2026年の「AIコーディング自動運転」最前線：CLI/IDEエージェントを"市場の現実"込みで選ぶ

┌─────────────────────────────────────────────────┐
│  2026年のAIコーディングツール状況                │
├─────────────────────────────────────────────────┤
│ IDE統合型                                        │
│   - GitHub Copilot（VS Code, JetBrains統合）    │
│   - Cursor（VS Codeフォーク）                   │
│   - Cody（Sourcegraph）                         │
│                                                 │
│ エージェント型（CLI/自律）                       │
│   - Claude Code                                 │
│   - Gemini CLI + Antigravity                    │
│   - Devin / OpenDevin                           │
│   - aider                                       │
│                                                 │
│ API型（組み込み）                                │
│   - OpenAI API                                  │
│   - Anthropic API                               │
│   - Google Gemini API                           │
└─────────────────────────────────────────────────┘

❌ よくある比較軸
├── ベンチマークスコア（SWE-bench等）
├── 生成速度
├── 対応言語数
└── 価格

→ 「賢さ」に偏りすぎ
→ 本番で事故った時の対処が見えない

✅ 運用視点の比較軸

1. 可観測性
   - 何をしたか追跡できるか
   - ログ、履歴、undo

2. 制御可能性
   - 途中で止められるか
   - 権限制限ができるか

3. 復旧容易性
   - 事故った時に戻せるか
   - ロールバックの速度

4. 統合性
   - 既存ワークフローに乗るか
   - CI/CD、レビューとの接続

5. チーム適合性
   - 組織のセキュリティ要件を満たすか
   - 学習コスト、サポート体制

# 比較実験プロトコル

## 対象タスク（3種類）

1. バグ修正 + 回帰テスト追加
2. 依存ライブラリのminor更新
3. リファクタリング（関数抽出）

## 比較環境

- 同一リポジトリ
- 同一タスク定義（handoff.md）
- 同一評価者

## 評価手順

1. ツールAでタスク1を実行
2. ツールBでタスク2を実行
3. ツールAでタスク3を実行
4. ツールBでタスク1を実行
5. ... （交互に実施）

## 記録項目

- Lead time
- CI pass rate（初回）
- Rework count
- Review burden
- 手戻りの質（修正が的確か）

# Tool Comparison - 2026-02-07

| 指標             | Tool A | Tool B | 差分   |
| :--------------- | :----- | :----- | :----- |
| Lead time (avg)  | 45min  | 52min  | A +15% |
| CI pass rate     | 75%    | 80%    | B +5%  |
| Rework count     | 2.3    | 1.8    | B +22% |
| Review burden    | 4件    | 3件    | B +25% |
| 禁止領域アクセス | 0回    | 0回    | 同等   |

## 定性評価

- Tool A: 探索が速いが、修正が雑になりがち
- Tool B: 慎重だが、自信があるコードを書く

ai/experiments/
├── 2026-02-07-tool-a-task1/
│   ├── handoff.md        # 入力（タスク定義）
│   ├── prompt.md         # 実際に使ったプロンプト
│   ├── commands.log      # 実行コマンド履歴
│   ├── diff.patch        # 変更差分
│   ├── ci-result.md      # CI結果
│   └── review-notes.md   # レビュー指摘
├── 2026-02-07-tool-b-task1/
│   └── ...

# Failure Recovery Log

## Task: #123 - Tool A

### 失敗時点

- 時刻: 10:30
- 状態: テスト失敗（auth.test.ts）
- 原因: タイムアウト値の単位ミス

### 復旧アクション

1. 10:32 - エラーメッセージ確認
2. 10:35 - AIに再実行指示
3. 10:40 - 修正完了、CI Pass

### 所要時間: 10分

### 根本原因: handoffに単位が明記されていなかった

┌────────────────────────────────────────────────┐
│  成果への影響度（仮説）                         │
├────────────────────────────────────────────────┤
│                                                │
│  高 ┬──────────────────────────────┐          │
│     │  役割設計（Root/Worker分離）  │          │
│     │  ガードレール（MCP/禁止領域） │          │
│     │  handoff品質（明確な仕様）    │          │
│     ├──────────────────────────────┤          │
│     │  観測（metrics/ログ）         │          │
│     ├──────────────────────────────┤          │
│     │  ツール選択                   │          │
│  低 └──────────────────────────────┘          │
│                                                │
└────────────────────────────────────────────────┘

1. 組織のセキュリティ要件を満たすか
   → 満たさないツールは候補外

2. 既存ワークフローに統合できるか
   → CI/CD、レビュープロセスとの接続

3. チームの学習コスト
   → 全員が使えるか、一部の人だけか

4. 可観測性・制御可能性
   → 事故時の対応ができるか

5. 性能・価格
   → 上記が同等なら、ここで差別化

## メイン: Gemini CLI + Antigravity

- 理由: MCPサポート、ガードレール設計のしやすさ
- 課題: セットアップが複雑

## サブ: Claude Code

- 理由: コード理解の深さ、レビュー向き
- 課題: 長時間タスクでの安定性

## IDE補完: GitHub Copilot

- 理由: VS Code統合、チーム全体で使える
- 課題: エージェント機能は限定的

# ai/tool-comparison.md

## 実験: バグ修正 #123

### Tool A（例: Cursor）

- 開始: 10:00
- 終了: 10:45
- CI: PASS（初回）
- Rework: 0

### Tool B（例: Claude Code）

- 開始: 11:00
- 終了: 11:30
- CI: FAIL → PASS
- Rework: 1

### 考察

- Tool Aは速いが、Tool Bのコードの方が読みやすかった
- 次回はhandoffを詳細にして再実験