
全 1780 件 (Qiita で絞り込み) · 30 / 89 ページ



Claude API でツール呼び出しを繰り返すエージェントのコンテキスト溢れに対応する Context Editing 機能を Python で実装する方法を解説。context_management パラメータで古い tool_result を自動削除する一方、プロンプトキャッシュ破壊による追加コスト、重要なツール結果の誤削除、extended thinking との併用時の予期しない挙動という 3 つの実装上の落とし穴と対策(clear_at_least の増大、exclude_tools の活用、thinking ブロックの計測)を実例で紹介。



Claude Max プラン 5x と 20x の週次トークン上限(約7.3億と29億トークン)と追加クレジットの単価を比較し、Fable 5 使用想定で月額 $100 の差分をどちらで補うべきかを試算。週の消費が 95% 以下なら 20x が、それより早く枯渇なら追加クレジットが有利との結論。ただしトークン上限の正確値が非公開のため、実際の利用パターンと無駄遣い削減の余地も重要。

Claude Codeの長時間セッションでコンテキストウィンドウ圧縮により直前の設計判断や制約が失われる課題に対し、モデル層・アプリ層・ハーネス層の3層から対策方法を比較。PreCompact hookで決定的な情報をファイルに退避し、SessionStart hookで復元する一方向設計により、全セッションに自動で適用可能な汎用対策を実現。Bash実装例を交えて選定理由と運用方法を解説。

git pull などの単純なコマンド実行で毎回 Claude を呼び出すのは非効率。ctrl-z / tmux / Codex shell mode / Claude shell mode / 指示全載せなど5つの手法を、コンテキスト長・コスト・自動化度で比較し、状況に応じた使い分けの判断表を提示。コンテキスト管理を徹底することで、エージェントの精度を保ちながらコストを削減できる。

Claude Code のサブエージェントとスキルを「対話が必要かどうか」で使い分けることで、ドキュメント自動生成の精度を高める実装方法を解説。対話を伴う要件確認はスキルに、完成度の高い生成作業はサブエージェントに任せる構成により、属人化を防ぎ自動化を安定させる。

Claude Code v2.1.234 はセキュリティ強化を中心としたアップデート。Windows 環境での NT 名前空間パス(\??\)を利用した NTLM 認証情報漏洩への対策、MCP 診断や権限プレビューにおけるシークレットマスキングの不備修正が高優先度の修正。加えてセッション自動継続や claude-api スキルのコンテキストコスト削減(200k+ トークン→約 25k トークン)など開発体験の改善も含まれる。




Claude Code 2.1.160 でカスタムサブエージェントの memory: project 機能を検証。初回セッションでプロジェクト情報を .claude/agent-memory/ に保存、独立した2回目セッションでメモリのみから正確に回答、3回目セッションで絶対パスをリポジトリ相対パスに修正できることを確認。エージェント定義と実際の動作の差異も報告。

OpenRouter の :free モデルを Claude Code で使用し、API 課金ゼロでコーディング支援を実現する方法を紹介。ANTHROPIC_BASE_URL 環境変数の差し替えで OpenRouter にルーティング可能で、用途別(コード補完は DeepSeek、レビューは Qwen3 など)に最適なモデルを選定するガイドを提供。レート制限とコンテキスト長に注意が必要。


Claude Code の AskUserQuestion 機能について、著者は毎回中断していたという経験を分析。音声入力で利用時、選択肢では答えが不足し別の枠組みが必要になることに気づく。調査の結果、事実確認(出力形式・日付など)には向くが、設計判断や軸の決定といった AI の仮説が選択肢の範囲外になる問題に直面する場合には文章での相談が適切だと結論付けた。

Claude Code の実運用で報告されている複数の問題(メッセージ一覧の不整合エラー、ツール結果の欠落)について、実際の再現確認と切り分け手順をまとめたトラブルシューティングガイド。通信状況や実行経路の確認で原因を絞り込む具体的なステップを提示。


Claude Code に導入されたマルチエージェント並列オーケストレーション機能「Dynamic Workflows」について、実運用の知見をまとめた記事。数十〜数百のサブエージェントを自動並列処理することで標準的な開発の大半をカバーでき、組織固有ルール対応には Agent Teams との併用が有効。高級モデル(Opus 推奨)の活用と大規模プロジェクトへの限定投入で費用対効果を最大化する戦略を解説。