本番環境向けAIエージェントを6週間で構築: Tiger Dataの3つの重要インサイト

Tiger Dataチームは、6週間で社内従業員の50%が毎日使うSlack AIエージェント「Eon」を構築し、その全工程をオープンソースとして公開しました。デモレベルではなく、実際の本番環境での安定性に焦点を当てており、LLM呼び出しそのものではなく、実運用上の課題（コンテキスト維持、APIダウン、同時リクエストなど）を解決した点が核となります。

1. 時間を理解するメモリ（Time-Based Memory）

• Slackは単一のメッセージしか送信しないため、過去の会話コンテキストがありません。「あれ、どうなった？」のような質問を処理しにくい。
• 解決策: すべてのSlackメッセージをタイムスタンプ付きでTimescaleDBにリアルタイム保存。SQLクエリでコンテキストを把握 → API制限なしで高速かつ安定。

2. 汎用MCPサーバーの落とし穴を避ける（Custom MCP Servers）

• MCP（Model Context Protocol）: エージェントがGitHub、Linearなどの外部ツールにアクセスするための標準。
• 問題点: 公式サーバーには不要なツールが多く、トークンを浪費し、API呼び出しも複雑（複数回必要）。
• 解決策: 独自に最適化したMCPサーバーを作成（例: tiger-linear-mcp-server）。単一ツールですべての情報を一度に取得 → コンテキストエンジニアリングで効率化。

3. 本番環境は失敗を前提に設計する（Failure-Resilient Design）

• クラッシュ、APIダウン、トラフィック急増への対応が必須。
• 解決策: tiger-agents-for-work フレームワークを開発。
  • イベントをまずPostgreSQLに記録 → 損失防止。
  • 自動リトライ（最大3回、10分間隔）。
  • 固定ワーカープール → 並行性を制限し、キューを処理。
  • 非同期シグナリング → ミリ秒単位の応答。

オープンソースと導入ガイド

• 全コードを tiger-eon として公開。インストールスクリプトにより10分でSlackエージェントをデプロイ可能。
• モジュール式: Slackメモリ、MCPサーバー、フレームワークは個別利用可能（例: tiger-docs-mcp-server によるドキュメント検索）。
• 中核メッセージ: AIエージェントは特別なインフラではなく、耐障害性のあるイベント処理 + 構造化メモリ + 特化ツールによって、PostgreSQLベースで構築できる。