Sharklyの使い始めはおよそ10分です。Computerを接続し、Agentを作成し、小さなTaskを1つ割り当てるだけ。SharklyはPeopleとAgentsのための作業管理システムです。Claude CodeやCodexといったAIコーディングツールを、共有タスクシステム内で割り当て可能なチームメイトに変えるので、実行が個人のターミナルの中に消えていくことがなくなります。初回の流れは次のとおりです。
- サインインし、アクティブなSpaceを1つ持つOrganizationを作成する（または参加する）。
- Sharkly DesktopまたはSharkly CLIでComputerを接続する。
- Claude CodeなどのRuntimeが少なくとも1つ利用可能と表示されることを確認する。
- 役割を絞り、指示を明確にしたAgentを作成する。
- 範囲をきちんと定めた小さなTaskを書き、Agentに割り当てる。
- Task上で結果を確認し、フォローアップのコメントで返信する。
以降のガイドでは、各ステップを順に説明し、その背後にある4つの概念を解説し、初回実行が終わったときに何を確認すべきかを示します。読み終えるころには、並列実行、共有Skills、Sprintsへと発展させられる実用的なループが手に入ります。
Sharklyでの最初の10分が重要な理由
ほとんどのチームはすでにAIコーディングエージェントを使っています。問題は、その作業がどこで行われているかです。誰か1人のターミナルの中にあり、他の誰にも見えません。誰かがJiraのチケットをチャットウィンドウに貼り付け、エージェントを実行し、差分を貼り戻す。そして変更の背景にある思考はどこにも残りません。これが開発者5人、エージェントツール3種類に増えれば、記録のない結果だけが積み上がります。
Sharklyはこれをチーム側から捉えます。もうひとつのコーディングエージェントではありません。公式の説明は境界線について率直です。SharklyはClaude Code、Codex、その他の実行ツールの代替ではありません。チームがすでに使っているツールの周囲に、共有されたタスク、コンテキスト、制御、レビューのレイヤーを追加します。実行を行うのはそれらのツールであり、Sharklyは割り当て、接続されたComputers、タスクのコンテキスト、進捗、ブロッカー、結果、人によるレビューを横断的に管理します。
だからこそ、最初の10分はこの構成になっています。新しいAIをインストールするのではありません。すでに持っているAIを共有の記録システムに接続するのです。そうすれば、すべての実行が、依頼からリリースまでコンテキスト、進捗、ブロッカー、結果、人によるレビューを可視化したままになります。まず全体像の位置づけを知りたい場合は、What Is Sharkly?を読んでから戻ってきてください。このガイドは実践的な内容に徹します。
すべてのSharklyセットアップの背後にある4つの概念
モデル全体を支える名詞は4つです。これを正しく押さえておけば、この先何も混乱しません。
| 概念 | 何であるか | その唯一の役割 |
|---|---|---|
| Task | Sharklyにおける作業の基本単位 | 共有の記録：ゴール、ステータス、議論、実行トレース、レビュー |
| Agent | AIアクターのための保存された作業設定 | 作業をどう扱うかを定義する：指示、Skills、リポジトリ、実行設定 |
| Computer | 接続されたデバイス、サーバー、コンテナ | ホストを提供する：オペレーティングシステム、ファイル、認証情報、ツール |
| Runtime | Computer上で検出された、サポート対象のエージェントツール | 実際のエージェントセッションを実行する |
TaskはSharklyにおける作業の基本単位です。ゴールと説明、ステータス、優先度、ラベル、担当者、実行を割り当てられたAgentまたはCrew、コメント、添付ファイル、そして実行状態とトレースの全体を記録します。
Agentは単発のプロンプトではなく、保存された作業設定です。ある人が丁寧に作り込んだ設定（指示、紐づけたリポジトリ、環境、タイムアウト）は、Agentを共有すればSpace全体で再利用できます。
Computerは実行ホストを提供します。小さなローカルサービスがComputerをSharklyに接続し、インストール済みのエージェントツールを検出し、作業を受け取り、タスク用ディレクトリを準備し、選択されたRuntimeを起動し、進捗をストリーミングで返します。ローカルサービスは外側に向かって接続を開始するため、一般的な構成ではインバウンドポートは不要です。
この関心の分離こそが設計です。Agentは作業をどう扱うかを定義し、Computerはホストとローカルリソースを提供し、Runtimeがセッションを実行し、Taskはチームの共有記録であり続けます。コードと認証情報は、あなたが管理するマシン上にとどまります。
始める前に必要なもの
前提条件のリストは短いです。
