AIエージェントが2つのHugging Face Spaceを連携させ、3Dパリのギャラリーを構築
本記事は、コーディングエージェントを活用し、複数の最先端AIモデル（Hugging Face Spaces）を「つなぎ合わせる」ことで、いかにして複雑なマルチメディア作品が生成可能になったかを解説している。
筆者は、画像生成や3D再構築ツールに直接触れることなく、コーディングエージェントに指示を出すだけで、パリのモニュメントをテーマとした美しい3Dガウス・スプラット（Gaussian splats）ギャラリーウェブサイトを完成させた。このプロセスは、「ビルディングブロック経済」という概念に基づいている。
具体的には、以下の2つのHugging Face Spaceが連携された。一つ目は`ideogram-ai/ideogram4`であり、各モニュメントの画像を暗い背景の「標本」として生成した。二つ目は`VAST-AI/TripoSplat`であり、この単一画像から3Dガウス・スプラット（.ply形式）を再構築した。エージェントは、これらの出力を受け取り、さらにY軸反転や自動フレーミングといった「接着剤」の作業を行い、最終的にThree.jsビューアを用いた静的なSpaceとしてデプロイした。
筆者は、AIがゼロから全てを構築する能力よりも、「証明された部品（コンポーネント）」を組み合わせて機能させる能力に優れている点を指摘。Hugging Face Spacesは、単なるモデルのホスティング場所ではなく、`agents.md`というテキストファイルを通じて、エージェントに対してAPI呼び出し方法や認証情報などを明確に公開している点が画期的である。これにより、開発者は個別のSDKを組むことなく、まるでnpmパッケージのように複数のAI機能を連携させることが可能となり、これが今後のマルチメディアソフトウェア開発の主流になると論じている。
背景
近年、生成AIは単体のモデル性能向上だけでなく、複数の異なる機能を持つモデルを組み合わせて複雑なタスクをこなす「エージェント化」が進んでいる。本記事で紹介されたHugging Face Spacesの連携は、このマルチモーダルAI開発における新たな標準的なワークフローを示している。
重要用語解説
- ガウス・スプラット (Gaussian splats): 点群データを用いて3D空間を表現する技術の一つ。従来のメッシュモデルよりも軽量かつリアルタイムなレンダリングが可能であり、単一画像からの3D再構築に利用される。
- Hugging Face Spaces: AIモデル（特に生成AI）をデモやインタラクティブな形で公開・実行できるプラットフォーム。複数の異なる機能を連携させる「ビルディングブロック」としての役割を果たしている。
- エージェント (Agent): 特定の目標達成のために、自律的に計画を立て、外部ツール（APIなど）を呼び出しながらタスクを実行するAIシステム。本記事では、このエージェントがSpaces間のデータフローを自動で構築した点が重要である。
今後の影響
この「ビルディングブロック経済」の進展は、ソフトウェア開発のパラダイムシフトを引き起こす。専門的な知識を持つ人間による手動での統合作業が減り、AIエージェントが複数のオープンソースコンポーネントを組み合わせて複雑なアプリケーションを迅速にプロトタイプ化できるようになるため、開発サイクルが劇的に加速する。