Cursor

ソフトウェア開発の現場で「AIにコードを書かせてみたが、品質が安定しない」「ツールを導入したのに生産性が上がらない」という声が増えています。原因の多くは、AIを"補助ツール"として部分的に使うだけで、開発プロセス自体を再設計していないことにあります。 AI駆動開発（AI-Driven Development、AIDD）は、要件定義からテスト・運用まで、ソフトウェア開発ライフサイクル全体にAIを組み込み、人間とAIの役割を再定義するアプローチです。GitHub Copilotでコード補完するだけの段階とは本質的に異なり、「AIを前提にプロセスそのものを設計し直す」点に特徴があります。 2025年に3,000人超が参加したAI駆動開発カンファレンスの盛況ぶりが示すとおり、国内でもこの手法への関心は急速に高まっています。月間検索数3,600を超えるキーワードとなったAI駆動開発について、定義の整理からツール比較、導入ロードマップ、実際のコード例まで体系的にまとめます。 AI駆動開発（AIDD）の定義と基本概念 「AIアシスト」との境界線 AI駆動開発を正確に理解するには、まず「AIアシスト開発（AI-Assisted Development、AIAD）」との違いを明確にする必要があります。 観点 AIアシスト開発（AIAD） AI駆動開発（AIDD） AIの位置づけ 作業の補助ツール 開発プロセスの中核 人間の役割 設計・実装・レビューすべて主導 戦略策定・意思決定・最終判断に集中 適用範囲 コード補完や単発のQ&Aなど一部工程 企画から運用まで全工程 プロセス設計 従来のSDLCにAIを追加 AI前提でSDLCを再構築 フィードバックの速度 人手によるレビュー待ちが発生 AIによる即時フィードバック 端的にいえば、AIアシスト開発は「人間が主導してAIが手伝う」状態であり、AI駆動開発は「AIを前提にプロセスを設計し、人間は監督・判断に集中する」状態です。GitHub Copilotのコード補完を使っているだけならAIアシスト、仕様書からAIがコード・テスト・ドキュメントを一貫して生成し、人間がレビューする体制ならAI駆動開発に該当します。 仕様駆動開発（SDD）というパラダイム AI駆動開発で近年注目されているのが、仕様駆動開発（Spec-Driven Development、SDD）の考え方です。従来は「仕様書を人間が読み解き、コードに翻訳する」プロセスでしたが、SDDでは以下のように変わります。 人間が仕様（What）を定義する: 自然言語やMarkdownで要件・制約・期待する振る舞いを記述 AIが実装（How）を担う: 仕様を解釈し、設計・コード・テストを生成 人間が成果物を検証する: AIの出力をレビューし、仕様との整合性を確認 AWSが提唱するAI-DLC（AI-Driven Development Lifecycle）も同様の思想に基づいており、「仕様の品質がそのまま開発成果を左右する」という原則を打ち出しています（出典: AWS公式ブログ）。 KDDIのエンタープライズ開発チームが実践するSDDでは、Requirements（要件定義）、Design（設計）、Tasks（タスク分解）、Implementation（実装）の4ステップをAIと協働で進め、Steering（ステアリング）とRules（ルール）で品質を制御しています（出典: KDDI Tech note）。 バイブコーディングとの根本的な違い 「バイブコーディング（Vibe Coding）」は、その場の直感でAIに指示を出しながらコードを生成する手法です。プロトタイプの素早い検証には有効ですが、以下の点でAI駆動開発とは異なります。 観点 バイブコーディング AI駆動開発 仕様の有無 なし（場当たり的） 事前に仕様を定義 品質管理 属人的 レビュー・テストのプロセスあり 再現性 低い 仕様書・Skill定義で高い再現性 適用領域 PoC・個人開発 プロダクション開発まで対応 チーム開発 困難 仕様書が共有コンテキストになる 日本マイクロソフトの畠山大有氏は、「Hypervelocity Engineering - beyond Vibe Coding -」と題した講演において、バイブコーディングを超えた体系的なアプローチの必要性を提唱しています。 ...