- SharklyアカウントとOrganization；
- アクティブなSpaceが少なくとも1つ；
- Sharkly Desktopまたはローカルサービスを実行できるコンピュータ；
- そのマシンにインストールされ認証済みのサポート対象Runtime（Claude Code、Codex、Gemini CLIなど）；
- 最初のTaskがプライベートリポジトリに触れる場合は、そのマシンでのGitアクセス。
モデル側について2点補足します。まず、サブスクリプションはご自身で用意してください。モデルの利用はそれらのツールに設定されたサブスクリプションまたはAPIキーを通じて続き、クォータはチームが接続するプランとアカウントに依存します。次に、AgentはRuntimeのデフォルトモデルに従います。モデルピッカーは公開されておらず、モデルを変更するのはAgent上ではなくRuntime側の設定です。
Computerを接続しなくてもTaskは整理できます。ただし、適切なRuntimeがオンラインになるまでAgentは作業を実行できないので、接続が最初のステップであることには理由があります。
OrganizationにまだアクティブなSpaceがない場合、Sharklyが作成をガイドします。作業カテゴリを選ぶと、適切なタスクタイプがあらかじめ用意されます。ソフトウェア開発ならRequirement、Bug、Task、User Storyから始まります。最初のSpaceはデフォルトでOrganizationに公開されますが、後からアクセスを絞れます。
ステップ1：Computerを接続する
Settingsを開き、Computersを選んでConnect Computerをクリックします。ほぼすべてのケースは次の2つの方法で対応できます。
- Sharkly Desktop：サポート対象の個人用コンピュータ向け。インストールしてサインインすると、マシンが登録され、ローカルサービスが自動で起動します。
- Sharkly CLIとローカルサービス：リモートホストやLinuxマシン向け。接続ダイアログでワンタイムのインストールトークンを生成し、生成されたコマンドを対象マシンで実行します。
sharkly computer register --install-token sit_9f2ka7x1mrq8
インストールトークンは有効期限が短く、1回限りです。再利用可能なイメージ、スクリプト、Task、コメントには入れないでください。用途も限定的で、インストールトークンはComputerを登録するだけであり、人間用のCLIログインを作成するものではありません。後者を扱うのはパーソナルアクセストークン（shk_で始まります）です。
Computerが接続済みと表示されるまで待ち、その詳細ページを確認します。検出された各Runtimeは機能ステータスを報告します。Available、Needs configuration、Not installed、Unsupportedのいずれかです。この区別が、よくある初期の混乱を防ぎます。Computerがオンラインであることは、ローカルサービスがハートビートを送っているというだけの意味です。選択したRuntimeがTaskを実行できるという意味ではありません。後で実行が始まらない場合は、接続のトラブルシューティングをする前にRuntimeの機能ステータスを確認してください。
ターミナルからも確認できます。
sharkly computer list
sharkly computer show cmp_4c81d2
sharkly computer ping cmp_4c81d2 rt_claude_code
Computersのドキュメントでは、診断、カスタムRuntime、可視性、クリーンアップ設定を詳しく扱っています。
ステップ2：最初のAgentを作成する
Agentsを開き、New Agentを選択します。何でもこなすアシスタントを作りたくなる気持ちは抑えてください。まずは役割を絞ります。焦点の定まった説明はPeopleに何を割り当てるべきかを伝え、指示はAgentにどう作業するかを伝えます。
良い最初の設定は次のようなものです。
- 名前： Code Reader
- 説明： リポジトリを読み、現在の実装を説明し、ファイルを変更せずにリスクを報告する。
- 可視性： 個人用、またはそのAgentを使用するSpace
- ComputerとRuntime： ステップ1で確認した接続
指示については、Quickstartの例をほぼそのままコピーする価値があります。
行動する前にTask全体と関連するコメントを読むこと。範囲はリクエストにとどめること。最初のTaskではファイルを編集しないこと。調査した内容、各結論の根拠、そして不確かなまま残っている点を報告すること。
指示が何をカバーしているかに注目してください。範囲、行動前の調査方法、報告フォーマットです。これが適切な粒度です。安定した振る舞いはAgentの指示に、Task固有の要件はTaskの説明に、複数のAgentが共有する再利用可能な手順はSkillに置きます。この3つのレイヤーを分けておくことが、Agentを脆くせず再利用可能にする秘訣です。
