Table of Contents

Claude Code拡張は、ワークフローの具体的な問題に合わせて選びます。 要件が不明確なら計画の会話が必要です。見逃した不具合にはレビューとテストが必要です。繰り返す調査には追跡可能な情報源が必要です。ツールの役割が明確なときだけ、追加インストールが役立ちます。

このガイドでは、こうした作業に使う10個のプロジェクトを、セットアップ例と評価演習とともに比較します。分析には各プロジェクトの最新ドキュメントと、提供されたChase AIの動画を使います。推奨は編集上の判断です。実測した性能や、生産性が10倍になった証拠ではありません。

要点

  • 出力で選ぶ: レビュー済みの計画、コードマップ、生成画像には異なるツールが必要です。
  • インストール層を分ける: 指示、実行プログラム、プラグイン、サービス接続には異なる依存関係があります。
  • 現在の名前を確認する: Graphifyとgrill-me-codexの正規リポジトリの場所は現在異なります。
  • 合意だけで終わらせない: 2つのモデルが計画を認めても、実装の正しさは証明されません。
  • 受け入れた作業を測る: セットアップ、サービス利用、失敗した試行、人による修正を記録します。

始める前に

前提条件: 動作するClaude Code、使い捨て可能なプロジェクトまたはブランチ、選択した外部サービスを使う許可が必要です。CLI例はターミナルと記載したパッケージマネージャーを前提にします。クラウド連携には各サービスのアカウントと認証が必要です。

所要時間の目安: 読む時間は15分です。限定した試行にはさらに30から60分かかります。難易度: CLIの設定とサービス連携は中級です。指示スキルを読むだけなら準備は少なくて済みます。

ドキュメントは2026年10月10日に確認しました。 コマンドとアクセス規則はリンク先の情報に基づきます。古いチュートリアルを使う前に、インストール済みのバージョンを再確認してください。この記事はClaude Codeから使う拡張を扱い、必要な場所でホストごとの差を示します。

インストール後は層ごとに確認します。 ファイル、ホストによる検出、実行依存関係、認証情報、代表的なタスクを個別に確認してください。インストーラーが成功しても、ブラウザー、MCPサーバー、メディアツール、外部アカウントが動くとは限りません。最初のテストには合成データを使い、上流リビジョンを記録します。

拡張の種類を知る

種類役割例
指示ファイルプロジェクトの継続的な期待値を設定するCLAUDE.md
スキル選択した作業の手順を提供するgrill-me
プラグイン登録コマンドと連携をまとめるCodex plugin
CLIターミナルからコマンドを実行するGraphify
MCPサーバーエージェントクライアントに呼び出し可能なツールを公開するn8n instance integration

Model Context Protocol (MCP) は、サーバーが公開するツールとデータへエージェントアプリケーションを接続します。コマンドラインインターフェース、つまりCLIは実行可能なコマンドを動かします。スキルはどちらかのインターフェースの使い方をエージェントに教えますが、存在するだけで接続の動作を証明するわけではありません。

不足している能力から始めます。 すでにリポジトリ検索があるなら、新しい検索手順には観測できる利点が必要です。自動化プラットフォームへのアクセスがなければ、文章の指示ファイルだけでは認証済みアクセスを提供できません。 エージェントランタイムガイド では、モデル呼び出しとツール実行を取り巻くソフトウェアを説明しています。

最初のツールを選ぶ

問題ツール最初の受け入れ確認
曖昧な要件grill-me / grill-with-docs明示された決定と受け入れ条件
スコープの繰り返すずれKarpathyに着想を得たCLAUDE.mdすべての変更が要求された変更に役立つ
危険な実装計画Claudex Loopレビューの指摘が証拠付きで解決される
未レビューのコード変更OpenAI Codex plugin指摘がコードと失敗事例に結び付く
不慣れなリポジトリGraphify関係がソースファイルと一致する
分散したプロジェクト知識claude-obsidian主張に元の証拠へのリンクが残る
繰り返す情報源の統合notebooklm-py回答が意図した情報源を引用する
分かりにくいインターフェースImpeccableユーザーが意図した操作を完了できる
不足するビジュアル素材Higgsfield出力が承認済みブリーフに合う
繰り返し可能なサービス処理n8n MCPテスト実行が期待した結果を出す

推奨する開始方法: 1行を選び、インストール前に基準タスクを保存します。2つ目のツールは、別の測定可能な貢献が必要なときだけ追加してください。

作業を明確にする

grill-meとgrill-with-docs

Matt Pocockのスキルは、要件不足のアイデアを決定へ変えます。 grill-meの入口 は共有の質問スキルを呼び出します。 grill-with-docs は質問とドメインモデリングを呼び出します。 コレクションのドキュメント には、共有用語とアーキテクチャ決定記録が説明されています。

