AI活用事例読了 7 分

Claude Codeがプロジェクト全体を自律的にこなす作業環境として注目

Shiritomo編集部 @shiritomoAI_jp 2026年7月31日更新

「クッソワロタ」という一言とともに拡散されたのは、とある求人票のスクリーンショットでした。
応募要件の欄に書かれていたのは「Claude Codeの経験10年以上」。
Claude Codeが世に出てからまだ2年も経っていないのに、です。

この投稿が62万回以上表示され、2500件超のいいねを集めたという事実は、Claude Code（Anthropicが提供するAIコーディングツール）がそれだけ開発者の日常に浸透している証でもあります。
AI活用に関心がある方なら、コードを書かない業務でも「同じような使い方ができないか」と気になるはずです。
この記事では、Claude Codeがなぜコード生成ツールの枠を超えて注目されているのか、CLAUDE.md・SKILL.md・MCPという3つの仕組みを軸に整理します。

先に結論をまとめると：
– Claude Codeは、ファイル読み込み・コマンド実行・外部ツール連携までを一貫してこなす「作業環境」として使われ始めている
– CLAUDE.md（プロジェクトのルールを書いたファイル）とSKILL.md（繰り返し作業を手順化したファイル）で、毎回同じ指示を打ち込む手間を減らせる
– MCP（外部サービスとAIをつなぐ共通規格）を使うと、GitHubやSentryなどのツールとやり取りしながらコードレビューやエラー調査までAI内で完結できる

Claude Codeで何が起きているのか

TJOさんの投稿が象徴しているのは、Claude Codeが「たまに使うツール」から「毎日触るインフラ」へと立ち位置を変えつつあるという状況です。

クッソワロタ＞職務要件に「Claude Codeの経験10年以上」 https://t.co/VmReIMeVrW
— TJO (@TJO_datasci) 2026年7月30日

Anthropicの公式ドキュメントによれば、Claude Codeはターミナル上で動作し、ユーザーがファイルを手動でコンテキストに追加しなくても、必要に応じてコードベースを自ら探索していく設計になっています。
コード生成だけでなく、ファイル読み込み、コマンド実行、MCPを通じた外部ツール連携までを一つの流れでこなせる点が特徴だと説明されています。
ただ、機能の存在だけでは「なぜ求人票に書かれるほど重視されるのか」までは見えてきません。
そこで、実際に日々の作業効率を変えている仕組みを一次情報で確認してみました。

調べて分かったこと

SKILL.mdで繰り返し作業をどう再利用するのか？

Anthropicの公式ドキュメントでは、SKILL.md（Claudeに手順を教えるためのファイル）は「同じ指示をチャットに何度も貼り付けている」「CLAUDE.mdの一部が手順書のように膨らんできた」ときに作るものだと説明されています。
SKILL.mdの本文は実際に使われるときだけ読み込まれる仕組みで、CLAUDE.mdに全部書き込む場合と違い、普段はほとんどコストがかからないとされています。
頻繁に使う定型作業ほど、SKILL.mdに切り出す価値があるわけです。

実際にこの仕組みへの期待は幅広い分野に広がっているようです。

Claude Codeエグい。ガチで株トレードに革命が起きるわこれ。爆上げ条件満たした銘柄の自動ピックアップをまずは組み込みたい
— とぐろ (@togro_trade) 2026年7月30日

株トレードの自動ピックアップ条件を組み込みたいという発想も、要は「毎回同じ条件判定をAIに覚えさせず、スキルとして固定化したい」という話です。
SKILL.mdは本来コーディング支援の文脈で生まれた仕組みですが、繰り返しの作業手順を一度教えて使い回すという発想は、業種を問わず応用が利くという点が、こうした反応から見えてきます。

MCPで外部ツール連携するとコードレビューはどう変わるのか？

MCP（Model Context Protocol：AIと外部サービスをつなぐための共通規格）は、Claude Codeを外の世界とつなぐ土台です。
公式ドキュメントには、MCPサーバーを接続することで課題管理ツールの内容をそのまま実装したり、Sentryのようなモニタリングツールのデータを確認したり、GitHub上でプルリクエストを作成したりできると書かれています。
従来は人間がコピー＆ペーストしていたエラー内容やチケットの文面を、Claudeが直接読みに行く形に変わるわけです。

この流れを受けてか、こんな声も見られました。

さすがにClaude Codeを作った人がおすすめするMCP入れないといけないね。 https://t.co/cd5YIAuw6j
— にも｜AIによって爆誕 (@ai_ai_ailover) 2026年7月29日

「作った人がおすすめするMCP」がどのサーバーを指すかは投稿だけでは特定できませんが、Claude Codeを使いこなす鍵がモデル単体の性能だけでなく、どのMCPサーバーをつなぐかという「設定」に移りつつあることは間違いなさそうです。
コードレビューやエラー調査をAI任せにできるかは、結局どんな外部ツールと接続しているか次第だと言えるでしょう。

Codexとの使い分けはどう進んでいるのか？

Claude CodeとOpenAIのCodexは、しばしば比較の対象になります。
以前の記事でも触れた通り、Claude Codeは深い推論や複雑な設計変更に強く、Codexは反復的な実装作業やGitHub連携（PR上で言及すると自動でレビューや修正提案を行うとされる機能）に強いという評価が定着しつつあるようです。
両者は競合というより、タスクの性質によって使い分ける対象として語られる場面が増えています。

Claude Code側の課題としてよく挙がるのが、コンテキストウィンドウ（AIが一度に読み込める情報量）の消費です。
技術系メディアの解説によれば、CLAUDE.mdの内容やMCPサーバーの接続情報だけで枠のかなりの部分を占めてしまうことがあるとされ、必要なMCPサーバーを絞り込む工夫が推奨されています。
動画を解析するコミュニティ発プラグインでも、フレームを間引いてトークン消費を抑える工夫がされているようです。
「便利だから何でも繋ぐ」のではなく「本当に必要な連携だけ絞る」姿勢が求められている印象です。

Shiritomo編集部の考察：ルール化とツール選定が差を生む

今回の話題を通じて見えてくるのは、AIコーディングツールの評価軸が「賢さ」から「運用のしやすさ」に移りつつあるという流れです。
CLAUDE.mdでルールを固定し、SKILL.mdで手順を使い回し、MCPで外部連携を絞り込む——この3つを整備できているかどうかで、同じClaude Codeを使っていても体感効率に大きな差が出るはずです。

SNS運用やコンテンツ制作の現場でも、応用できる発想は同じです。
毎回同じ指示をAIに打ち込んでいる作業があれば、それは「ルール化」や「スキル化」の候補です。
求人票に「Claude Code経験」が書かれるほど注目される背景には、単なる目新しさではなく、こうした運用設計そのものが評価対象になっている実態があると見ています。