Claude Code

What You Will Learn What GitHub Agentic Workflows are How they differ from traditional GitHub Actions Benefits for Claude Code users What can be automated in a 200K-line SaaS project Key factors in the adoption decision What Are GitHub Agentic Workflows? On February 13, 2026, GitHub released this as a technical preview. Co-developed by GitHub Next, Microsoft Research, and Azure Core Upstream, it’s open source under the MIT license. In short, a mechanism for automatically running AI coding agents on GitHub Actions. ...

この記事で分かること GitHub Agentic Workflowsとは何か 従来のGitHub Actionsとの違い Claude Codeユーザーにとっての導入メリット 20万行SaaSプロジェクトで何を自動化できそうか 導入判断のポイント GitHub Agentic Workflowsとは 2026年2月13日、GitHubがtechnical previewとして公開した新機能。GitHub Next、Microsoft Research、Azure Core Upstreamの共同開発で、MITライセンスのオープンソース。 一言で言うと、GitHub Actions上でAIコーディングエージェントを自動実行する仕組み。 従来のGitHub Actionsは「こうなったら、こうしろ」をYAMLで厳密に定義する。Agentic Workflowsは「こうなったら、こういう判断をしてほしい」をMarkdownで書く。判断はAIが行う。 従来のGitHub Actions: イベント → YAML定義の手順 → 決定的な実行 Agentic Workflows: イベント → Markdown記述の目的 → AIが判断して実行 仕組み ワークフローの定義 .github/workflows/ にMarkdownファイルを置く。YAMLではなくMarkdown。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 --- on: issues: opened permissions: contents: read issues: write safe-outputs: add-comment: true add-labels: true engine: claude --- ## Issue Triage 新しいIssueが作成されたら、内容を分析して適切なラベルを付ける。 ## 判断基準 - バグ報告 → `bug` ラベル - 機能要望 → `enhancement` ラベル - 質問 → `question` ラベル - セキュリティ関連 → `security` ラベル + 優先度を上げる ## コメント トリアージ結果をコメントとして残す。 フロントマターでトリガー、権限、使用するAIエンジンを指定し、本文に自然言語で「何をしてほしいか」を書く。 ...

この記事で得られること Claude Code Agent Teamの仕組みと使いどころ ソロ開発者がAgent Teamを使う具体的なユースケース 実際のタスクリスト・チーム構成の実例 通常のサブエージェントとの違いと使い分け 前提：1人開発の「壁」 第6回で、Claude Codeを使って22万行のSaaSを1人で開発している話を書いた。AIが「10人分の手」として機能し、仕様策定から実装、テストまでを高速にこなしてくれる。 しかし、Claude Codeを使い込むほど、1つの限界が見えてきた。 Claude Codeは1つのセッションで1つのことしかできない。 人間のチーム開発なら、AさんがAPIを実装している間にBさんがテストを書き、Cさんがコードレビューをする。しかしClaude Codeは1つのセッションで逐次的にしか動かない。PRを5件マージする作業も、1件ずつ順番に処理するしかなかった。 Agent Teamは、この制約を壊す機能だ。 Agent Teamとは何か Agent Teamは、複数のClaude Codeインスタンスを1つのチームとして協調動作させる機能だ。2026年2月にResearch Previewとしてリリースされた。 通常のClaude Code: 1セッション ──→ 逐次処理 Agent Team: Team Lead ──→ Teammate A ──→ 並列処理 ├→ Teammate B ──→ 並列処理 └→ Teammate C ──→ 並列処理 通常のサブエージェント（Taskツール）との違いは明確だ： 特徴 サブエージェント（Task） Agent Team コミュニケーション 親に報告するだけ メンバー間で直接会話できる コンテキスト 親のコンテキストを共有 各自が独立したコンテキストを持つ タスク管理 なし 共有タスクリスト（依存関係付き） 人間の介入 親経由のみ 各メンバーに直接指示可能 用途 調査、単発の作業委任 複数トラックの並行作業 サブエージェントが「部下に仕事を投げて結果を受け取る」なら、Agent Teamは「チームを編成してプロジェクトを回す」感覚に近い。 ...

What You Will Learn How Claude Code Agent Teams work and when to use them Concrete use cases for solo developers using Agent Teams Real examples of task lists and team configurations Differences between regular subagents and Agent Teams, and how to choose The Wall of Solo Development In Part 6, I wrote about developing a 220,000-line SaaS application alone using Claude Code. AI functions as “ten extra pairs of hands,” rapidly handling everything from specification drafting to implementation and testing. ...

