AI製品・ツール
Claude / OpenAI / コーディングツールの参照メモ。選定・手順は セットアップ — AIツール。
製品 changelog・モデル ID の参照メモ(検証 2026-06-03)。ツール選定・実践手順の正本は セットアップ — AIツール · ルール/Plan — 3ツール早見。RAG / MCP の実装レシピは RAG・実装参考 · MCP・連携参考。
Claude 概要
一次情報: Models overview · Anthropic News
モデル一覧
用途に応じて Opus / Sonnet / Haiku を選ぶ。API 文字列は下表(エイリアスは公式表を参照)。
| モデル | API ID(代表) | 特徴 |
|---|---|---|
| Claude Opus 4.8 NEW | claude-opus-4-8 | 現行フラッグシップ(2026-05-28 GA)。長時間エージェント・複雑コーディング向け。Fast mode(speed: "fast")は API research preview |
| Claude Opus 4.7 | claude-opus-4-7 | 4.8 へ移行推奨。新規は 4.8 を既定に |
| Claude Sonnet 4.6 | claude-sonnet-4-6 | バランス型・日常の実装・RAG 生成の既定候補 |
| Claude Haiku 4.5 | claude-haiku-4-5-20251001 | 高速・分類・要約・HyDE など軽量タスク |
Web / モバイル / デスクトップ
- claude.ai — ブラウザ・iOS・Android
- Cowork — デスクトップ向けエージェント(非開発者のファイル・ドキュメント作業)
- Claude in Chrome — ブラウジングエージェント
- Claude Code — CLI エージェント(開発向け。詳細は 補足)
API 基本
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-sonnet-4-6",
"max_tokens": 1024,
"messages": [{"role": "user", "content": "Hello"}]
}'
Opus 4.8 では effort(既定 high)と adaptive thinking が中心。extended thinking の budget_tokens は Opus 4.7 系で非推奨 — 移行は Migration guide。
2026年 注目機能
- Opus 4.8 — 1M コンテキスト(API 既定)、キャッシュ最小 1,024 tokens、Claude Code の dynamic workflows
- Managed Agents(Beta)— outcomes・multi-agent・Dreaming(research preview)。概要
- Web Search(GA)— ツール呼び出しと併用
- Message Batches — 大量オフライン処理向け
Advisor Tool Beta
高速 Executor + Advisor のペア。長時間生成中の方針ガイダンス。
Claude Managed Agents Beta
マネージドハーネス・サンドボックス・SSE。マルチエージェント上限・outcomes の詳細は公式 docs を正とする。
Web Search GA
プログラマティック tool use と併用。Dynamic Filtering でノイズ削減。
Message Batches API
非同期バッチ。コスト削減に batch 料金を検討。
Claude Code(補足)
手順の正本: セットアップ — Claude Code · Phase 1 テンプレ · セットアップ 12 項 · 大規模コードベース
- Hooks — 破壊的操作・コミット前のガード(公式)
- Skills —
.claude/skills/(長手順は SKILL.md) - Subagents / Task — 調査分担(運用 — 委譲)
- MCP — 連携例は MCP・連携参考 と下表
Cowork
| Claude Code | Cowork | |
|---|---|---|
| 形態 | CLI | デスクトアプリ |
| 対象 | 開発者 | 非開発者中心 |
| 主用途 | 実装・CI・リポ操作 | ファイル整理・Office 系ドキュメント |
| スキル | /skill名 | /docx 等(製品同梱) |
| MCP | 対応 | 対応(製品設定から接続) |
MCP 連携例(Claude Code / Cursor 共通)
| サービス | できること |
|---|---|
| Obsidian | Vault 読み書き・検索 |
| GitHub | PR・Issue・コード |
