git worktree × Claude Code × MCP ～生成AI時代の並列開発フロー～

Claude Codeを業務委託エンジニアとして扱い、git worktreeで複数の開発環境を並列稼働させることで、品質を保ちながらPR生産数向上させた手法を紹介

Transcript

1. git worktree × Claude Code × MCP ～生成AI時代の並列開発フロー～ 1
2. $ whoami $ cat /etc/profile Name: Hidehisa Suzuyama Company: 株式会社RAYVEN $ tree ~/work/ ├── frontend/ # 最近ずっとここをやっている ├── backend/ # 必要に応じて実装 └── infrastructure/ # 少しだけ触る $ tree ~/hobby/ - 週末に二郎系ラーメンを食べる - 料理教室に通っている 2
3. 今日のテーマ git worktree × Claude Code × MCP　を使った並列開発 品質担保をしつつ開発効率を上げている方法 AI駆動開発の実践的な活用事例 想定ユーザー 品質担保が必須 のサービスを開発している Claude Codeをどう使っているのか 気になる方 対象外のユーザー スピード重視で品質は後回しでOKな方 3
4. 生成AIの進化がヤバい Claude Codeはゲームチェンジャー 　 （Gemini CLI も良さそう） 生成AIの進化が止まらない Claude Codeが開発現場を変革している 実例: ある会社でたった1週間で『Claude Code』一択に 社内でAI駆動開発ツールの使用調査をしたら、たった1週間で『Claude Code』一択になっていた 参考: https://zenn.dev/explaza/articles/f62e704e73d3ff 4
5. Claude Code は業務委託エンジニア Claude Codeの特徴 コーディング能力: ある程度高い 投資次第で生産量を増やせる ドメイン知識: 持っていない 設計能力: 不足している（設計方針は社内文化に依存する部分もあるため） つまり...ほぼ業務委託エンジニアと同じ！ 5
6. ドメイン知識不足への対策 情報共有の徹底 ドキュメントの共有を行う（AIには、MCPでContext7や社内ドキュメント (Notionなど)を使い前提情報を提供） 設計能力不足への対策 小さな粒度でタスクを分割 小さな粒度でPRを作成してもらう（PRが大きすぎるとレビュー工数も手戻りも 多いため） 業務委託の方同様に、Claude Code 側にも上記のような方法で、よりスムーズ な開発が可能になります! 6
7. 新しい開発体制：エンジニア == 小規模チームPM 一人ひとりが小規模チームのPMとして業務委託（Claude Code）にタスクを割り振る エンジニ ( 小規模チ Claude C ( 業務委託 Claude C ( 業務委託 エンジニ ( 小規模チ Claude C ( 業務委託 Claude C ( 業務委託 フロントエ 機能開 認証シス リフ ク API 設 実装 バグ修 テスト追 エンジニアの役割 タスク分割と割り振り, 適切なドキュメント提供, レビュー 7
8. 実際にどのように行っているのか 3つのステップで実現する並列AI開発 1. 開発環境整備 - git worktree + MCP設定 2. レビュー工数削減 - ルール明文化 + テスト徹底 3. タスク指示 - 小さな粒度で具体的に 8
9. 1. 開発環境整備1 Git Worktreeの活用 Claude Code Best Practicesから "Git worktrees allow you to check out multiple branches from the same repository into separate directories." Claude Code を同じブランチで並列に動かすのはアンチパターン 複数の独立したタスクに最適化 同じGit履歴とreflogを共有しながら作業ディレクトリは分離 9
10. 1. 開発環境整備2 git worktreeを使った並列稼働環境の構築 # プロジェクトルートで複数のworktreeを作成 git worktree add ../claude1 git worktree add ../claude2 10
