Sierra Agent Studioとは何か──求人票から見えた機能の中身

企業向けAIエージェント企業Sierraが「顧客企業がSierraのエージェントをどう作るか」を支える内製ツール「Agent Studio」を持っていることが、採用ページの求人票から見えてきた。プロダクト紹介ページではなく、この機能を作っている当事者向けの求人票——「Product Manager, Agent Studio」と「Software Engineer, Agent Builder」——を確認した。

3行まとめ

• Agent Studioは「エージェントが作成され、テストされ、改善される中核的な環境」で、ジャーニー・チャット・シミュレーション・ワークスペース・パッケージ、そして「Ghostwriter」（構築支援）と「Explorer」（分析支援）というAIコパイロットを一つのシステムに統合したものだと、Product Manager求人票（2026年4月15日付、年俸17万5,000〜35万ドル）の記述で確認した
• Sierraは自社の「Agent Development Life Cycle（ADLC）」という開発手法を掲げており、Agent Studioはこれを「Analyze（分析）→Build（構築）→Test（テスト）→Release（リリース）」というループとして体現する設計だと明記されている
• Software Engineer, Agent Builder（年俸23万〜39万ドル）の求人票は、社内で使う具体的な評価基盤として、Sierra自身が公開した学術ベンチマーク「τ-Bench」を名指しし、Cursor・Claude Codeといった外部の生成AIコーディングツールを使った「生成的なエージェント開発」という項目も担当領域に含めている

「ジャーニー・チャット・シミュレーション」を一つにまとめる環境

Product Manager, Agent Studioの求人票は、この製品をこう定義する。

We’re looking for a Product Manager for Agent Studio: the core environment where agents are created, tested, and improved. Agent Studio brings together the full agent development experience — journeys, chat, simulations, workspaces, packages, and AI copilots like Ghostwriter and Explorer — into a unified system.

（Agent StudioのProduct Managerを募集している。Agent Studioは、エージェントが作成され、テストされ、改善される中核的な環境だ。Agent Studioは、ジャーニー・チャット・シミュレーション・ワークスペース・パッケージ、そしてGhostwriterやExplorerのようなAIコパイロットを含む、エージェント開発の全体験を一つの統合されたシステムにまとめる）

さらに担当業務としてこう続く。

It reflects Sierra’s Agent Development Life Cycle: Analyze → Build → Test → Release, repeated continuously to improve agent quality. As PM for Agent Studio, you will define how teams actually build agents in practice.

（これはSierraのAgent Development Life Cycle——分析→構築→テスト→リリースを継続的に繰り返し、エージェントの品質を改善するプロセス——を体現している。Agent StudioのPMとして、チームが実際にどうエージェントを構築するかを定義することになる）

「Ghostwriter（構築を支援するコパイロット）」と「Explorer（分析を支援するコパイロット）」という名前が、この求人票で具体的に確認できた。それぞれが何をするツールなのか、UIがどうなっているかまでは求人票からは分からないが、名前からは「書く（Ghostwriter）」と「探る（Explorer）」という役割分担が推測できる。

エンジニア求人が名指しした「τ-Bench」

一方、Software Engineer, Agent Builderの求人票は、より技術的な観点から次のように担当領域を列挙している。

Simulation & Benchmarking: How can we craft a simulation platform to test AI agents against every real-world scenario imaginable? (See 𝜏-Bench) Content Management: How do we create intuitive, no-code tools that allow anyone to guide and test AI agents? Agent Development Lifecycle: How do we adapt traditional software development methodologies to accommodate AI agents’ non-deterministic behavior, natural language interactions, and reliance on large language models? (See Sierra’s ADLC)

（シミュレーションとベンチマーク: あらゆる現実のシナリオを想定してAIエージェントをテストするシミュレーションプラットフォームをどう作るか（τ-Benchを参照）。コンテンツ管理: 誰もがAIエージェントを導く・テストできる直感的なノーコードツールをどう作るか。エージェント開発ライフサイクル: AIエージェントの非決定的な振る舞い・自然言語でのやり取り・大規模言語モデルへの依存を踏まえて、従来のソフトウェア開発手法をどう適応させるか（SierraのADLCを参照）)

さらに、こう続く。

Generative Agent Development: How do we accelerate agent creation using generative tools like Cursor and Claude Code? Can we build self-improving systems based on real-world interactions, customer-driven feedback, and self-play?

