論文の概要: Generation of Web Apps with Agentic IDEs: An Empirical Assessment
- arxiv url: http://arxiv.org/abs/2608.20903v1
- Date: Fri, 21 Aug 2026 09:21:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.485832
- Title: Generation of Web Apps with Agentic IDEs: An Empirical Assessment
- Title（参考訳）: エージェントIDEによるWebアプリ生成:実証的評価
- Abstract要約: Copilot、Cursor、Windsurfの3つのエージェントソフトウェアスイートを比較します。
CRUD操作や認証機能などの確立したパターンの生成において、高い成熟度を示す。
タスクキューアーキテクチャのような、あまり一般的でない分散アーキテクチャの生成は、はるかに多くのエラーを発生させる。
- 参考スコア（独自算出の注目度）: 3.3068396548848384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic IDEs are among the most significant innovations in software engineering, aiming to accelerate application development through LLM-based agents that can assist developers during development. However, their evaluation in end-to-end development tasks involving the generation of complete applications remains limited. To fill this gap, we propose a rigorous comparative analysis of three popular agentic IDEs (Copilot, Cursor, and Windsurf) in the generation of five full-stack Web applications from scratch. Results show high maturity in the generation of established patterns, such as CRUD operations and authentication features. In contrast, the generation of less common distributed architectures, such as a task queue architecture, produces significantly more errors. Overall, results show that Agentic IDEs cannot replace developers but shift their role toward building software by orchestrating LLM-based agents through natural-language instructions and iterative refinement. Yet, each agentic IDE shows its peculiarities, although differences are narrow.
- Abstract（参考訳）: エージェントIDEは、ソフトウェア開発において最も重要なイノベーションの1つであり、開発中の開発者を支援するLLMベースのエージェントを通じてアプリケーション開発を加速することを目的としている。
しかし、完全なアプリケーション生成を含むエンドツーエンドの開発タスクにおける評価は依然として限られている。
このギャップを埋めるために、我々は5つのフルスタックWebアプリケーションをスクラッチから生成する3つの人気のあるエージェントIDE(Copilot、Cursor、Windsurf)の厳密な比較分析を提案する。
その結果、CRUD操作や認証機能といった確立したパターンの生成において、高い成熟度を示す。
対照的に、タスクキューアーキテクチャのような、あまり一般的でない分散アーキテクチャの生成は、はるかに多くのエラーを生み出します。
全体として、Agentic IDEは開発者を置き換えることはできないが、LLMベースのエージェントを自然言語命令や反復的洗練を通じてオーケストレーションすることで、ソフトウェア構築に役割を移すことが示されている。
しかし、それぞれのエージェントIDEはその特異性を示しているが、違いは狭い。
関連論文リスト
- How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests [5.6795075579540395]
本研究では,人為的プルリクエスト(PR)を,人為的プルリクエスト(PR)と比較して特徴付けることを目的とする。
まず,エージェントと人為的PRのマージ率の差が時間とともにどのように変化するかを分析する。
次に、AIコーディングエージェントが主に適用される開発タスクの種類を特定します。
論文 参考訳（メタデータ） (2026-07-23T21:48:28Z) - IDE-Bench: Evaluating Large Language Models as IDE Agents on Real-World Software Engineering Tasks [0.37823923040445995]
我々は、生の端末実行を超えるDocker化されたテストハーネスを提示します。
検索、構造化ファイル編集、フルスタックアプリケーションのテストツールに高レベルの抽象化を提供する。
論文 参考訳（メタデータ） (2026-01-28T02:06:37Z) - An Empirical Study of Agent Developer Practices in AI Agent Frameworks [59.862193600499914]
大規模言語モデル(LLM)の台頭はエージェントへの関心の高まりを引き起こし、エージェントフレームワークの急速な成長につながった。
エージェントフレームワークが広く使われているにもかかわらず、それらの実践的応用とエージェント開発プロセスにどのように影響するかは未解明のままである。
開発者の80%以上が、特定の開発要件に最も適合するフレームワークを特定するのに苦労していると報告している。
論文 参考訳（メタデータ） (2025-12-01T17:52:15Z) - EvoDev: An Iterative Feature-Driven Framework for End-to-End Software Development with LLM-based Agents [18.460084059087084]
EvoDevは機能駆動開発にインスパイアされた反復型ソフトウェア開発フレームワークである。
EvoDevはユーザー要求をユーザ価値のある一連の機能に分解する。
機能間の依存関係を明示的にモデル化するフィーチャーマップを構築する。
論文 参考訳（メタデータ） (2025-11-04T09:27:01Z) - AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。
エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。
AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
論文 参考訳（メタデータ） (2025-08-22T10:35:56Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。
機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。
R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
論文 参考訳（メタデータ） (2025-05-20T06:07:00Z) - The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。
本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。
大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
論文 参考訳（メタデータ） (2024-12-06T23:43:59Z) - Agent-E: From Autonomous Web Navigation to Foundational Design Principles in Agentic Systems [1.079505444748609]
本稿では,新しいWebエージェントであるAgent-Eの構築について紹介する。
Agent-Eは、最先端のWebエージェントよりも多くのアーキテクチャ改善を導入している。
我々は,Agent-Eが他のSOTAテキストおよびマルチモーダルWebエージェントを,ほとんどのカテゴリで10～30%上回っていることを示す。
論文 参考訳（メタデータ） (2024-07-17T21:44:28Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳（メタデータ） (2023-12-28T13:50:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。