Claude Codeを実務に組み込んで気づいたこと――基礎からAgent・MCP・AWS開発まで

Claude Codeを実務に組み込んで気づいたこと——基礎から Agent・MCP・AWS開発まで

Claude Codeを実務に組み込んで気づいたこと——基礎から Agent・MCP・AWS開発まで

Model Context Protocol

日々AIと仕事をしていると、自分がこれまで必死に身につけてきたスキルがどんどん陳腐化していく感覚に襲われる。AIのほうがコード品質は高い。人間がボトルネックになる場面も増えた。それでも、AIが書いたコードの最終判断を下すのは人間だし、理解していない人間がAIを使っても、出力の良し悪しを見極められない。

コードを書く作業そのものはAIに任せられる時代になった。だが、理解することをやめてはいけない。結局、仕組みを理解している人がAIを使ったほうが圧倒的に強い。だからこそ、AIを使いながら理解を深めていくという矛盾めいた姿勢が求められる。

この記事は、社内で開催したAI勉強会の内容をもとに、Claude Codeの実践的な使い方を整理したものだ。

Claude Codeには Plan と Auto Accept の2つのモードがある。Shift + Tab で切り替えられる。

Planモードでは、ユーザの入力をもとにAIが設計方針を考えてくれる。実装に入る前にまずPlanモードで方針を立てさせ、内容を確認してから実装に移るのが定石だ。軽微な修正であっても、Planモードで方針を立てさせたほうがゴールに近づきやすい。方針が微妙であれば、指示を出して修正させればいい。

使い方はシンプルで、まず自分でフォルダを作り、そこにcdで移動してclaudeコマンドを実行する。Claude Codeが起動したら、やりたいことをチャットで伝えるだけだ。

/model でモデルを変更できる。性能は Opus > Sonnet の順

プロンプトに ultrathink や think と入れると、より深く思考させられる

/plugin でMCPサーバなどを追加できる

/agents でAgentの作成・管理ができる

/compact で会話をコンパクトにし、コンテキストの空きを増やせる

/skills で再利用可能な専門知識パッケージを管理できる

Claude Codeは起動時に CLAUDE.md と rules/ 配下のファイルを全文読み込む。つまりコンテキストを消費する。そのぶん、プロジェクト固有の指示を毎回手で書く手間が省ける。

{project}/.claude/CLAUDE.md と rules/

プロジェクト設定。git経由でチーム共有される

~/.claude/CLAUDE.md と rules/

{project}/.claude/CLAUDE.local.md

たとえば、コーディング規約やレビュー観点、使用するフレームワークの制約などをここに書いておけば、毎回プロンプトで指示しなくてもAIがそれに従って動いてくれる。

Skills——コンテキストを引き継ぐ拡張

Skillsは、コンテキストを引き継ぎながらエージェントのような動きをさせたいときに使う。

SubAgentとの違いがここにある。SubAgentでは新たなAIが起動され、コンテキストが分離される。一方Skillsでは既存のAIがそのまま使われるので、それまでの会話の流れや知識が引き継がれたまま動く。

参考リポジトリとして awesome-claude-skills が公開されている。

SubAgent——コンテキストを分けて並列開発

SubAgentは、Claude Codeの中で別のAIを立ち上げる仕組みだ。Skillsとは逆に、コンテキストを分離できる。大きなプロジェクトではコンテキストの消費が問題になるので、分離できるのは大きい。

.claude/agents/ にMarkdownファイルを配置し、@agent-{agent名} で呼び出す。複数のAgentを同時に呼び出せば、並列で開発を進められる。

{project}/.claude/agents/ # プロジェクト用（git共有）

~/.claude/agents/ # 個人用グローバル

/agents コマンドから対話的にAgentを作成することもできる。Generate with Claudeを選べば自然言語で指示を出すだけでAgentの設定ファイルが生成される。

参考リポジトリ: awesome-claude-code-subagents

開発用のAgentは役割ごとに細かく分かれている。一部を紹介する。

API設計、バックエンド開発、フロントエンド開発、フルスタック開発、マイクロサービスアーキテクチャ、モバイル開発、UI設計など。

クラウドアーキテクト、データベース管理、CI/CDデプロイ、DevOpsエンジニア、Kubernetesスペシャリスト、Terraformエンジニア、セキュリティエンジニアなど。

コードレビュー、デバッガ、ペネトレーションテスト、パフォーマンスエンジニア、セキュリティ監査など。

データ分析、データエンジニアリング、LLMアーキテクト、MLエンジニア、プロンプトエンジニアなど。

これらに加え、開発体験の改善や特定ドメイン向け、ビジネス・プロダクト向け、リサーチ向けなど、多数のAgentが用意されている。

また、Claude Codeチームが実際に使っているものとして code-simplifier がある。AIコーディングでは継ぎ足しで開発が進み、無駄なコードが増えがちだ。このAgentは既存のコードを同じ動作のままシンプルに書き直してくれる。

/plugin marketplace update claude-plugins-official

/plugin install code-simplifier

MCPはLLMと外部のデータやツールをつなぐためのオープンな標準プロトコルだ。MCPを使うとClaude Codeの能力を拡張できる。

AWS API MCP Server : AWS CLI相当の操作を自然言語で実行できる

AWS CloudTrail MCP : API操作履歴の追跡、監査

AWS IAM MCP : ユーザ・ロール・ポリシー管理の補助

AWS Cost Explorer MCP : コスト内訳、見積もり、最適化の相談

CloudFormation / Terraform MCP : IaC作成の支援

Playwright MCP : AIがWebブラウザを自然言語で操作できる

Filesystem MCP : ローカルの安全なファイル操作

Git MCP : リポジトリの検索、差分確認、操作

Fetch MCP : Webページ取得とLLM向けへの変換

CloudWatch MCP : CloudWatchから情報を取得し分析

MCPサーバは https://registry.modelcontextprotocol.io/ で探せる。

claude mcp add --transport http aws-knowledge --scope project https://knowledge-mcp.global.api.aws

claude mcp add --transport stdio playwright --scope project -- npx -y @playwright/mcp@latest

Claude CodeはWeb検索もできる。AIが知らない未知の技術でも、Web上に情報があれば検索してコーディングに活かせる。使い方は簡単で、URLをプロンプトに含めれば内容を読み取ってくれるし、「Webで検索してほしい」と伝えれば自分で検索してくれる。

作りたいものがぼんやりと頭にあるとき、AIとの壁打ちで内容を洗練させていく。たとえば、文字起こしアプリを作りたいなら「文字起こしアプリをAWSで実現するにはどんなリソースが必要？」と聞く。返ってきた内容を見て、足りないものを思い出しながら対話を続ける。

ある程度形が見えてきたら、設計図やプランを出力させる。ここで方針が違うと思えば指摘して修正させる。

設計フェーズで作らせたPlanをMarkdownに出力しておく。

AWSリソースをAIで作成する場合、CloudFormationやTerraformなどのIaCを使ったほうがいい。手順としては、設計の指示とともにCloudFormation用のAgentを呼び出し、実装させる。実装が終わったら、AWS構成図Agent、フローチャートAgent、README更新Agentを呼び出す。これでドキュメント、フローチャート、構成図が自動生成される。