開発環境・インフラ

ChatGPTやClaudeのようなAIはクラウドで動かすのが当たり前——そう思いがちだが、2026年には自分のPCの中だけでAIを動かす「ローカルLLM」が現実的な選択肢になった。ローカルLLMとは、AIモデルをクラウドではなく手元のPCで直接動かすこと。入力が外部サーバーに送られず（プライバシー）、API料金もかからず（コストゼロ）、ネットがなくても動く（オフライン）のが三大メリット。一方で最上位のクラウドAIほど賢くなく、相応のPCスペックと初期セットアップの手間が要るという弱点もある。本記事は、ローカルLLMの正体（ストリーミングvsダウンロードのたとえ）、メリットと弱点、必要なPCスペックと量子化（GGUF形式・Q4_K_Mが定番で品質を保ちメモリを約1/4に・4bitで1Bあたり約0.5GBの目安）、始め方（初心者はGUIのLM Studio、開発者はCLIのOllama＝2026年Q1に月5,200万DL）、2026年のおすすめモデル（Llama 3.2 7B・Google Gemma 4・Alibaba Qwen3.5・DeepSeek/Mistral等のオープンモデル）、そしてクラウドとの使い分け（機密・大量・オフラインはローカル、難問はクラウドの併用が最適）までを初心者向けに解説する。まずはLM Studioで3B〜7Bの小型モデルを1つ動かすのが最短の第一歩。

プログラミング初学者がほぼ必ず詰まる「環境構築」。2026年の生成AI（Claude Code、Codex、Cursor）は、ローカル環境構築・Dockerfile・Terraform雛形・CI/CDパイプラインなど定型インフラ作業を実用域で生成できる。HashiCorpは2026年に公式Terraform MCP Serverを公開、Anthropic Agent Skillsでインフラ知識を後付けロードできる時代になった。ただし「全部任せていい」は別問題。セキュリティグループ0.0.0.0/0開放、SSHキーGitHub漏洩、月末AWS請求$3,000——どれも実際の事故。本記事ではAIに任せていい5領域、確認しつつ任せる3つの危険領域、人間判断必須の4領域、初心者向け4ステップ安全フロー、Claude Code・MCP・Agent Skillsの最新ツール連携まで、能力評価視点で整理する。

Claude CodeやChatGPTにWebアプリの相談をすると、ほぼ確実に「Next.jsを使いましょう」と返ってくる。だがそれは「あなたに最適」ではなく「学習データに最も多いから」だ。本記事ではAIがNext.jsを勧める3つの根拠（学習データ最多/全部入り/Vercelデプロイ簡単）、JavaScript・React・Next.jsの関係、5分で決まる判断フローチャート（規模・SEO・DB・学習時間・公開先の5問）、代替4選（Astro・Vite+React・SvelteKit・HTML+Vanilla）、Next.jsを使うなら最低限知っておくべき5つの基礎（App Router・Server vs Client Components・ファイルルーティング・環境変数・デプロイ先）、初心者がハマる3つの落とし穴（全部use client化・Vercelロックイン・AIが古いPages Router構文を返す）を、2026年5月時点で整理する。「AI推奨シリーズ」の Docker 編に続く第2弾。

2026年2月、Cursorを運営するAnysphereのARRが$2Bを突破——創業3年でOpenAI・Anthropic級のSaaS収益曲線を描いている。本記事では、VS CodeフォークでありながらAIをレンダリング層に直接組み込んだCursorの仕組み（Tab補完100ms以下、272Kトークン索引、Composer/Agent/Background Agents/Bugbot等の主要6機能）、VS Codeとの5つの具体的な違い（AI統合位置、補完速度、コードベース理解、拡張機能、料金）、ライバル4社（Windsurf/Zed/Claude Code/GitHub Copilot）との使い分け、Hobby無料・Pro $20・Business $40の料金構造、そして「誰が乗り換えるべきか」の判断軸まで、2026年5月時点の事実ベースで整理する。

2025年夏、ある個人開発者が「21st.dev」というMCPサーバーを公開、マーケティング予算ゼロで6週間に月$10,000のMRRに到達した。Apify Storeでは別の開発者が月$2,000を稼いでいる。だが2026年3月時点で公開されているMCPサーバー12,000本以上のうち、収益化に成功しているのは5%未満。残り95%は「便利だけど無料」の墓場に並ぶ。本記事では勝者と敗者を分けるものは何か、4つの収益モデル（サブスク階層/従量課金/APIキー型/フリーミアム）、主要マーケットプレイス比較（MCPize 85%レベシェア / Apify / Glama / Smithery）、実例の数字、95%が陥る失敗6パターン、個人開発者向けプレイブック、企業の戦略、1〜3年後の予測までを業界調査と実データで整理する。