ビジネス用語が実装に影響するときは、ドキュメント版を使います。 例としてCSVインポーターでは、既存顧客を同じメール、同じ外部識別子、または両方のどれで定義するか決めます。重複検出を書く前に定義を記録してください。

質問を適切な規模に保ちます。 有用なセッションは重要な不確実性を解消します。リポジトリにある回答を繰り返し尋ねてはいけません。計画、未解決の質問、観測できる完了確認で終えます。

Karpathyに着想を得たCLAUDE.md

Multicaが管理するガイドラインは、Karpathyの観察を明示的な仮定、単純な解決策、集中した変更、検証可能な目標という4つのテーマに変換します。 リポジトリ は、観察に着想を得たコミュニティ実装です。Karpathyが個人的に保守するプラグインと呼ぶのは誤りです。

役立つ指針を既存のプロジェクトポリシーへ統合します。 ビルドコマンド、コンテンツ規約、デプロイ制限を残してください。これらを削除する置き換え指示ファイルは、新しいミスを生みます。

プロジェクト規則の例: インポーター変更に既存の重複処理を残させ、意図的な変更をfixtureで説明させます。指示は期待値を示します。テストと実行時制御は別の証拠を示します。

計画の成果物目的
要件ユーザーに見える結果を示す
用語集の項目曖昧な用語に1つの意味を与える
決定記録重要な選択の理由を残す
受け入れ確認完了の評価方法を定める

計画とコードをレビューする

grill-me-codex、現在はClaudex Loop

Claudex Loopは、元のgrill-me-codexリポジトリの現在の移行先です。 ドキュメント は、リポジトリ調査、要件、別プロバイダーによるレビュー、実装、独立した検査を説明します。完全なループには両方のCLIとPython 3.10以降が必要です。

実装前に仮定を問い直す必要がある重要な計画にはClaudex Loopを使います。 現在のワークフローはClaude CodeまたはCodexから開始できます。指摘と判断を記録し、レビューの許可と構築の許可を分けます。動画の古い5ラウンド説明は、インストール済みワークフローの現在のラウンド予算の代わりになりません。

各反論に証拠を求めます。 CSVインポーターのレビューなら、具体的な重複または再試行のケースと期待動作を示す必要があります。モデルの合意はレビュー結果であり、証明ではありません。予算が終わったら未解決の指摘を残します。

OpenAI Codexプラグイン 

/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/reload-plugins
/codex:setup

Claude Code向けOpenAI Codexプラグインは、Claude Code内にコードレビューとタスク委任を追加します。これはClaude Codeのコマンドであり、シェルコマンドではありません。 公式リポジトリ は、Node.js 18.18以降と、ChatGPTまたはOpenAI APIキーによる認証済みCodexアクセスを説明しています。

/codex:review --background
/codex:status
/codex:result

現在の変更やブランチ比較には通常のレビューを使います。 集中的な検証には**/codex:adversarial-reviewを使います。/codex:rescue**のような委任コマンドは、読み取り専用レビューとは別の仕事をします。意図した権限を指定してください。

Codexの利用予算は別に管理します。 対応アカウントにChatGPT Freeが含まれますが、利用制限は適用されます。プラグインを入れても無制限アクセスにはなりません。

選択ルール: 既存パッチには限定したプラグインレビューを使います。要件と計画の改訂に独自の記録プロセスが必要なら、より大きなループを選びます。

有用なコンテキストを残す

Graphify 

uv tool install graphifyy
graphify install --project
graphify extract . --code-only
graphify query "show the authentication flow"

Graphifyはリポジトリの関係を検索可能なナレッジグラフへ写像します。 正規リポジトリ は現在Graphify-Labsの下にあります。パッケージ名は末尾にyが2つある**graphifyyです。実行ファイルはgraphify**のままです。

コード限定の抽出は、コード構造を読むローカル抽象構文解析を使います。文書とメディアの解釈は、別のモデルベースの経路を使います。ローカルのプライバシーや費用の主張をすべてのモードへ広げないでください。

オプションのフックはコミットとブランチ切り替え後にコードグラフを再構築します。pullまたはmerge後の文書化された処理は**graphify update .**を呼び出します。ドキュメント変更にも個別の更新が必要です。Obsidianエクスポートは別のグラフ表示を提供します。

関係に関する質問にはGraphifyを使い、その後で関連ソースを確認します。 グラフはファイル選択を助けます。グラフ構造は実行時動作の証明ではなく、テストの代わりにもなりません。グラフ構築と保守を含め、自分の質問に対するトークン削減量を測定してください。

claude-obsidian

claude-obsidianはソース資料をリンクと引用のあるObsidianページへ整理します。 リポジトリ は、取り込み、検索、知識の保守、ソース保持、支持または反証の記録を説明します。Vaultは通常のローカルファイルです。

