LLM時代におけるDSL開発の戦略
- •膨大なコードベースと既存の診断ツールエコシステムにより、レガシー言語がLLMトレーニングを独占している。
- •新しいDSLは、ドキュメント、ブラウザベースの編集環境、強力な言語サーバーのサポートを優先すべきだ。
- •LuaやSQLなどの使い慣れた言語をDSLに組み込むことで、LLMエージェントによるコード生成の精度が向上する。
大規模言語モデル（LLM）が普及する現在、Python、Rust、Rubyといった既存のプログラミング言語は、モデルのトレーニングに使用される膨大なコードベースによって優位性を保っている。これらの言語は型チェッカー、リンター、言語サーバーといった広範なツール群に支えられており、これらがLLMエージェントに即座のフィードバックを提供することでハルシネーション（もっともらしい嘘）を防いでいる。新しいドメイン固有言語（DSL）がこの環境で定着するためには、包括的なドキュメントやマーケティングに加え、開発者のワークフローにシームレスに統合される高度なツール環境が不可欠だ。
新言語の普及戦略として、LLMとコードの対話方法の改善が重要となる。言語のバイナリから直接「AGENTS.md」ファイルを生成することで、モデルに正確なコード生成に必要なコンテキストを提供できる。実験的なウェブアプリケーションDSLであるWeb Pipeは、jq、Lua、JavaScript、SQLといった既存言語を埋め込むことで、モデルが馴染みのある構文を活かしつつパイプライン指向のアプローチを採用できるようにしている。この統合により、最小限の指示でアプリケーションを構築することが可能だ。
さらに、言語開発者はWASMを活用したインタラクティブなエディタをランディングページに統合し、アクセシビリティを確保すべきだ。従来のCLIツールと並びブラウザ実行環境をターゲットにすることで、新規ユーザーの参入障壁を下げられる。診断ツールに関しては、ランタイムと言語サーバーを単一のバイナリに同梱し、LSP APIから診断機能を分離することが重要である。これにより、ブラウザに埋め込み可能なツールを通じて、環境を問わずリアルタイムで構文エラーを指摘できるようになる。診断エコシステムの構築コストが低下するにつれ、今後数年間で新しいDSLは増加すると予測される。