Confer — プロダクト定義

一言で言うと

Confer は「AI 代理人どうしが互いに対話する」ためのプロトコルおよびプラットフォーム です。各ユーザー/企業が自分自身の AI Agent をデプロイし、自分の知識・ドキュメント・サービス能力をそこに載せます。ユーザーは自分の Agent を通じて他者の Agent とやり取りし、情報を取得し、タスクを調整し、仕事を完遂します。

私たちが解決する課題

核心となる痛点

知識がドキュメントの中に閉じ込められ、必要としている人と理解している人がかみ合いません。

• B 向け：開発者がサードパーティのハードウェア/SDK/サービスを統合する際、数千ページに及ぶ PDF/Word/Web ドキュメントを読み込まなければなりません。ベンダーの技術サポートはレスポンスが遅く、時差もずれ、正確とも限りません。Claude Code などの AI プログラミングツールも、この「長大なドキュメント + ベンダー固有の知識」を正確に扱うことができません。
• C 向け：サービス（レストラン、リフォーム、家事代行、医師）を探そうとすると、電話で問い合わせるか、あちこち打ち込んで検索するしかありません。友人がオフラインだったり多忙だったりすると連絡がつきません。

既存ソリューションの限界

Confer の核心となる仮説

専門知識/サービスを持つ各エンティティが、自分自身を「対外応答 Agent」としてパッケージ化し、その知識を必要とする人が自分の Agent を通じて質問できるようにする。 双方とも相手のドキュメントを読み込む必要はなく、専門知識は手元で回答され、対話は非同期で進みます。

ターゲットユーザー

第 1 フェーズ（MVP）：B 向け開発者

• コアな人物像：ハードウェア統合、サードパーティ SDK の組み込み、企業システム連携を手がける開発者。特に中小チームのフルスタック/バックエンドエンジニア。
• 典型的な痛点：ベンダーのドキュメントがひどい。技術サポートのレスポンスが遅い。ベンダー固有の知識が欠けていると Claude Code が頻繁に誤る。
• 意思決定権：開発者本人が自律的にツールを選べる（MCP プラグインを入れるのに上司の承認は不要）。

第 2 フェーズ：B 向け企業

• 自社の顧客/パートナーに AI サポート窓口を提供したい企業（特に産業機器メーカー、SaaS ベンダー、開発者ツール企業）。
• 従業員が企業 Agent ネットワークを通じて統一的に協働できるようにしたい中・大規模企業。

第 3 フェーズ：C 向け個人

• 自分の「AI 代表」に日常の用事（人とのアポ調整、サービス探し、友人への問い合わせ）を任せたい一般ユーザー。
• フォーマルでない対話シーン。

核心となる価値提案

Hero scenarios（4 つのエンドツーエンドのストーリー）

Scenario 1：開発者が Claude Code を通じてハードウェアを統合する（MVP の核心シナリオ）

王さんは Claude Code を使って ABC 工業の X100 デバイスの Modbus 統合を進めています。

1. 王さんは Claude Code に「X100 向けに Modbus の温度読み取りを書いて、4 系統を並行で」と指示します。
2. Claude Code はこれが ABC 工業のデバイスであり、プロジェクト内にすでに ABC の Agent が登録済みであることを分析します。
3. Claude Code は agent_network.ask_peer(peer="abc-industries", question="X100 温度寄存器和推荐功能码？") を呼び出します。
4. ABC の Agent がクエリを受け取り、自身にマウントされたマニュアル v3.2 から「0x40-0x47 が温度レジスタ、ファンクションコードは 0x03 を推奨」を見つけ出し、出典のページ番号を添えて返します。
5. 回答は自動的に .claude/peers/abc-industries/facts.md に蓄積されます。
6. Claude Code はこの検証済みのファクトを使ってコードを書きます。
7. 王さんは PR-ready なコードを受け取り、重要な判断にはそれぞれ引用が付いています。

省ける痛点：王さんは PDF を開く必要がなく、Claude Code は推測する必要がなく、回答はベンダーの権威あるものであり、次回似たコードを書くときには蓄積済みの知識が自動的に使われます。

Scenario 2：B 向け IM シーンでのマルチ Agent 協働

社内に「Modbus 統合」というプロジェクトグループがあり、そこにはエンジニア 3 名 + ABC 工業の Agent + 社内 SDK Agent がいます。

1. エンジニアの李さんがグループで @ABC Agent に「X100 が RTU モードのときの電圧範囲は？」と尋ねます。
2. ABC Agent が「24V DC、インストールマニュアル p.12 を引用」と答えます。
3. エンジニアの王さんがその回答を見て、@社内 SDK Agent に「これはうちの PowerSupply ライブラリと互換性ある？」と尋ねます。
4. 社内 SDK Agent が社内 wiki を引用して「互換性あり、ただし safe_mode=True を使う必要がある」と答えます。
5. この一連の対話は thread として自動的にアーカイブされ、次回似た問題が出たときにこの thread を引用できます。

Scenario 3：C 向けの友人間代理応答（半自動）

張さんは週末に李さんを登山に誘いたいと思っています。李さんは会議中で、AI は「日程に関する質問は代理応答可、その他の質問は保留」に設定されています。

1. 張さんが Confer で李さんに「土曜の午前、登山に行かない？」とメッセージを送ります。
2. 李さんの Agent が日程を確認します：土曜の午前は空き、午後は子守。
3. Agent が張さんに返します：「土曜の午前は空いてます。午後は子どもの送り迎えがあります。早めに出発して、午後 2 時前に戻るのがおすすめです。」
4. 李さんは会議が終わると、自分の Agent が代わりに何と返したかを確認し、追記したり修正したりできます。

Scenario 4：国境と言語を越えたベンダー連携

中国のエンジニアの陳さんが、ドイツの Vendor X の産業機器と連携します。

1. 陳さんが中国語で「X デバイスは 100ms 以内に何系統採取できる？」と尋ねます。
2. 中国語の質問がドイツ語に翻訳され、Vendor X のドイツ語 Agent に送られます。
3. ドイツ語 Agent が自社のドイツ語マニュアルを引用して「128 系統、p.45」と答えます。
4. 回答は中国語に翻訳されて陳さんに返され、引用部分はドイツ語の原文 + 中国語の注釈を保持し、クリックすると元のページを確認できます。

Non-goals

Confer が明確に やらないこと：

• ❌ 自前で大規模モデルを学習する（OpenAI / Anthropic / DeepSeek などの API を使う）
• ❌ Slack / 飛書 を置き換えて企業向けフル機能 IM をやる（Agent 協働に集中し、通常のチャットはおまけ）
• ❌ Claude Code を置き換える（Claude Code の協働パートナーであって、競合製品ではない）
• ❌ 自前の決済/契約/法務システムを作る（これらは既存の SaaS に任せる）
• ❌ 公開された「AI ソーシャルネットワーク」（Moltbook のような Agent どうしが勝手に遊ぶ形態）

成功指標（おおまかに）

戦略的洞察

Claude Code 統合がコールドスタートの突破口 です。開発者というユーザー層は購買力が高く、意思決定が速く、片側だけで採用が完結します（MCP プラグインを 1 つ入れれば使い始められる）。まず開発者を惹きつけ、次に彼らの会社へ浸透し、さらに彼らの会社のベンダーに対外 Agent をデプロイしてもらう。これは 逆方向の顧客駆動による供給側拡散経路 であり、従来の「先に B、後に C」や「先に C、後に B」よりも実現可能性が高いのです。