永続するプロジェクト知識にはclaude-obsidianを使います。 設計決定、ソース文書、研究メモを個々の会話の外へ残せます。有用な出力は、重要な主張ごとに追跡できる出所を持つ保守可能な記録です。

取り込み後にVaultをレビューします。 いくつかの主張を選び、引用を元の情報源までたどります。矛盾する証拠を、確信のある要約へ統合せず残してください。ローカル保存はローカル推論を証明しません。機密文書を渡す前にホストとモデル設定を確認します。

コンテキストシステム最初にする質問
Graphifyどのソースコンポーネントが接続されていますか？
claude-obsidianどの保存された証拠がこの決定を支えていますか？
notebooklm-py選択した研究ソースは何を述べていますか？

notebooklm-py 

uv tool install "notebooklm-py[browser]"
notebooklm login
notebooklm auth check --test --json
notebooklm skill install

notebooklm-pyはGoogleのノートブック研究サービス向けに、Pythonライブラリ、CLI、エージェントスキルを提供します。 プロジェクト はソース取り込み、根拠のある質問、生成成果物、バッチダウンロードを説明します。browser extraは対話的なログインを支えます。

これは非公式の連携です。 ライブラリは文書化されていないGoogleインターフェースに依存し、破損やレート制限の影響を受けます。Googleがサポートする公開APIとは表現しないでください。

限定した研究コーパスにはnotebooklm-pyを使います。 例えば、1つの依存関係のリリースノートと移行ガイドです。計画へ調査結果を入れる前に、引用をソース本文で確認します。保存された認証状態をアカウントアクセス情報として保護してください。

研究のオフロードは、作業が実行される場所を変えます。 オーケストレーションのトークン、サービス割当量、レビュー作業、データ処理義務は消えません。トークン削減量はインストールの自動的な性質ではなく、測る対象です。

素材を設計して生成する

Impeccable 

/impeccable critique settings
/impeccable audit settings
/impeccable polish settings

Impeccableは、集中的なインターフェース作業のためのデザイン用語を提供します。 ドキュメント は、批評、レイアウト、タイポグラフィ、アクセシビリティ確認、モーション、ブラウザーでの視覚的な反復を扱います。例はインストール済みスキルと設定画面を持つプロジェクトを前提にしています。

操作上の問題から始めます。 インポーターで、なぜユーザーが検証エラーを見逃すのか、重複処理の選択を誤解するのかを確認します。視覚的な仕上げを適用する前に変更案をレビューしてください。見た目のよい余白だけでは、曖昧な操作は直りません。

ライブ反復はブラウザーで選択肢を比較するのに役立ちます。キーボード操作、モバイルレイアウト、エラーメッセージ、コントラストを確認します。コマンド数はリリースごとに変わります。動画の数を覚えるのではなく、インストール済みバージョンの一覧を使います。

Higgsfield

HiggsfieldのMCP連携は、エージェントを画像と動画の生成サービスへ接続します。 公式連携ページ はClaude CodeとCLI接続を掲載しています。アカウントと選択したインターフェースの現在の設定手順を使います。

不足している成果物がメディアならHiggsfieldを選びます。 商品ページ用なら、バリエーション生成前にアスペクト比、構図、ブランド制約、配置を決めます。ビジュアルブリーフとページ実装を分けてください。

最初にサービスアクセスと消費量を確認します。 連携一覧だけでは、すべてのモデルへのアクセス、無制限生成、特定の商用利用権は証明されません。本番処理の前にアカウント条件とモデルを確認します。

完成ファイルを表示予定のサイズでレビューします。 表示文字、不要な記号、切り抜き、製品との一貫性を確認します。生成された端末画面や図は、テスト成功の証拠にしないでください。

デザイン成果物完了の証拠
インターフェース改訂必要な操作が対象ビューポートで動く
画像素材寸法、切り抜き、内容がブリーフに一致する
動画素材タイミング、動き、最終書き出しがブリーフに一致する

繰り返す処理を接続する

n8n MCP

n8n組み込みのMCPサーバーは、接続クライアントへワークフロー操作を公開します。 現在の接続ドキュメント はCloudとセルフホストのインスタンスを扱います。ワークフローの作成と編集はn8n 2.13.0以降で文書化されています。この記事はn8n自身のサーバーを扱い、似た名前の無関係なコミュニティパッケージは扱いません。

ここで説明する連携にはインスタンス単位のアクセスを使います。 MCP Server Triggerノードは、1つのワークフローから公開するツールという別の範囲です。 ツールリファレンス をデプロイ済みバージョンと照合します。

