OpenAI Codex）を積極活用する開発方針のもと開発を実施。 * 要件定義から検証環境リリースまで担当。 背景・課題 * 顧客は既存のWebメンテナンス機能をAIエージェント経由で利用できるようにしたいという要望を持っていた。 * AIエージェントからのリクエストを受け付ける中継APIおよびWrapper APIの開発が求められていた。 * 当初は中継API・Wrapper API計8本を2週間で検証環境へリリースする計画であった。 * AIエージェントはSaaS製品であり、顧客情報や車両を特定可能な情報をAIエージェント側へ渡さないことが必須要件であった。 * 既存のWebメンテナンス機能を調査した結果、画面側でバックエンドシステムからのレスポンス変換や業務ロジックを保持していることが判明した。 開発環境 * 言語：Python * フレームワーク：FastAPI * API：REST API * データベース：Amazon DynamoDB * アーキテクチャ：レイヤードアーキテクチャをベースに、責務分離とテスト容易性を重視した設計 * AI活用：OpenAI Codex * テスト：自動テスト 実際の取り組み 課題分析 既存システムの調査を実施した結果、AIエージェント側で会話状態やバックエンドレスポンスを保持し、リクエスト組み立てを行う構成には以下の課題があることを整理しました。 * AIエージェントへ顧客情報を渡す必要が発生する。 * AIエージェント側へ業務ロジックが流出し、既存システムとの密結合が発生する。 * バックエンドシステム変更時の影響範囲が拡大する。 * 会話状態管理が複雑化し、UX低下につながる可能性がある。 設計提案 上記課題を踏まえ、AIエージェント側ではなくAI連携基盤側でセッション管理を行うアーキテクチャを提案しました。 * AI連携基盤にセッションテーブルを新設。 * ユーザーとの対話履歴や選択内容、APIレスポンスをセッションとして管理。 * セッション情報を基にAI連携基盤側でバックエンド向けリクエストを組み立てる構成を設計。 * AIエージェントは会話インターフェースに責務を限定。 * 顧客情報をAIエージェントへ渡さない構成を実現。 さらに設計を再検討した結果、既存機能との責務分離や保守性を考慮し、すべての連携処理をWrapper APIとして提供する構成へ変更することを提案しました。提案内容が採用された結果、当初8本を想定していたAPIは13本へ増加し、スケジュールも約1か月延長のうえでアーキテクチャ見直しを含めた開発方針へ変更されました。 AI活用を前提とした開発体制構築 * OpenAI Codexを活用し、仕様調査、設計検討、ドキュメント作成、実装、テストを実施。 * AIが継続的に品質の高いコードを生成できるよう、責務分離とテスト容易性を重視したアーキテクチャを採用。 * テストの自動化を前提とした設計を行い、AI生成コードの品質担保を実現。 * ディレクトリ単位でAGENTS.mdを整備し、コンテキストや実装ルールを明文化することでAIエージェントの出力品質を向上。 * 少人数体制かつ短納期案件において、AI活用を前提とした開発プロセスを確立。 実装 * 中継APIおよびWrapper API計13本を実装。 * セッション管理を考慮したAPIインターフェース設計を実施。 * 結合テストおよび検証環境リリースを担当。 成果・価値 * AIエージェントへ顧客情報を保持させない構成を実現し、セキュリティ要件を満たした。 * AIエージェントと業務システム間の責務を整理し、密結合を回避するアーキテクチャを設計。 * 顧客への要件変更・設計変更提案が採用され、保守性および拡張性を向上。 * AI活用を前提とした開発プロセスを構築し、エンジニア2名体制での短納期開発を推進。 * 要件定義、アーキテクチャ設計、顧客折衝、AI活用開発を一貫して担当し、AIエージェント連携基盤の構築に貢献。

### プロジェクト概要 #### 目的・背景 車両保有ユーザー向けアプリと非保有ユーザー向けアプリの統合に伴い、プッシュ通知配信基盤の改修を担当しました。 一方で、外部の配信システムは従来のまま利用する必要があり、既存配信基盤への影響を最小限に抑えながら、新たな配信フローを構築することが求められました。 ### 規模・体制・担当 #### 担当 * 要件定義 * 基本設計 * 詳細設計 * 実装 * テスト #### 使用技術 * PHP * Laravel * AWS Lambda * Amazon SQS * Amazon DynamoDB * AWS ⸻ ### 取り組んだ課題 アプリ統合後も外部配信システムは統合されないため、統合IDを持つユーザーのみを抽出し、既存配信システムを利用してプッシュ通知を配信する仕組みを構築する必要がありました。 また、既存配信システムへの影響を最小限に抑えながら、会員数増加を見据えたスケーラブルな処理基盤を実現するとともに、障害発生時にも安全に再実行できる構成が求められました。 ⸻ ### 技術的なアプローチ・工夫 既存配信システムの改修を最小限にするため、ユーザー抽出処理と配信処理を疎結合に分離したアーキテクチャを設計しました。 抽出したユーザー情報をAmazon SQSへ投入し、AWS Lambda Workerによる並列処理で配信処理を実施する構成を採用することで、処理性能と拡張性を確保しました。 また、Lambdaの再実行やメッセージ重複配信を考慮し、Amazon DynamoDBを利用した冪等性管理を設計・実装しました。 ⸻ ### 成果 * 既存配信基盤への影響を最小限に抑えながらアプリ統合に対応 * SQS・Lambdaを利用したスケーラブルな配信処理基盤を構築 * DynamoDBによる冪等性管理を導入し、安全な再実行を実現 * 要件定義から設計、実装、テストまで一貫して担当