（生成的なエージェント開発: CursorやClaude Codeのような生成ツールを使ってエージェント作成をどう加速させるか。実際のやり取り・顧客からのフィードバック・セルフプレイに基づいて自己改善するシステムを構築できるか）

「τ-Bench」はSierraの研究者が発表したAIエージェント評価ベンチマークの名称で、この求人票では社内のシミュレーション基盤の設計における参照先として名指しされている。CursorやClaude Codeといった外部のAIコーディングツールを、自社の顧客向けエージェントを作るための内製ツール開発に使っているという記述は、Sierraが自社のエージェント構築プロセス自体にAIコーディング支援を組み込んでいることを示している。自分自身もこのブログの記事作成・検証作業をClaude Codeで回しているので、「顧客企業のエージェント作りを支援する会社が、自社のツール開発にもAIコーディング支援を使っている」という構図には見覚えがあった。

τ-Benchの論文本体を読む——115問と50問、gpt-4oでも48.2%

求人票が参照する「τ-Bench」の論文をarXivでcurlし、PDFをテキスト化して確認すると、著者はShunyu Yao・Noah Shinn・Pedram Razavi・Karthik Narasimhanの4名で、全員の所属が「Sierra」と明記されていた(2024年6月17日投稿)。論文Abstractは、このベンチマークの狙いを次のように説明している。

Existing benchmarks do not test language agents on their interaction with human users or ability to follow domain-specific rules, both of which are vital for deploying them in real world applications. [...] Our experiments show that even state-of-the-art function calling agents (like gpt-4o) succeed on <50% of the tasks, and are quite inconsistent (pass^8 <25% in retail).

(既存のベンチマークは、言語エージェントが人間のユーザーと対話する能力や、ドメイン固有のルールに従う能力をテストしていない。この2つは実世界での運用に不可欠だ。[中略]実験の結果、gpt-4oのような最先端のfunction callingエージェントでも、タスクの成功率は50%未満であり、一貫性も低い(retailドメインでpass^8指標は25%未満)ことが分かった)

論文本文には、小売(retail)・航空(airline)という2つのドメインの規模と、モデル別の成功率(pass^1)を示す表があった。

（出典: 論文PDF本文のTable 1・Table 2を日本語化・転記。原論文はfunction calling方式での評価で、Llama-3のみテキスト形式のReActで評価されている）

このモデル比較はgpt-4o・claude-3-opusなど2024年前半時点のモデルによるもので、2026年8月現在の最新モデル(GPT-5系・Claude Opus 5系など)での結果ではない。GitHub API(sierra-research/tau-bench)で実装コードを確認すると、star数1,411・フォーク数215、直近pushは2026年3月18日となっており、ベンチマーク自体は論文公開(2024年6月)から2年近く経った今も更新が続いていることが分かった。

Sierra自身のブログ記事で「ADLC」の中身を読む

求人票が参照する「ADLC(Agent Development Life Cycle)」についても、Sierra公式ブログに解説記事があった。共同創業者のClay Bavor氏とBret Taylor氏が2024年6月3日付で公開したもので、求人票よりも2年近く前から存在する、Sierraの基礎的な考え方を示す文書だと分かる。ブログは、AIエージェントが従来のソフトウェア開発ライフサイクル(SDLC)の前提を崩す理由をこう説明している。

Traditional software is written in a programming language that is rule-based and deterministic, so the same input reliably produces the same output. Agents, in contrast, often include Large Language Model (LLM) prompts written in English, and are goal-based and non-deterministic, producing dramatically different results with even modest changes to input.