11. 各 Claude CodeにMCP設定1 MCPサーバーの準備 Context7: プロジェクトのAPI仕様書 GitHub: 類似サービスの既存コードベースの参照 社内ドキュメント: Notionなどのドキュメント 11
12. 各 Claude CodeにMCP設定2 # 例：SSEサーバーの追加 claude mcp add --transport sse sse-server https://example.com/sse-endpoint # 例：ストリーミング可能なHTTPサーバーの追加 claude mcp add --transport http http-server https://example.com/mcp 12
13. 実際の開発フロー エンジニア / Claude Code の役割分担 エンジニア: タスク分割、ローカルレビュー、最終マージ A Claude Code: 実装、PR作成 B Claude Code: 客観的なPRレビュー（実装者とは別セッション） 13
14. レビュー工数削減方法 タスク粒度の細分化 CLAUDE.mdルールとコンテキストの重要性 CLAUDE.md: プロジェクトルール、完了条件を明文化 MCPでコンテキスト提供: 社内ドキュメント、API仕様書の共有 テスト作成の徹底 ユニットテスト: 100%カバレッジを目標 E2Eテスト: 重要なユーザーストーリーは必須 14
15. 明確な完了条件 # 完了条件（CLAUDE.mdに記載） - lint, prettier, typecheck, test, build, playwright が通ること - vitest を使ってカバレッジを100%にすること - 関連ドキュメントの更新完了させること pnpm check などが CI/CD にも組み込まれていたら、コードレビューのみで完結する　 → レビュー工数が激減 15
16. 2. タスク指示（ 実装前の準備とコツ） 大きなタスクや不安がある時 事前準備: 既存ファイルをstaging にあげておく Plan Mode活用: 実装方針を事前に相談 品質を保証するための工夫 完了条件の明確化: CLAUDE.md に記載 # 完了条件 - pnpm check が全て通ること - テストを作成してカバレッジ80%以上にすること - エラーハンドリング実装済み 効果: 実装可能な範囲を事前に絞り込み、品質を担保 16
17. 実際に使ってみた結果 開発効率の大幅向上 コーディング速度: 複数タスクの同時進行で待ち時間激減 PR作成時間: プロンプト基準で適切な概要を自動生成 客観的レビュー: 別セッションのClaude Codeで品質向上 結果: PRの生産数が4倍以上向上 17
18. まとめ 1. Claude Code は業務委託エンジニア 2. レビューフローとテストの拡充が、生成AI開発の鍵 結果: 品質を保ちながら開発効率向上 18
19. ご静聴ありがとうございました 19
20. https://github.com/smtg-ai/claude-squad 20
21. 開発環境の最適化のコツ MCPツールの厳選 モノレポ化: プロジェクト全体を読み込ませる ツール厳選: 多すぎると逆効果 トークン管理: 必要最小限の情報に絞る ドキュメンテーション 明確な仕様: AIにも人間にも理解しやすく 完了条件: CLAUDE.mdに具体的に記載 (英語の効率が良い) 21
22. Dockerコンテナを活用した開発環境 Claude Codeからの提案：コンテナ化による権限問題の解決 権限の制御: コンテナ内であれば完全な権限を付与しても安全 Macの課題解決: 画面を閉じてもVM内で継続動作 企業レベルの管理: VM環境でMCP・Claude Codeを統合管理 22
23. メリット 継続実行: ホストマシンを閉じても開発継続 セキュリティ: コンテナ内で権限を制限 (--dangerously-skip-permissions が可 能) 管理性: 企業として開発環境を統一管理 スケーラビリティ: 必要に応じてコンテナを増減 23
24. Tumiki でMCP管理を効率化 24
25. Tumiki でMCP管理を効率化 Tumikiダッシュボード - 全体管理画面 25
26. MCPツール設定画面 26
27. 個別ツール詳細設定 27
28. Claude Code連携画面 主な機能: MCPツール管理: 一元管理で効率化 (Figma, Notion, Github, etc...) 動的制御: リアルタイムでツールON/OFF 権限管理: プロジェクト別アクセス制御 ログ記録: 全MCPアクセスの詳細追跡 28