What You’ll Learn The reality of large-scale development with Claude Code What to delegate to AI vs. what requires human judgment Actual workflow with a 200K-line codebase The Project in Numbers Metric Value Lines of code ~200K (Go 84K + TypeScript 113K) Development period ~3 months (Oct 2025–) Commits 311 Developers 1 Portals 4 (System / Provider / Reseller / Consumer) APIs 4 (dedicated to each portal) One person. Three months. 200K lines. ...

この記事で得られること Claude Codeを使った大規模開発のリアル AIに任せていいこと、人間が判断すべきこと 20万行のコードベースでの実際のワークフロー 数字で見るプロジェクト 項目 数値 コード行数 約20万行（Go 84k + TypeScript 113k） 開発期間 約3ヶ月（2025年10月〜） コミット数 311 開発者 1人 ポータル 4つ（System / Provider / Reseller / Consumer） API 4つ（各ポータル専用） 1人で、3ヶ月で、20万行。 正直に言うと、このコードの大半はClaude Codeが書いた。私がやっているのは、方向性を決めて、レビューして、判断すること。 Claude Codeとは Anthropicが提供するCLIベースのAIコーディングエージェント。ChatGPTやCopilotとの違いは： 自律的に動く: 「この機能を実装して」と言えば、ファイルを読み、コードを書き、テストを実行する コンテキストが広い: 20万トークン（約15万行相当）を一度に理解できる CLIネイティブ: VSCodeに依存せず、ターミナルで完結 実際のワークフロー 1日の流れ 朝: Issueを1つ選ぶ ↓ Claude Code: 「この機能を実装して」 ↓ Claude Code: 仕様書（spec.md）を生成 ↓ 私: レビュー、修正指示 ↓ Claude Code: 設計書（plan.md）を生成 ↓ 私: レビュー、承認 ↓ Claude Code: 実装 ↓ 私: 動作確認、コードレビュー ↓ Claude Code: テスト作成 ↓ 私: マージ 私の作業時間は1日2-3時間。残りはClaude Codeが動いている間に別のことをしている。 ...

この記事で得られること 「1人で作れる規模」を超えたシステムに挑む際の考え方 複雑なマルチテナントシステムの設計概要 手動テストゼロを実現する自動化戦略 はじめに 「1人で保守できないものは作るな」 ソロ開発の鉄則だと思う。でも、あえてその限界に挑戦してみたくなった。 AIコーディングエージェント（Claude Code、GitHub Copilot等）を数カ月実務で使ってきて、「これなら1人でも複雑なものを作れるかもしれない」と思い始めた。ただし条件がある。徹底的な自動化だ。 このブログでは、マルチテナント型サブスクリプション管理システム「Saru」の開発記録を残していく。複雑なシステムを1人で作り切るために、何を自動化し、どう設計したかを共有する。 なぜ「保守できない複雑さ」に挑むのか AIコーディングエージェントで「ちょっとしたもの」ではなく「本格的なもの」を作ってみたい 1人では普通作れない規模のシステムに、自動化でどこまで対抗できるか試したい 失敗しても学びになる。成功すれば再現可能なノウハウになる Saruの複雑さ 4階層のアカウント構造 一般的なSaaSは「管理者 → ユーザー」の2階層。Saruは4階層ある。 階層 役割 説明 System プラットフォーム管理 全体を統括 Provider サービス提供 SaaSや商品を提供 Reseller 販売代理 Providerのサービスを販売 Consumer 購入・利用 サブスクリプションを購入 さらに： ResellerがPROVIDE権限を持つと独自サービスも提供可能 ConsumerがPROVIDE権限を持つとCreator（個人事業者）になれる この柔軟性が複雑さの源泉であり、差別化ポイントでもある。 4ポータル × 4API 各階層に専用のフロントエンドとAPIがある。 ポータル API ポート System Portal system-api 3001 / 8080 Provider Portal provider-api 3002 / 8081 Reseller Portal reseller-api 3003 / 8082 Customer Portal customer-api 3004 / 8083 ポータルは動的サブドメインで分離（例: provider-xxx.example.com） ...

What You’ll Learn How to approach building systems that exceed “what one person can maintain” Overview of complex multi-tenant system design Automation strategy to achieve zero manual testing Introduction “Don’t build what you can’t maintain alone.” I believe this is a fundamental rule of solo development. But I wanted to challenge that limit. After using AI coding agents (Claude Code, GitHub Copilot, etc.) in production for several months, I started thinking, “Maybe I can build something complex on my own.” But there’s a condition: thorough automation. ...