(従来のソフトウェアは、ルールベースで決定論的なプログラミング言語で書かれており、同じ入力は常に同じ出力を生む。一方エージェントは、英語で書かれたLLMプロンプトを含むことが多く、目標ベースで非決定論的であり、入力への些細な変更でも劇的に異なる結果を生む)

ADLCの「Build(構築)」フェーズに対応する仕組みとして、ブログは「Sierra Agent SDK」という宣言的なプログラミング言語を挙げている。

The Sierra Agent SDK enables developers to use a declarative programming language to build powerful, flexible agents using composable skills to express procedural knowledge [...] This declarative model enables developers to not only express the goals they want their agent to achieve (e.g., help the customer return an order), but also deterministic guardrails that the agent cannot cross (e.g., orders can only be returned within 30 days of purchase).

(Sierra Agent SDKは、開発者が宣言的なプログラミング言語を使い、手続き的な知識を表現する組み合わせ可能な「スキル」を用いて、強力かつ柔軟なエージェントを構築できるようにする。[中略]この宣言的モデルにより、開発者はエージェントに達成させたい目標(例: 顧客の注文返品を手伝う)だけでなく、エージェントが超えてはならない決定論的なガードレール(例: 注文は購入から30日以内のみ返品可能)も表現できる)

「Release(リリース)」フェーズについては、モデルバージョン・ナレッジベース・プロンプトを含めてエージェントのリリースを「不変のスナップショット」としてパッケージ化する「Agent OS」という基盤が使われている、とも書かれていた。ブログの脚注部分には、Sonos・WeightWatchers・SiriusXMという実在の企業名が、Sierraのエージェントを使う顧客企業の例として挙げられている。ページ下部のナビゲーションには、Agent Studioのほかに「Horizon」「Context Engine」「Insights」「Channels」という名前の製品カテゴリも並んでおり、Ghostwriter・ExplorerはAgent Studioの一部機能であると同時に、Sierra全体の製品ラインナップの中でも独立した項目として扱われていることが確認できた。

「ノーコード」を掲げつつ、対象は専門知識のない顧客側の担当者

求人票にある「誰もがAIエージェントを導く・テストできる直感的なノーコードツール」という一節から、Agent Studioの想定ユーザーはSierra社内のエンジニアだけでなく、Sierraの顧客企業側でエージェントの調整に関わる、必ずしもエンジニアではない担当者も含まれているとみられる。この点は求人票からの推測であり、Sierra自身が「対象ユーザーは非エンジニアだ」と明言しているわけではない。

この記事が届いていない範囲

• Agent Studioの実際の画面や操作フローは、この記事では確認していない。求人票の記述から機能の輪郭を推測したものであり、製品ページやデモ動画による裏付けは取っていない
• Ghostwriter・Explorerという2つのAIコパイロットの技術的な仕組み（どのモデルを使っているか、など）は、求人票・Sierra公式ブログのいずれからも確認できなかった
• τ-Benchの論文本体は読み込んだが、その評価結果(gpt-4o平均48.2%など)は2024年6月公開時点のモデルによるもので、Sierraの現在の顧客向けエージェントが2026年8月時点でτ-Bench上どの程度のスコアを出しているかは、この記事の範囲では確認できていない
• ADLCのブログ記事は2024年6月付けで、求人票(2026年4月付け)より2年近く前に書かれたものだ。この間にADLCの4段階(Analyze→Build→Test→Release)自体が変更されていないかは、2024年のブログと2026年の求人票で名称が一致していることから読み取れる範囲にとどまり、両者の間の版の違いまでは確認していない

関連記事: Sierraが業界ごとに『専任AIエージェント戦略職』を置く理由──求人票の実例プロジェクトから読む / Sierraの「Agent Strategist」──「去年はほぼ存在しなかった職種が、今は最も急成長中のチーム」 / AIコーディングアシスタント比較──Copilot/Cursor/Claude Code【2026年】

感想・指摘はコメント欄へ。