AIコーディング支援

AIコーディング支援とは

AIコーディング支援は、[[生成AI・LLM]] を使ってコードの作成・修正・説明を助けるツールの総称です。GitHub Copilot、Cursor、Claude Code などが代表例です。

LLMは大量のソースコードを学習しているため、「この続きに書かれそうなコード」を高い精度で予測できます。エディタ上の補完から、指示だけで複数ファイルを書き換えるものまで、支援の深さには段階があります。

支援の3つのレベル

エージェント型は [[AIエージェント]] の考え方をそのまま開発作業に適用したもので、「計画 → 実行 → 結果を見て修正」というループを回します。

精度を左右するのはコンテキスト

AIの出力品質は、どれだけ適切な情報を渡せたかでほぼ決まります。同じモデルでも、渡す情報が薄いと的外れなコードが返ってきます。

• 開いているファイルや関連ファイルの中身
• プロジェクトの規約を書いた設定ファイル(コーディング規約、使用ライブラリなど)
• エラーメッセージやテストの失敗ログ

[[MCP(Model Context Protocol)]] は、こうした外部情報やツールをAIに渡すための共通規格です。[[プロンプトエンジニアリング]] の基本(目的・制約・期待する形式を明示する)は、コード生成でもそのまま効きます。

得意なこと・苦手なこと

• 得意: 定型的なコード、テストコードの雛形、正規表現、見慣れない言語の書き方、エラーメッセージの解説
• 苦手: プロジェクト固有の事情、性能要件やセキュリティ要件の判断、仕様そのものの妥当性の検討

もっともらしいが誤ったコード(存在しない関数の呼び出しなど)が出ることもあります。生成AI一般の弱点である事実の捏造が、コードでも同じように起こると考えてください。

安全に使うための注意

• 生成コードは必ず読む: 理解できないコードをそのまま入れない。[[コードレビュー]] の対象はAIが書いた行も同じ
• [[自動テスト]] で裏を取る: 「動くように見える」と「動く」は別物
• 秘密情報を渡さない: APIキーや個人情報をプロンプトに貼らない([[シークレット管理]])
• ライセンスと社内規約を確認する: どのツールを何に使ってよいかは組織のルールに従う

初学者向けポイント

• AIに任せきりだと理解が伸びない。生成されたコードを1行ずつ説明させると学習教材になる
• 小さく指示して小さく確認する方が、大きくまとめて頼むより結果が安定する

関連技術とのつながり

• [[生成AI・LLM]] — コード生成の中身を担うモデル
• [[プロンプトエンジニアリング]] — 指示の書き方が出力品質を決める
• [[AIエージェント]] — 自律的に編集・実行まで行うタイプの基盤となる考え方
• [[コードレビュー]] — AIが書いたコードにも人のレビューが必要
• [[MCP(Model Context Protocol)]] — 外部情報やツールをAIに渡す共通規格
• [[コンテキストウィンドウ]] — 一度に渡せる情報量には上限がある。関連ファイルを全部貼れば精度が上がるわけではない
• [[Webセキュリティ]] — 生成されたコードにも脆弱性は混入しうる。代表的な攻撃と防御を知ったうえでレビューする

Q: AIコーディング支援の「エージェント型」の説明として正しいのはどれ?
- [ ] 書きかけの行の続きだけを提案する
- [x] ファイル編集やテスト実行まで自律的に繰り返し、人はゴールを与えて結果をレビューする
- [ ] コードを暗号化して保存する
解説: エージェント型は計画・実行・修正のループを自律的に回します。人の役割はゴール提示とレビューです。

Q: AIの出力品質を大きく左右する要素はどれ?
- [x] 関連ファイルやエラーログなど、渡したコンテキストの質
- [ ] エディタの配色設定
- [ ] ソースコードの文字コード
解説: 同じモデルでも渡す情報が薄いと的外れになります。コンテキストの質が品質をほぼ決めます。

Q: AI生成コードの扱いとして適切なのはどれ?
- [ ] 動いているように見えればレビューは不要
- [ ] APIキーを貼り付けて質問すると精度が上がる
- [x] 人間が読んでレビューし、自動テストで動作を確認する
解説: もっともらしい誤りが混ざるため、レビューとテストによる検証が前提です。秘密情報は渡しません。