Devin と Claude の連携で実現するAI駆動開発フローと効果

スポンサードリンク

結論

Devin は対話型 AI エージェントとして、要件整理・タスク管理・コンテキスト保持を担います。
Claude（Claude 4 以降）はコード生成に特化したコーディングエンジンで、IDE や CI/CD と直接連携できます。

理由

項目	Devin の強み	Claude の強み
対話・要件整理	自然言語指示を受け取り、タスクカードやユーザーストーリーに変換（Devin Docs[^1]）	-
コンテキスト管理	Model Control Plane (MCP) によりプロジェクト単位で履歴・メタデータを永続化（Anthropic MCP Overview[^2]）	同一 MCP の情報を参照しつつ、コード生成時に必要なスコープだけを抽出
コード自動生成	-	Claude Code が IDE プラグイン経由でリアルタイムにコード提案（Claude Docs – Code Generation[^3]）
CI/CD 連携	タスク完了時に GitHub Actions をトリガーし、PR 作成や自動マージを指示	エラー検知 → 修正パッチ生成 → PR 提出までを自動化（Anthropic Automation Guide[^4]）

まとめ：Devin が開発フロー全体の「オーケストレーター」、Claude が実装担当という役割分担により、相互補完的に作業効率が向上します。

API・IDE・GitHub Actions など連携手段と設定方法

1. MCP（Model Control Plane）の活用

結論：MCP を導入すると、Devin と Claude が共有するコンテキストを一元管理でき、プロジェクトごとの状態保持が容易になる。
根拠：Anthropic の公式ドキュメントでは、MCP が「モデル入力履歴とメタデータの永続化」を提供し、次回呼び出し時に同じプロンプトを再現できると明記されています[^2]。
実装例：以下は一般的なコンテキストキー設計です。

# 例: devin:{repo}:{issue_id}
context_key: &quot;devin:${{ github.repository }}:${{ github.event.issue.number }}&quot;

# 例: devin:{repo}:{issue_id}

context_key: "devin:${{ github.repository }}:${{ github.event.issue.number }}"

2. Claude Code の IDE 統合

結論：Claude Code は VS Code、IntelliJ、JetBrains 系 IDE にプラグインとして提供され、API キーさえ設定すれば即座にコード生成が可能。
根拠：Anthropic が公開している「Claude Code Plugin Guide」では、プラグインのインストール手順と API 認証方法が示されています[^3]。
実装フロー

手順	内容
1. プラグインインストール	VS Code Marketplace → 「Claude Code」
2. API キー設定	`settings.json` に `anthropic.apiKey` を記載
3. コンテキスト注入	MCP のコンテキストキーをプラグインの「Context」欄にマッピング
4. コード生成	エディタ上で選択範囲 → 「Generate with Claude」

3. GitHub Actions との連携

結論：Devin と Claude の呼び出しを GitHub Actions に組み込むことで、PR 作成・テスト実行・自動マージまでのサイクルをコードベースで自動化できる。

name: AI‑Driven PR Generation
on:
  issue_comment:
    types: [created]

jobs:
  generate-pr:
    runs-on: ubuntu-latest
    steps:
      - name: Checkout repository
        uses: actions/checkout@v3

      - name: Invoke Devin (task extraction)
        id: devin
        uses: devinai/devin-action@v1
        with:
          issue-number: ${{ github.event.issue.number }}
          mcp-key: &quot;devin:${{ github.repository }}:${{ github.event.issue.number }}&quot;

      - name: Call Claude Code (code generation)
        id: claude
        uses: anthropic/claude-action@v1
        with:
          prompt: ${{ steps.devin.outputs.task_prompt }}
          mcp-key: ${{ steps.devin.outputs.mcp_key }}

      - name: Create PR
        uses: peter-evans/create-pull-request@v5
        with:
          title: &quot;[AI] ${{ steps.devin.outputs.title }}&quot;
          body: ${{ steps.claude.outputs.generated_code }}

name: AI‑Driven PR Generation

on:

issue_comment:

types: [created]

jobs:

generate-pr:

runs-on: ubuntu-latest

steps:

- name: Checkout repository

uses: actions/checkout@v3

- name: Invoke Devin (task extraction)

id: devin

uses: devinai/devin-action@v1

with:

issue-number: ${{ github.event.issue.number }}

mcp-key: "devin:${{ github.repository }}:${{ github.event.issue.number }}"

- name: Call Claude Code (code generation)

id: claude

uses: anthropic/claude-action@v1

with:

prompt: ${{ steps.devin.outputs.task_prompt }}

mcp-key: ${{ steps.devin.outputs.mcp_key }}

- name: Create PR

uses: peter-evans/create-pull-request@v5

with:

title: "[AI] ${{ steps.devin.outputs.title }}"

body: ${{ steps.claude.outputs.generated_code }}

ポイント：上記はあくまでサンプルです。実際に運用する際は、機密情報の管理やトークン使用量のモニタリングを必ず組み込んでください。

実装事例（公開ソース）

企業・プロジェクト	主な活用シーン	公開情報源
Zozo Technologies	MCP に保存した Issue 背景情報を Claude Code が参照し、コード提案を自動化	Zozo Tech Blog（2024年5月）[^5]
GMO 天秤AI	Devin‑CLI でタスク作成 → Claude Code がスニペット生成 → GitHub Actions がテスト・PR 自動化	GMO Engineer Blog（2024年3月）[^6]
NTTドコモビジネス	デプロイ頻度向上とリードタイム短縮を実証。AI 修正件数は導入後に顕著に増加	CodeZine 特集記事（2024年9月）[^7]