ステップ3：リポジトリまたは作業ディレクトリを追加する
Agentがコードを読むなら、読む対象のコードが必要です。選択肢は2つあります。
- GitリポジトリをAgentに紐づける（またはTaskのSpaceに設定されたリポジトリを使う）。リポジトリベースの実行では、Taskごとに新しいgit worktreeを準備できます。これが後々、安全な並列実行を可能にする鍵です。
- ローカルComputer上の指定ディレクトリを設定する。実行は、そこにすでにあるコード、依存関係、キャッシュ、ツールをそのまま再利用し、新しいコピーを準備しません。
判断基準はこうです。ほとんどのリポジトリ作業、そして複数のTaskが同じコードベースを並列で変更する可能性がある場合は、一時的なworktreeベースのディレクトリを使います。再構築にコストがかかる環境を実行に必要とする場合は指定ディレクトリを使い、指定ディレクトリは同時に1つの実行しか提供しないことを覚えておいてください。仕組みを知りたい場合は、worktreeが並列エージェント同士の衝突をどう防ぐかについての詳しい解説を書いています。
ステップ4：Agentが実行できるTaskを書く
同じSpaceでTaskを作成します。Quickstartのサンプルはわざと退屈な内容で、そこが要点です。
タイトル： 認証エラーパスのレビュー
説明： 現在の認証実装を読み、ユーザーに見える障害ケースを3つ特定する。ファイルは変更しない。各ケースについて、該当するファイルまたはコンポーネントを引用し、期待される動作を説明する。最後に、実装前に答える必要のある質問があれば書く。
このTaskには、良い最初のTaskに必要な3つの性質が備わっています。明確な境界がある（読むだけで編集しない）。レビュー可能な成果を生む（根拠付きの3つのケース）。そしてリスクが低いので、コードベースを危険にさらさずにAgentの判断力を評価できます。リポジトリに認証コードがなければ、設定の読み込みや空状態コンポーネントなど、存在する小さな領域に主題を差し替えてください。
このようにソフトウェアに作業を割り当てるのは、プロンプトを送るのとは感覚が異なり、それは当然です。プロンプトは会話であり、Taskはレビュー可能な成果を伴う契約です。このループが機能すれば、同じ形が実際のチケットにも広げられます。JiraチケットをAIエージェントに割り当てる方法のウォークスルーで、実運用版を紹介しています。
ステップ5：Taskを割り当てて実行を見守る
TaskのAssigneeコントロールを開き、Agentを選びます。People、Agents、CrewsのいずれもAssigneeになれますが、Agentを選ぶとそれが実行担当になります。
実行がいつ始まるかは1つのステータスルールで決まります。Agentに割り当てられたTaskも、Backlogにある間は実行が始まりません。Backlogは作業を準備する待機場所です。Taskを作業可能なステータス（未着手または開始済み）に移すと、ComputerとRuntimeの準備が整った時点でSharklyが実行をキューに入れます。完了、キャンセル、重複のステータスでは、初回実行は決して始まりません。
実行が進む間、Taskは実行状態を表示します。queued、dispatched、running、そしてcompleted、failed、canceledです。リポジトリベースの実行では、まずコードをチェックアウトし、分離されたディレクトリを準備するために少し時間がかかることがあります。ビューは3つあります。
- Chat：Agentとのコメント形式のやり取り；
- Activity：コメントとTaskの変更を1つのタイムラインで表示；
- Executions：実行履歴と完全なトレース。ツール呼び出し、Runtimeイベント、トリガー元、失敗の詳細。
実行状態とTaskステータスは関連していますが別物です。実行がRunningでも、TaskステータスがIn Progressのままであることはあります。一方は実行の進捗を、もう一方はワークフロー上の位置を表すからです。
ステップ6：傍観者ではなくレビュアーとして結果を確認する
Agentの最終応答は、実行トレースにリンクされたコメントとしてTaskに戻ります。ここから契約の人間側が始まります。Agentは調査し、実行し、テストし、報告します。人は方向性を示し、権限を与え、結果を受け入れます。
Agentが次のことを行ったか確認します。
- 意図したコードや資料を調査したか；
- 編集しないという境界を守ったか；
- 各結論に根拠を示したか；
- 推測せず不確実性を記録したか；
- チームメイトが行動できる結果をTaskに残したか。
もう一度実行が必要なら、焦点を絞ったコメントで返信します。そのAgentにまだ割り当てられているTaskへの有効なコメントはフォローアップ実行を開始し、素早く連続したコメントはまとめられるので、重複した保留中の実行は作られません。Agentがあなたの入力やレビューを必要とする場合、そのリクエストはInboxに表示され、返信が必要な項目と優先度の低い更新が分けられます。
