パッケージ開発×AIエージェント導入記 - ecbeing labs（イーシービーイング・ラボ）

こんにちは！入社2年目のYです。普段は、ECパッケージ「ecbeing」の製品開発を行っています。

パッケージ開発では、コードベースが大きいため既存コードの読み解き・影響調査に時間がかかります。そこで業務効率化のために、部署としてAIエージェントを試験導入してきました。具体的には、GitHub Copilot → Claude Code → Codex の順に、各種AIエージェントツールを使いこみました。

本記事は、各エージェント活用時の所感とポイントをまとめたものです。あくまで私の環境での実感値ですが、これからAIエージェントを導入する方の参考になれば嬉しいです。

はじめに
- 参考：当時の使用モデル
AIエージェントとは
GitHub Copilot：VSCodeとの親和性が魅力
- ポイント
- GitHub Copilot公式ページ
Claude Code：“推進力”が高く、プロトタイプが爆速で立ち上がる
- ポイント
- Claude Code公式ページ
Codex：少ない指示で“意図を汲んでくれる”。長時間タスクと検証に強く、成果物が安定
- ポイント
- Codex公式ページ
情報はすぐ古くなる。最新情報を追い続けることが重要
開発中に得た学び
まとめ
お知らせ

はじめに

多機能パッケージとして成長を続けるecbeingの開発現場では、日々、複雑な既存コードに向き合いながら機能の改修や追加を進めています。過去の判断の意図を理解しながら機能実装を進めることも開発の重要なプロセスになっています。

そんな現場の負荷軽減策として、部署では数か月単位のスパンでAIエージェントの「GitHub Copilot」、「Claude Code」、「Codex」を試験導入していきました。試験導入期間を通じて、３つのエージェントの得意分野や課題を体感しながら開発フローに馴染ませていきました。

ここで述べる所感は当時のバージョン・使用モデルに基づくものです。各AIエージェントは恐ろしいほどの速さで進化を続けているので、実際に導入する際は最新の公式情報を必ずチェックしてください。

参考：当時の使用モデル

Github Copilot：GPT-5（用途に応じClaude Sonnet4やGemini 2.5 Proも使用）
Claude Code：Claude Sonnet4
Codex：GPT-5 Codex

AIエージェントとは

AIエージェントは、大規模言語モデル（LLM）を活用し、自然言語による指示を解析してタスクの分解や実行を補助するソフトウェアです。チャットボットと似ていますが、単に回答するだけでなく、状況を踏まえてリサーチ・コード生成・検証といった具体的なアクションを連続的にこなせる点が特徴です。

GitHub Copilot：VSCodeとの親和性が魅力

最初に触れたのは GitHub Copilotでした。ここで一番刺さったのはVSCodeとの親和性です。

Claude Code や Codex にも VSCode 拡張はありますが、GitHub Copilot は VSCode の一部として組み込まれている感触が強く、UIの流れやキーバインド・エディタ操作との連携がとにかくスムーズです。慣れ親しんだVSCodeのインターフェース上でAI統合が行われているので、「考える→試す→直す」の周回速度が上がりました。

気軽に使いたいときは Ctrl+I で Copilot Inline Chat を開き、「ここの引数を○○という命名に揃えて」などと頼み、返ってきた差分を適用できます。他にもGitコメント生成など、ちょっとした作業をエディタ内で完結できるのが便利でした。

また、チャット内で使うMCP ツール（Model Context Protocol）も拡張機能のような感覚で追加できるのも快適でした。

ポイント

VSCodeとの親和性：長年使い慣れた環境内で作業をサポート。
小回りが効く：エディタ内で軽いタスクを省力化できる機能が豊富。
MCPツールの導入容易性：VS Code拡張感覚でツールを増やせるのが便利。

GitHub Copilot公式ページ

github.com

Claude Code：“推進力”が高く、プロトタイプが爆速で立ち上がる

次に使用した Claude Code についてです。 短い指示から走り出す“推進力”があり、プロトタイプを瞬時に立ち上げる局面で抜群に強さを発揮しました。初動が速いぶん、アイデアのデッド＆リトライが軽くなり、試作サイクルが明らかに加速しました。

