Claude Code と ChatGPT プロジェクト コンテキスト設計の違いの整理（概念）

生成AIによる開発支援が「単なるチャット」から「エージェントによる自動完結」へと進化する中で、エンジニアが直面している最大の課題はコンテキスト（文脈）の設計です。特に、Anthropic がリリースした CLI ツールである Claude Code と、OpenAI の ChatGPT プロジェクト（Projects）は、どちらも「特定のコンテキストを保持して回答する」機能を持ちながら、その設計思想と実務での挙動は180度異なります。

本記事では、日本最高峰のIT実務者の視点から、Claude Code と ChatGPT プロジェクトにおけるコンテキスト設計の違いを整理し、大規模なリポジトリ開発においていかにエージェントの精度を最大化するかを解説します。特に、リポジトリ上に明示的な指示ファイルを置く Claude Code の運用は、チーム開発の生産性を劇的に変える可能性を秘めています。

1. コンテキスト設計の構造的違い：Web GUI vs CLI

まず理解すべきは、情報の「持ち方」と「アクセス範囲」の違いです。ChatGPT プロジェクトは Web ブラウザ上のサンドボックス（隔離環境）を基本とするのに対し、Claude Code は開発者のローカルマシンおよびリポジトリに直接介入するエージェントです。

ChatGPT プロジェクト：静的なナレッジベースの構築

ChatGPT プロジェクトは、PDF やテキストファイルなどのドキュメントをアップロードし、その内容を「知識」としてチャットに持たせる方式です。これは「外部設計書や UI ガイドラインを常に参照させたい」という用途に最適です。しかし、ローカルのソースコードの変更をリアルタイムに追従させるには、その都度ファイルをアップロードし直す必要があり、動的な開発には不向きな側面があります。

Claude Code：リポジトリ直結型の動的エージェント

一方、Claude Code は CLI（コマンドラインインターフェース）として動作し、リポジトリ全体のファイル構造、Git の履歴、さらにはビルドコマンドやテストの実行結果までをコンテキストとして取り込みます。最大の特徴は、「エージェント自身がファイルを探し、読み、編集し、テストする」というループをローカル環境で完結させる点にあります。ここで重要になるのが、CLAUDE.md のようなリポジトリ内に配置する設定ファイルです。

2. Claude Code におけるコンテキスト設計の核心：CLAUDE.md と運用フロー

Claude Code を単なる「賢いチャット」で終わらせないためには、リポジトリのルートディレクトリに配置する CLAUDE.md の設計が不可欠です。これは、エージェントに対する「職務経歴書」兼「コーディング規約」として機能します。

CLAUDE.md の役割と書き方

Claude Code は起動時やタスク実行時に、リポジトリ内の特定のファイルを優先的に参照します。ここにプロジェクト固有の情報を記述しておくことで、エージェントは「このプロジェクトでは React の関数コンポーネントをどのように書くべきか」「テストコマンドは何を叩くべきか」を即座に理解します。

具体的な記述内容は以下の通りです。

• Build & Test Commands: npm run build や pytest など、エージェントが「自分で修正が正しいか確認する」ためのコマンド。
• Coding Guidelines: 「型定義は必ず interfaces/ ディレクトリに置く」「命名はキャメルケース」といった規約。
• Project Context: 「このプロジェクトは A 社向けの在庫管理システムである」といったドメイン知識。

このようなリポジトリの構造化は、開発の初期段階で非常に重要です。例えば、経理システムの自動化を構築する場合、既存の会計ソフトの仕様に合わせた変換ロジックが必要です。こうしたドメイン固有の複雑な設計については、【完全版】ミロク(MJS)からfreeeへの移行ガイド。特殊な「単一行CSV」のAI変換と移行実務のような専門的な知見を CLAUDE.md に要約して記述しておくことで、AI による変換スクリプト生成の精度が飛躍的に高まります。

AGENTS.md による Skills / サブエージェントの定義

さらに高度な設計として、特定の役割に特化させた AGENTS.md（または設定ディレクトリ内の Skills）の活用があります。
例えば、以下のような役割分担を定義します。