結果が問題なければ、Taskを完了にします。これでセットアップチェックリストが追う最初のループが閉じます。Computer接続、Agent作成、リポジトリ準備、Task作成、割り当て、完了です。
最初のループのあと：セットアップを育てる5つの方法
初回実行は配管が通っていることを証明します。次の一手はそれぞれ1つの次元を加えます。
複数のTaskを同時に実行するには？
並列度は意図的に上げましょう。一時ディレクトリを使う場合、デフォルトの並列度はComputerの上限の半分です。各Taskが分離されたworktreeを得るので、並列実行が衝突しません。上限を上げる前にCPU、メモリ、モデルプロバイダーのキャパシティを確認し、自作環境との比較は複数のClaude Codeセッションを並列で動かす方法を読んでください。
TaskではなくAgent Chatを使うべきなのはいつ？
Sharklyは意図的に2つの画面を用意しています。作業を記録に残す必要がない段階で、Agentと探索、計画、調査をしたいときはChatを使います。所有権、ステータス、実行履歴、レビューが必要な作業にはTaskを使います。Chatがチームとして対応すべき何かを生み出していると気づいたら、Taskに昇格させ、結果に記録を残しましょう。
Crewはいつ必要？
Crewは、1人のリーダーAgentによって調整される、PeopleとAgentsの再利用可能なグループです。小さく明確な作業なら、Taskを1つのAgentに直接割り当て、可動部分をゼロに保ちます。リーダーがゴールを解釈し、専門的なメンバーを関与させ、その結果を1つのTaskにまとめる必要があるときにCrewを使います。
Skillが指示の編集より優れるのはいつ？
複数のAgentが同じ手順（レビューチェックリスト、マイグレーションパターン、報告フォーマットなど）を必要とするときは、それをSkillに移し、必要な場所に紐づけます。ある開発者のノウハウが、個人のプロンプトではなく組織のインフラになるのです。
チームの他のメンバーは？
ここまでの内容はすべて1人でも機能します。Taskが共有Spaceに置かれ、Sprintsが作業をサイクルにまとめ、チームメイトが人間の作業と同じビューでAgentの出力をレビューするようになると、効果は複利的に増えます。Sharklyのプロジェクトレイヤー（Spaces、Projects、Sprints、カンバンとリストビュー）は十分に標準的なので、誰も再教育は必要ありません。
今日はSharklyが適さないケース
正直な境界線は時間の節約になります。1人の開発者が1つのリポジトリで1つのエージェントを動かしているだけなら、今日必要なのはターミナルとブランチだけかもしれません。調整レイヤーが元を取れるのは、実行が増えたときです。エージェントが複数、結果を見る必要のある人が複数、あるいはマージ前のレビューが必要な作業がある場合です。
同じ論理は自作ツールにも当てはまります。自前のtmuxセッションやworktreeスクリプトは本当に機能します。チームがそこから卒業するのは、見えていなかった部分（誰が何を実行し、差分がどこへ行き、誰が承認したか）のコストが、スクリプトで節約できる分を上回り始めたときです。また、チームが単一ベンダーのエコシステムに端から端までどっぷり浸かっているなら、まずそのベンダー自身のオーケストレーションを評価してください。Sharklyが最も強みを発揮するのは、ツール、マシン、人が混在している場合です。3つすべてに対して中立を保つからです。より広いカテゴリの背景は、この領域を整理したいならWhat Is Agentic Coding?にあります。
どのケースでも変わらないこと。チームがすでに使っているツールはそのままにすることです。Sharklyの導入パスは、その周囲に可視化されレビュー可能なレイヤーを加えることであり、下にあるワークフローを置き換えることではありません。
実践で機能する3つの初回実行
慎重なプラットフォームチーム。 DevExエンジニアが共有のLinux Computerを1台接続し、読み取り専用のCode Reader Agentを作成し、1週間チームメイトに調査Taskを割り当ててもらいます。レポートが信頼できると証明されるまで、誰も書き込み権限を与えません。実行トレースによってAgentの判断が検査可能になるため、導入が広がります。
規模を広げる個人開発者。 開発者1人がラップトップを接続し、2つのAgent（実装用とレビュー用）を作成し、場当たり的なプロンプトではなくTaskを通じて小さなバグを流し始めます。すぐに得られる成果は速度ではなく、すべての修正に説明、差分、トレース、確認した内容の記録が付くことです。
Jira中心のチーム。 エンジニアリングマネージャーがJiraを計画の唯一の正とし続け、Sharklyを接続してチケットを実行可能なTaskにします。開発者はチケットのコンテキストをターミナルにコピペするのをやめます。結果、ブロッカー、レビュー依頼は、マネージャーが見られるTaskに戻ってきます。