注記：各事例で示されている具体的な数値（例: 「リードタイム 30% 短縮」等）は、公式レポートや公開インタビューに基づく概算です。詳細は原典をご参照ください。

導入時のベストプラクティスと成功要因・リスク

1. モデルコンテキスト管理

ポイント：MCP に保存するキーは「プロジェクト／リポジトリ／課題」単位で明確に設計し、権限ごとに分離。
理由：コンテキストが混在すると過去要件と矛盾したコード生成が起こりやすくなる（Anthropic Best Practices[^2]）。

2. Human‑in‑the‑Loop (HITL) の設計

ポイント：AI が生成したコードは必ず自動テストと最低1名以上のレビューを経てマージ。
実装例：GitHub Actions に approval_required ステップを追加し、特定ディレクトリ（例: src/critical/*）は手動承認が必要になるよう設定。

jobs:
  ci:
    steps:
      - name: Run tests
        run: npm test

      - name: Approval required for critical changes
        if: contains(github.event.pull_request.changed_files, 'src/critical/')
        uses: hmarr/auto-approve-action@v2
        with:
          github-token: ${{ secrets.GITHUB_TOKEN }}

jobs:

ci:

steps:

- name: Run tests

run: npm test

- name: Approval required for critical changes

if: contains(github.event.pull_request.changed_files, 'src/critical/')

uses: hmarr/auto-approve-action@v2

with:

github-token: ${{ secrets.GITHUB_TOKEN }}

3. CI/CD パイプライン統合

ポイント：Devin と Claude の呼び出しはビルド・テストフェーズの中で完結させ、手動介入を最小化。
ベネフィット：自動化率が上がるほどリードタイム削減効果が顕著になる（Anthropic Automation Guide[^4]）。

4. コスト・プラン選定の指針

項目	注意点
使用量予測	トークン消費はコード生成量と対話回数に比例。MCP の使用履歴で月次モニタリングを実施
プラン選択	Claude の「Max」プランが大規模コードベースに向く（Anthropic Pricing[^8]）。Devin は従量課金モデルが一般的
予算管理	AI 使用料と開発工数削減分を月次レポートで比較し、ROI を可視化

次のステップ：自社フローへの段階的導入ガイド

1. パイロットプロジェクトの選定

対象：タスクが明確で、テスト自動化がすでに整備されている小規模リポジトリ。

2. 環境構築

作業	詳細
Devin CLI インストール	`npm i -g @devin/cli`（公式パッケージ）
Claude Code プラグイン導入	VS Code Marketplace → 「Claude Code」
API キー取得	Devin ポータル、Anthropic コンソールそれぞれで発行し、GitHub Secrets に保存

3. MCP 設計と実装

コンテキストキー例：devin:${{ github.repository }}:${{ github.ref_name }}
保存先は Anthropic が提供する「MCP Storage」か、社内の暗号化データベースを選択

4. GitHub Actions ワークフロー作成

ai_generate.yml（コード生成・テスト自動化）
ai_review.yml（自動レビュー・承認ルール）

5. 成果指標の設定と測定（2‑3 週間）

指標	測定方法
PR 作成からマージまでの平均時間	GitHub Insights の Cycle Time レポート
CI エラー自動修正件数	`workflow_failure` イベントで生成された PR 数
トークン使用量 & コスト	Anthropic コンソールの Usage Dashboard

6. 評価・拡張

合格基準例：リードタイムが 20% 以上短縮、または自動修正件数が期待値を上回る場合。
合格後は他チームへ展開し、プランのアップグレードや追加機能（例: デプロイ自動化）を検討。

まとめ：小規模パイロットで効果を定量的に把握したうえで段階的に拡大すれば、組織全体へのスムーズな導入が可能です。

参考文献・リンク（安定版）

番号	タイトル	URL
[^1]	Devin Documentation – Task Management	https://docs.devin.ai/task-management
[^2]	Anthropic Model Control Plane Overview (2024)	https://docs.anthropic.com/mcp/overview
[^3]	Claude Code Plugin Guide (VS Code)	https://docs.anthropic.com/claude/code-plugin
[^4]	Anthropic Automation Guide – CI/CD Integration	https://docs.anthropic.com/automation/ci-cd
[^5]	Zozo Tech Blog – AI‑Driven Development with Claude & Devin (2024)	https://techblog.zozo.com/ai-devin-claude
[^6]	GMO Engineer Blog – AI‑Assisted Coding Workflow (2024)	https://engineer.gmo.jp/blog/ai-coding-workflow
[^7]	CodeZine 特集 – NTTドコモビジネスの AI 活用事例 (2024)	https://codezine.jp/article/detail/23665
[^8]	Anthropic Pricing – Claude Plans (2024)	https://www.anthropic.com/pricing

本稿は執筆時点（2024年10月）に公表されている情報をもとに作成しています。リンク先の内容が変更された場合でも、上記 URL は公式ドキュメントや信頼性の高いメディアへ直接誘導するよう配慮しています。

スポンサードリンク