推進力が裏目に出ることもあり、勢いがありすぎて意図より一歩先へ行くケースがありました。そこで「まず計画、次に実装。各ステップで私の承認を待つ」といったフェーズ分けをすると安定しました。

サブエージェント機能（Sub Agents）を活用すると、主エージェントのコンテキストを消費せずに補助タスクを並列処理できるのも特徴です。長い議論を維持したまま、調査や補助的な要約を任せられるため、メインの会話をスリムに保てました。なお、現在ではサブエージェント機能が他エージェントにも実装されつつあるようです。

※サブエージェント機能（Sub Agents）とは、メインの会話とは別スレッドで動く補助役にタスクや専門分野ごとに役割を委任できる仕組みです。Claude Code では、サブエージェントの振る舞いを定義でき、メインの会話から呼び出せるようになっています。

ポイント

“推進力”：プロトタイプを瞬時に立ち上げる局面で抜群に強さを発揮。
推進力が裏目に出ることも：先走る場合はフェーズ分けで安定。
サブエージェント作業分担：作業の一部をサブエージェントに任せ、主エージェントのコンテキストを節約。

Claude Code公式ページ

docs.claude.com

Codex：少ない指示で“意図を汲んでくれる”。長時間タスクと検証に強く、成果物が安定

Codexを用いた開発では、以前よりも“少ない指示”で良い形にまとめ上げる場面が増えました。仕様の意図をくみ取り、設計→実装→検証までを丁寧に進める姿勢が印象的です。

特に、長時間のリファクタや調査タスクを任せたときの思考力が高く、成果物の精度と差し戻しの少なさにつながりました。

粘り強く検証を回す反面、完了までの時間が伸びることもあるので、待ち時間を見越して他タスクを並列で進める進行スタイルに慣れておくと効果を最大化できます。

ポイント

少ない指示でも意図を汲む：目的中心の短いプロンプトでも設計の前提を補完して前進してくれる。
成果物の精度の高さ：段階を踏みながら自分で検証→修正ループを回し、精度の高い成果物を提供。
待ち時間が長くなりがち：待ち時間が長くなりがちなため、他タスクを並列で進めるスタイルに慣れておくと効果的。

Codex公式ページ

developers.openai.com

情報はすぐ古くなる。最新情報を追い続けることが重要

ここまで、エージェントごとの所感をまとめてきましたが、各エージェントは恐ろしいほどのペースで機能改善が入ります。この記事の所感は当時のバージョンでの実感であり、今この瞬間の最新挙動とは違う可能性があります。

そのため、各エージェントのアナウンスやリリースノートを定期的に確認し、最新情報を追い続けることが重要です。ここをサボると、エージェントの性能を最大限に引き出せず、せっかくの投資が無駄になってしまう恐れがあります。

開発中に得た学び

AIエージェントを利用した開発の最中に得た学びを紹介します。

既存コードを提示して依頼：参照元パスと対象を明示すると、コードのスタイルや慣習を踏まえた提案が返ってきました。特に規模の大きいリポジトリでは、フォルダパスや参考ソースを依頼文と一緒に渡すだけで精度がぐっと上がります。
1チャットで全部依頼しない：1チャット内で複数依頼すると、履歴が混ざって精度が落ちたため、1チャット1タスクに分けるルールを採用。会話を分割するだけで回答の揺れが解消されました。
並列依頼：AI生成の待ち時間を有効活用するため、複数チャットを並列で走らせる運用にしました。待ち時間に他タスクを進められるようになり、生産性が向上しました。ただし、チャットが増えすぎると人間側がボトルネックになるため、適切な数に留める必要があります。
プロンプトと手順の“資産化”：うまくいった依頼文をテンプレ化して誰でも再利用できるようにすることで、再現性を高めました。