• Reviewer Agent: コードのセキュリティ脆弱性やパフォーマンスをチェックする専門。
• Document Agent: コードの変更に合わせて /docs フォルダ内の Markdown を自動更新する専門。

これにより、claude "Review this PR" と叩くだけで、特定のコンテキストに基づいた高度なフィードバックがローカルで得られるようになります。

3. 実務での使い分け：ドキュメント駆動か、リポジトリ駆動か

では、実務において両者をどう使い分けるべきでしょうか。鍵は「情報の更新頻度」と「エンジニア以外との関わり」にあります。

ChatGPT プロジェクトが輝くシーン

非エンジニア（PM やデザイナー）が作成した膨大な要件定義書や、ビジネス側の複雑なロジックを整理・壁打ちする段階では ChatGPT プロジェクトが優位です。リポジトリにコミットする前の「生の状態」のドキュメントを大量に読み込ませ、全体像を把握させるのに適しています。

例えば、社内の複数の SaaS コストを整理し、剥がし方の戦略を練るようなフェーズでは、コードよりもテキスト情報の整理が主役となります。このようなケースは、SaaSコストを削減。フロントオフィス＆コミュニケーションツールの「標的」と現実的剥がし方【前編】のようなドキュメントを ChatGPT プロジェクトのコンテキストに入れ、現状分析を行うのが効率的です。

Claude Code で回す運用フロー

分析が終わり、「具体的にどのファイルをどう書き換えるか」が決まった段階で Claude Code の出番です。実務フローは以下のようになります。

1. 準備: CLAUDE.md に最新のアーキテクチャ方針を記載する。
2. 実行: ターミナルで claude "Implement a new API endpoint for recurring billing based on docs/schema.md" と実行。
3. 検証: Claude Code が自動でファイルを生成し、テストを実行。エラーが出れば自己修正を行う。
4. PR作成: claude "Summarize changes and create a pull request" で Git 操作を完結。

特に、バックオフィス業務の自動化など、複雑な API 連携（Salesforce や freee 会計など）を伴う開発では、この「ローカルでの実行と自己修正」のループが真価を発揮します。Salesforceとfreeeを繋いでも「サブスク売上」は自動化できない。前受金管理とバクラクを活用した一括請求アーキテクチャで語られるような、一筋縄ではいかない業務フローのコード化も、Claude Code ならば既存コードとの整合性を保ちつつ実装可能です。

4. セキュリティと承認フローの設計

Claude Code は強力なツールですが、ローカルファイルを直接操作するため、セキュリティ設計が欠かせません。

ホワイトリストとブラックリスト

デフォルトでは、Claude Code はリポジトリ内の多くのファイルを読み取ります。しかし、API キーが含まれる .env ファイルや、ビルド成果物の dist/ フォルダ、あるいは機密性の高い個人情報が含まれる CSV などを読み込ませるべきではありません。
.claudecode/config.json や .gitignore を適切に設定し、エージェントが触れてよい範囲を厳格に管理します。

承認フロー（ReadOnly vs Full Access）

Claude Code には、コマンド実行時にユーザーの承認を求める仕組みがあります。デフォルトでは「読み取り」は自動で行われますが、「ファイルの書き込み」や「外部 URL へのアクセス」「シェルコマンドの実行」については、一つずつ (y/n) で確認を求める設定にすべきです。特に、本番環境のデータベースに触れる可能性があるスクリプトを実行させる場合は、細心の注意が必要です。

5. まとめ：開発フェーズに合わせたコンテキストの最適配置

Claude Code と ChatGPT プロジェクトは対立するものではなく、補完関係にあります。
設計の上流工程、あるいは非エンジニアとの合意形成には ChatGPT プロジェクトを。
実際の実装、テスト、リポジトリへの反映には Claude Code を。

この二つの使い分けができるようになると、AI は「たまに嘘をつく相談相手」から「指示通りに手を動かし、検証まで済ませる信頼できるパートナー」へと昇華します。まずは、自分のリポジトリに CLAUDE.md を作成することから始めてみてください。そこには、あなたのプロジェクト専用にカスタマイズされた、最強のコーディングエージェントが宿ることになるでしょう。