次の10分
最小で役立つSharklyワークフローは、意図的に小さいものです。Computerを1台接続し、Agentを1つ作成し、リスクの低いTaskを1つ割り当てる。高度な機能（並列worktree、Crews、Skills、Automations、Sprints）はすべて、このループを変えることなくその上に築かれます。
ではループを回しましょう。Computerを1台接続し、Agentを1つ作成し、退屈な作業を割り当ててください。新しいチームメイトの最初のPRをレビューするように結果を確認します。注意を払い、境界を引き、フォローアップの質問をします。そして証拠に基づいて、次に何を許可するかを決めます。始める準備ができたら、ドキュメントのQuickstartが最新のスクリーンショット付きで同じ手順をたどっています。
よくある質問
Sharklyはどのコーディングエージェントに対応していますか？
Sharklyは、接続されたComputerにインストールされているサポート対象のエージェントツールを検出し、それぞれをRuntimeとして報告します。公式ドキュメントで言及されているツールにはClaude Code、Codex、Gemini CLI、OpenCodeがあります。Computerの詳細ページには、そのマシンで現在サポートされているセットがRuntimeごとのインストールガイドへのリンク付きで表示され、ツールが自動検出されない場合はカスタムACP Runtimeを追加できます。
SharklyはClaude CodeやCodexを置き換えますか？
いいえ。SharklyはClaude Code、Codex、その他の実行ツールの代替ではありません。実際のエージェントセッションは、あなたのComputer上でそれらのツールが実行します。Sharklyはその周囲に共有レイヤーを追加します。チームレベルの割り当て、タスクのコンテキスト、進捗、結果、人によるレビューです。すでに使っているエージェントツールとアカウントをそのまま使い続けられます。
Sharklyの料金はいくらですか？
Sharklyのモデルはサブスクリプション持ち込み方式です。モデルの利用はエージェントツールに設定されたサブスクリプションまたはAPIキーを通じて行われ、クォータはチームが接続するプランに依存します。現在の製品プランについては、本記事は価格を追跡していないため、sharkly.aiで直接確認してください。
コードと認証情報はSharklyのサーバーを経由しますか？
実行はあなたが接続したComputers上で行われます。あなたのラップトップ、あなたのサーバー、あなたのコンテナです。Computerがオペレーティングシステム、ファイル、認証情報、ツールを提供し、ローカルサービスが進捗と結果をTaskへストリーミングで返します。リポジトリは、そのComputerに設定されたGitアクセスで取得されます。
Agentが実行を開始しないのはなぜですか？
よくある3つの原因を順に確認してください。1つ目は、TaskがBacklogにある可能性です。割り当て済みのTaskは、作業可能なステータスに移すまでそこにとどまります。2つ目は、Runtimeが使用可能でない可能性です。オンラインのComputerはハートビートを確認するだけなので、Computerの詳細を開いてRuntimeの機能ステータスを確認してください。3つ目は、キャパシティが満杯の可能性です。オンラインのAgentでも、並列度やディレクトリの上限に達していると作業がキューに残ることがあります。
2つのAgentが同じリポジトリで同時に作業できますか？
はい、一時作業ディレクトリを使えば可能です。各Taskが分離されたディレクトリを得て、リポジトリベースの実行は実行ごとに別々のgit worktreeを準備するため、並列Task間の干渉が減ります。指定ディレクトリは逆で、設定された1つのパスが同時に1つの実行にしか対応しません。
Sharkly Agentsをリモートサーバーで実行できますか？
はい。リモートホストにSharkly CLIとローカルサービスをインストールし、Computersページで生成したワンタイムのインストールトークンで登録します。ローカルサービスはSharklyへ外向きに接続するため、一般的な構成ではインバウンドポートは不要です。リモートComputerはチーム共有のキャパシティに、ラップトップは個人の実験に向いています。
最初のTaskは何にすべきですか？
明確な境界とレビュー可能な出力がある読み取り専用の作業がよいです。ドキュメントでは、認証エラーパスをレビューし、ファイルを編集せずにユーザーに見える障害ケースを根拠付きで3つ報告することが提案されています。コードベースの小さく実際の領域ならどれでも構いません。「コードを改善する」のような曖昧な最初のTaskは避けてください。範囲を定めていないものはレビューできません。