AIアシスタントからNotionのページやデータベースを直接操作したい――そんなニーズに応えるのがNotion MCPサーバーです。 MCP（Model Context Protocol）は、Anthropicが策定したオープンな通信規格です。LLM（大規模言語モデル）と外部サービスのあいだに共通のインターフェースを置くことで、AIエージェントがファイル操作やAPI呼び出し、データベース更新などを安全に実行できる仕組みとして、2024年末から急速に広まりました。 Notion MCPサーバーは、このMCP規格に沿ってNotion公式が提供する接続サーバーです。Claude Desktop、Cursor、VS Code、ChatGPT Proなど主要なAIクライアントから、Notionワークスペース内のページ検索・作成・更新・削除を自然言語で指示できます。 Notion MCPサーバーで何ができるのか Notion MCPサーバーを導入すると、AIクライアントのチャット欄からNotionへの主要な操作を実行できるようになります。 ページ関連の操作 操作 内容 検索 ワークスペース内のページをキーワードで全文検索 新規作成 Markdown形式のテキストから新しいページを生成 内容の書き換え 既存ページのテキストやブロックをMarkdownで上書き 移動 ページを別の親ページ配下へ配置替え（v2.0.0で追加） アーカイブ 不要ページをアーカイブ状態に変更 データベース関連の操作 操作 内容 新規作成 プロパティ定義付きでデータベースを新規作成 レコード取得 フィルター・ソート条件を指定してレコードを抽出 プロパティ更新 ステータス変更、担当者の割り当て、日付の設定など テンプレート一覧 データベース作成に利用できるテンプレートの確認 ブロック・コメント・ユーザー操作 操作 内容 ブロック追加・削除 ページ内のテキスト、見出し、リスト等のブロックを個別に操作 コメント作成・取得 ページやブロック単位でのコメントの読み書き ユーザー一覧 ワークスペースメンバーの情報を取得 外部アプリ横断検索 Slack・Google Drive・Jiraなど接続済みアプリも含めた検索（Business以上 + Notion AI） OSS版（v2.0.0時点）では合計22種類のMCPツールが実装されています（出典: GitHub - makenotion/notion-mcp-server）。 リモート版とOSS版：2つのサーバー形態を比較 Notion MCPサーバーには、Notionが運営する**リモート版（ホスト型）と、GitHubで公開されているOSS版（ローカル型）**の2つがあります。公式はリモート版を推奨しており、OSS版については将来的な廃止の可能性が示唆されています（出典: GitHub README）。 比較項目 リモート版（推奨） OSS版 サーバー所在 Notion運営のクラウド上 ローカルPC上（npxで起動） 認証方式 OAuthワンクリック APIトークンの手動設定 コンテンツ形式 Notion-flavored Markdown JSON（Notion API準拠） LLMトークン効率 高い（Markdown形式で軽量） 低い（JSON構造が冗長） 前提環境 不要 Node.jsまたはDocker 更新方法 サーバー側で自動反映 npmパッケージの手動更新 自動化ワークフロー OAuth認証フローが必要なため不向き ヘッドレス運用に対応 長期サポート 継続予定 廃止の可能性あり Notion-flavored Markdownとは リモート版で採用されている独自のMarkdown拡張仕様です。Notionのブロック構造（データベース、トグル、コールアウトなど）をMarkdown記法で表現でき、従来のJSON形式と比べてLLMが消費するトークン数を大幅に抑えられます。特に長いページの読み書きでは、トークン消費量に数倍の差が生じるケースもあります（出典: Notion公式ブログ）。 ...

GitHub上のリポジトリやIssue、Pull Requestを、AIアシスタントから直接操作できる仕組みがGitHub MCPサーバーです。2025年4月にパブリックプレビューとして公開され、2025年9月にリモート版がGA（一般公開）となりました。MITライセンスで公開されており、GitHubリポジトリのスター数は約26,700（2026年2月時点）に達しています（出典: GitHub）。 開発者がIssueの検索やPRレビューのたびにブラウザとエディタを行き来する手間は、このサーバーを導入すると大幅に削減されます。 MCP（Model Context Protocol）とGitHub MCPサーバーの関係 MCP（Model Context Protocol）は、AIアプリケーションを外部システムに接続するためのオープンソース標準です。Anthropicが2024年11月に発表し、2025年12月にはLinux Foundation傘下のAgentic AI Foundation（AAIF）へ寄贈されました。共同設立者にはAnthropic、Block、OpenAIが名を連ね、Google、Microsoft、AWSなども支援しています（出典: Anthropic）。 GitHub MCPサーバーは、このMCPプロトコルに準拠したGitHub公式のサーバー実装です。AIエージェントがGitHub APIを自然言語経由で呼び出せるようになり、リポジトリ操作・Issue管理・PR作成・コードセキュリティ分析などを一箇所から実行できます。 ChatGPT、Cursor、Gemini、Microsoft Copilotなど主要なAIツールがMCPを採用しており、パブリックなMCPサーバーは10,000以上、Python/TypeScript SDKの月間ダウンロード数は9,700万を超えています（出典: Anthropic）。 リモート版とローカル版の使い分け GitHub MCPサーバーには「リモート版」と「ローカル版」の2つの提供形態があります。用途やセキュリティ要件に応じて選択してください。 比較項目 リモート版 ローカル版 ホスティング GitHub側で運用 自分のマシン（Docker / Goバイナリ） 認証方式 OAuth（ワンクリック） Personal Access Token（PAT） トランスポート Streamable HTTP stdio / HTTP（v0.30+） メンテナンス 自動パッチ適用 手動でDockerイメージ更新 Enterprise Server対応 非対応 対応（GHES対応） 限定機能 Copilot Spaces連携・GitHub Docs検索 なし リモート版が適しているケース: 個人開発やチーム開発でGitHub.comを利用しており、セットアップの手軽さを重視する場合です。OAuth認証でトークン管理の手間もありません。 ローカル版が適しているケース: GitHub Enterprise Server（オンプレミス）を使っている場合や、ネットワーク制限のある環境、トークンの細かい権限制御が必要な場合に適しています。 対応クライアントとエディタ別セットアップ GitHub MCPサーバーは多くのAIクライアントに対応しています。 VS Code（GitHub Copilot経由） VS Code v1.101以降で利用可能です。リモート版はワンクリックでインストールできます。 ...