| Chrome DevTools | ブラウザ検証 |
| Slack / Notion / Drive | チーム連携・ドキュメント |
OpenAI / LLM
一次情報: OpenAI Models · GPT-5.5 発表
OpenAI モデル(2026年5月時点)
| モデル | API ID(代表) | 用途 |
|---|---|---|
| GPT-5.5 | gpt-5.5 | フラッグシップ。Codex・複雑な知識作業・エージェント(1M コンテキスト) |
| GPT-5.5 pro | gpt-5.5-pro | 最高精度・長時間推論(Responses API 中心) |
| GPT-5.4 | gpt-5.4 | 汎用・コストと性能のバランス |
| GPT-5.4 mini / nano | gpt-5.4-mini 等 | 大量処理・ルーティング |
| o4-mini | o4-mini | 推論特化・コスト効率(数学・コード) |
| o3-pro | o3-pro | 最長思考の推論タスク |
旧 GPT-5 / GPT-4 系は新規開発では 5.4 / 5.5 へ寄せる。料金・スナップショットは Pricing を都度確認。
Codex(OpenAI コーディングエージェント)
CLI / IDE / クラウド。既定モデルは GPT-5.5 系。手順正本: セットアップ — Codex · ルール/Plan — Codex
- Computer use — デスクトップ・ブラウザ操作
- GitHub 連携 — PR・Issue からの自律修正
- モバイル連携 — Mac 上 Codex へのリモート(2026-05 頃の製品更新)
- Windows ネイティブ — PowerShell・サンドボックス
- AGENTS.md +
.agents/skills/— Cursor と共有可能
LLM 選択の目安(本リポジトリ運用)
| 用途 | 推奨 | 理由 |
|---|---|---|
| 複雑な設計・ADR | Claude Opus 4.8 / GPT-5.5 pro | 推論・長文の安定性 |
| 日常実装・RAG 回答 | Claude Sonnet 4.6 / GPT-5.5 | コストと品質のバランス |
| 大量要約・分類 | Haiku 4.5 / GPT-5.4 mini / o4-mini | 速度・単価 |
| GitHub 中心の PR 自動化 | Codex(GPT-5.5) | PR フローとの統合 |
AI コーディングツール
- Cursor — Plan / Agent / Ask / Debug。Rules:
.cursor/rules/· Skills:.cursor/skills/または.agents/skills/ - Claude Code — CLI 長時間自律。上記 補足
- Codex — クラウドサンドボックス・PR 連携。上記 Codex
- GitHub Copilot — IDE 内補完 + Workspace。メインは 1 本に絞り補助に回す(2章参照)
Cursor 2026 注目(changelog 追従)
- Agent Review — 完了後 Review → Find Issues(提出 — AI レビュー)
- Bugbot — PR 自動レビュー(GitHub 連携)
- Plugins / Marketplace — Rules · Skills · MCP をパッケージ導入(ルール/Plan)
- Hooks —
.cursor/hooks.jsonで stop 時検証ループ(Hooks 節) - worktree 並列 · 複数モデル比較 — 運用 — 並列
- Cloud Agent — cursor.com/agents · Background PR
ノリだけのコーディング(Vibe Coding)
仕様・テスト・レビューなしで AI に任せ続けるやり方。プロトタイプ以外では 方針 の品質ゲート(Plan・テスト・PR)と併用しない。
MCP・Tool Use の実装
プロトコル詳細・実装タブは MCP・連携参考。運用は セットアップ — MCP · 運用。
RAG(検索拡張生成)
RAG は「LLM が学習していない社内文書などを検索してから回答する」方式。パイプライン・Hybrid Search・pgvector・評価コードの正本は別ページに移した。
- RAG・ベクトルDB 実装参考 — Indexing / Hybrid / pgvector / RAGAS
- クラウド比較 — Vector DB — Pinecone / Qdrant / pgvector 選定
- セットアップ — AIツール — RAG が必要かどうかの判断は要件・データ鮮度から
最終更新: 2026-06-03(モデル ID は各社 changelog で再確認すること)