MCP（Model Context Protocol）は、AnthropicがGitHubに静かに置いた小さな仕様書から始まり、16ヶ月で月間9,700万SDKダウンロード（+4,750%）、公開MCPサーバー1万個以上、OpenAI/Google/Microsoft/AWS全社採用、2025年12月にAnthropicがLinux Foundationに所有権を寄贈し業界共通インフラ化した「AI時代のUSB-C」。本記事では1年4ヶ月の物語、Client/Server/Transportの3要素アーキテクチャ、すぐ使えるMCPサーバー5選（filesystem/github/postgres/slack/fetch）、Python30行で書ける自作の最小実装、なぜMCPが「勝った」のか、セキュリティ・プロンプトインジェクションの落とし穴、これから起きることを公式資料と実装経験ベースで整理。

AIツールを使うほど月額が膨らむのは、出力トークンが入力の5〜6倍高い・コンテキストが毎ターン再送される・サブエージェントが背後で複数回呼ばれるから。本記事では「3つのレバー」（プロンプトキャッシュで−60〜90%、モデル選択で−50〜80%、出力予算で−30〜60%）を組み合わせ未最適化コストの20〜30%まで圧縮する方法を、Anthropic公式資料・業界調査・実運用データから整理。2026年初のキャッシュTTL短縮（60分→5分）の罠、コンテキスト管理（/compact）、マルチエージェントの15倍トークン罠、モニタリング・請求アラートの設定、ありがちな浪費パターン7つまでカバー。

AIで先に消える仕事は「定型作業のベテラン」と直感されがちだが、データは正反対を示している。Stanford Digital Economy Lab「Canaries in the Coal Mine」（2025-11）によれば、AI露出の高い職種で22-25歳の雇用は−13%、ソフトウェアエンジニア22-25歳に限れば−20%、対して30歳以上は+6-12%、35-49歳IT職は+9%。研究者はこれを「seniority-biased technological change（シニア優位型の技術変化）」と命名。AIは成文化された知識を代替し、暗黙知・判断力を増幅する。本記事では最新データ、業界別影響、なぜシニアが生き残るのか（4能力）、長期的な「育成パイプライン崩壊」の構造問題、AI原因否定論、若手・シニア・企業がそれぞれ取るべき戦略を整理する。

バイブコーディング（vibe coding）はAndrej Karpathyが2025年2月に提唱した、AIに自然言語で要望を伝えコードを読まずに開発するスタイル。1年後の2026年、Karpathy自身は「agentic engineering」への改名を提案、エンタープライズではAIコードのCVEが3ヶ月で6倍、SSRF検出100%、脆弱性率40〜62%とセキュリティ事故が急増。それでも個人開発・スタートアップ・社内ツールでは標準化した。本記事では定義、ワークフロー、Karpathyの発言の変遷、Claude Code/Cursor/Codex/Lovable/v0/Bolt.new/Devinの主要ツール、セキュリティ実態、「Vibe & Verify」運用ベストプラクティス、誰がどこまで vibe するかを最新調査ベースで整理する。

2026年、AIエージェントの主役は「1体のスーパーエージェント」から「役割分担したチーム」へと移った。Anthropic Research、Claude Code subagents、Devin、Cursor の並列ワーカー——いずれもマルチエージェント構成だ。本記事では定義、5つの主要アーキテクチャパターン（オーケストレータ・ハンドオフ・階層・ピアツーピア・パイプライン）、主要フレームワーク比較（Claude Agent SDK／OpenAI Agents SDK／LangGraph／Strands四強）、本番運用例、コスト構造（公式報告で約15倍トークン）、いつ使う・いつ使わない、設計ベストプラクティスまでを公式資料ベースで整理する。

プロンプトエンジニアリングからハーネスエンジニアリングへ——AIエージェント時代の主戦場が移行した。本記事ではハーネスエンジニアリングの定義、プロンプトエンジニアリングとの違い、ツール定義・コンテキスト管理・記憶・ループ・ガードレール・出力UXの6要素、Claude Code・Cursor・Codex CLI・Devinの設計比較、実践チェックリストまで、AIエージェントを本気で使う・作るために知っておくべき土台を整理する。

AIエージェント（Claude Code / Cursor / Copilot / Codex）が .mdファイルのルールを無視する問題は、コンテキストウィンドウの制約・auto-compactによる指示薄れ・優先度の曖昧さなど5つの根本原因が絡む。本記事では原因を整理した上で、ルールを150行以内に圧縮する即効テクニックから、Claude Code Hooks・サブエージェント・カスタムスラッシュコマンドによる仕組み化まで、ツール別ベストプラクティスを実例ベースで解説する。