アクセスは意図を持って有効化します。 既存ワークフローへの完全なアクセスにはMCP公開が必要です。検索プレビューはユーザー既存権限の範囲で広い可視性を持ちます。ワークフロー公開はクライアント別の許可リストではありませんが、クライアント権限は操作を制御します。

実行モードを確認します。 文書化された**execute_workflow**の既定値は公開済みの本番版を実行します。手動モードは現在の未公開版を実行します。実行前に入力と後続操作を確認してください。

最初の試行: 合成したサポート依頼を分類し、結果をテスト先へ書き込みます。欠落フィールドと再試行を確認します。セルフホストでも計算資源、保守、下流の有料サービスが必要です。

管理された試行を行う

例示演習: 小さなアプリケーションへCSVインポーターを追加します。インポーターは行をプレビューし、不正なメール欄を報告し、重複作成を防ぎます。顧客レコードや稼働中の外部宛先は不要です。

# Evaluation worksheet, not a tool configuration file
task: "add CSV import preview"
inputs:
  - "valid rows"
  - "invalid email field"
  - "repeated customer identifier"
  - "same import submitted twice"
acceptance:
  - "preview creates no records"
  - "invalid rows receive useful messages"
  - "duplicate policy matches the written requirement"
  - "repeat submission creates no extra records"
record:
  - "source revision and selected skill version"
  - "model and service configuration"
  - "elapsed time and billed usage"
  - "failed checks and human corrections"

最初に基準を確立します。 開始リビジョンを保存し、既存ワークフローでタスクを完了するようエージェントへ依頼します。独立した受け入れ確認を実行し、結果を残します。同じ開始リビジョンで、1つの拡張と同じ要件を使って繰り返します。

実験を想定した問題に合わせます。 重複処理が何度も誤解されるなら要件スキルを試します。既存のバリデーターを見落とすならリポジトリマッピングを試します。ユーザーがエラーを見逃すならインターフェース批評を試します。10個すべてを一度に読み込むと、改善の原因を特定できません。

期待する考え方: 2回目の成功は有用な証拠ですが、1回の実行で一般的な生産性倍率は示せません。複数回の試行はツールの価値とモデルの変動を分けます。レビュー作業と失敗した試行を含め、受け入れた結果を比較します。

観測解釈
回答は速いがテストに失敗タスク完了なしで応答時間だけ短い
実行は長いが修正が少ない納品全体の作業量が減る可能性
2人のレビュー担当者が合意独立した検証が必要な合意
エージェント利用は少ないが新しいサービス料金プロバイダー間でコストが移動した

保存する決定記録を作ります。 問題、選択したツール、観測した利点、未解決の問題、次の試行条件を記録します。この確認に耐えたツールを残します。インストールした集合が大きくても、稼働中のワークフローまで大きくする必要はありません。

トラブルシューティング

症状次の確認
スキルはあるがコマンドが失敗する実行ファイルのインストール、PATH、必要な補助ファイル
古いチュートリアルの名前にコマンドがないインストール済みバージョンと正規の上流指示
グラフが最近の変更を欠くグラフの新しさと文書の個別更新
レビュー担当者が解決済みの反論を繰り返す正確な計画リビジョン、証拠、レビュー予算
ノートブック認証に失敗する認証診断、セッションの有効性、上流問題
n8n接続に期待した操作がないデプロイ済みバージョン、公開設定、付与権限
デザインはよく見えるが動作が悪い元の受け入れ条件と操作確認

インストール層は順番に確認します: ファイルの存在、ホスト検出、依存関係、認証、代表タスク。インストーラーの成功は、この連鎖の一部だけを示します。

別のコピーを加える前に、重なるスキルを確認します。 要件インタビュー、計画スイート、デザインツール、レビューパッケージには競合する既定値があります。作業の主手順を1つ選び、名前のある貢献に対して補助ツールを追加します。リポジトリのポリシーと要求された範囲を守ってください。

動画の概要

Chase AIの動画は、ここで扱う10個のプロジェクトを紹介します。デモについては 元の動画 を見てください。現在のインストール方法と動作には、リンクしたプロジェクト文書を使います。動画タイトルは宣伝上の主張であり、このガイドが確立した実測結果ではありません。

次のステップ

繰り返す問題を1つと、受け入れテストを1つ選びます。 使い捨て可能なプロジェクトで該当する拡張を試し、結果を改善する最小構成を残します。知識管理、メディア生成、自動化は、その出力が必要なときだけ追加してください。

関連する指針については、 エージェントを選ぶときに CLIコーディングエージェント比較 を読みます。要件、証拠、レビュー責任の実践には AIコラボレーションコース を使います。

参考資料