AIコーディングエージェントが普及するなか、「ブラウザ操作だけは人の手が必要」という壁にぶつかるケースは多いです。Playwright MCPは、自然言語の指示だけでブラウザを自動制御できるMCPサーバーとして、この壁を取り除く存在になりつつあります。 本記事では、Playwright MCPの技術的な仕組みから、VS Code（GitHub Copilot）・Cursor・Claude Code・Claude Desktopそれぞれの設定手順、さらにE2Eテストやスクレイピングへの応用例まで、開発現場で即使える情報を体系的にまとめています。 Playwright MCPの概要と基本的な仕組み Playwright MCPとは何か Playwright MCPは、MicrosoftのPlaywrightチームが公式に開発・提供するMCP（Model Context Protocol）サーバーです。npmパッケージ名は @playwright/mcp で、Apache-2.0ライセンスのもとオープンソースとして公開されています。 GitHubリポジトリは2025年3月21日に作成され、最初のリリース（v0.0.7）は2025年3月28日に公開されました。2026年2月時点での最新バージョンはv0.0.64です（出典: GitHub Releases）。 従来のPlaywrightはTypeScriptやPythonのコードを書いてブラウザを操作するAPIライブラリですが、Playwright MCPはLLM（大規模言語モデル）やAIエージェントからの呼び出しに特化したサーバー実装です。両者は「関連はあるが根本的に異なるプロダクト」であり、Playwright MCPはPlaywrightの内部機能を活用しつつ、MCPプロトコルを通じてAIとブラウザを橋渡しします。 MCP（Model Context Protocol）の役割 MCPは2024年11月にAnthropicが提唱した通信規格で、AIアプリケーションと外部ツールを標準化された方法で接続します。Language Server Protocol（LSP）がエディタと言語サーバーの間を標準化したのと同様に、MCPはLLMと外部ツールの間を標準化するプロトコルです。 MCPの登場以前は、N個のAIアプリケーションとM個のツールを接続するには最大N×M個の個別コネクタが必要でした。MCPはこのN×M問題を解消し、MCP対応ツールであればどのMCP対応AIクライアントからも利用可能にします。2025年にはLinux Foundationに移管され、業界標準としての地位が固まりました。 アクセシビリティツリーによるページ表現 Playwright MCPの最大の技術的特徴は、ブラウザのページ情報をアクセシビリティツリーで表現する点です。 ブラウザ自動化技術は次のように変遷してきました。 世代 代表技術 ページの表現方法 第1世代 Selenium DOMツリー＋CSSセレクタ 第2世代 Puppeteer / Playwright DOM＋Chrome DevTools Protocol（CDP） 第3世代 Playwright MCP アクセシビリティツリー（ARIA Snapshot） 従来のスクリーンショットベースのアプローチ（Vision Modelで画像解析する方式）と比較すると、アクセシビリティツリーには以下の利点があります。 トークン効率が高い: 画像データよりYAML形式のテキストのほうが遥かに軽量 構造を正確に把握できる: ボタンの意味やフォームの役割をセマンティックに伝達 安定性が高い: CSSの変更やレイアウト崩れに左右されにくい 高速に処理できる: Vision Modelへの問い合わせが不要 Playwright MCPが出力するARIA Snapshotの例は以下のとおりです。 - navigation "メインメニュー": - link "ホーム" [ref=e1] - link "製品" [ref=e2] - link "お問い合わせ" [ref=e3] - main: - heading "製品一覧" [level=1] - list: - listitem: - link "製品A" [ref=e4] LLMはこの構造化データを解釈し、refパラメータを使って操作対象の要素を指定します。スクリーンリーダーが「見る」ページ構造と同じ情報をAIが受け取る仕組みです。 ...