Claude Code Skills：AIコーディングアシスタント向けのカスタムワークフローを構築する

要点まとめ

• Claude Codeのスキルとは、チームのルール、規約、コマンドテンプレートをエージェントのコンテキストに直接注入するためのMarkdownファイルです。
• スキルは、1段落程度の簡単な指示から、例や環境変数への参照を含むテンプレート化された多段階のワークフローまで、柔軟に作成できます。
• スキルは従来のカスタムコマンドディレクトリに代わるものであり、一度教えればセッションをまたいで再利用できる統一された方法を提供します。
• 特定のモデルバージョンにスキルを固定することで、トークンコストと出力品質を予測可能にできます。本番環境でモデルを選択する前に、TokenLabのモデルディレクトリやAnthropicの料金ページでモデルを比較してください。

---

Claude Codeスキルについて

スキルは、プロジェクト内の .claude/skills/（またはグローバルな ~/.claude/skills/）に配置されるプレーンテキストのMarkdownファイルです。スキルを呼び出すと、Claude Codeはそのファイルの内容をシステムプロンプトに直接注入し、エージェントに対してその特定のガイドラインを優先的に守るよう指示します。

この注入により、エージェントの動作を正確に制御できるようになります。スキルファイルには、禁止パターン、必須ライブラリ、出力形式、あるいはアーキテクチャのチェックリスト全体を記述できます。指示はコードと一緒にバージョン管理されるため、チームメンバー全員が同じガードレールを自動的に共有できます。

専用のスキルを作成すると効果的な一般的なシナリオは以下の通りです：

• 汎用オブジェクトではなく、厳格なTypeScript型を強制する。
• APIレスポンスの形式を標準化する。
• データベースマイグレーションの生成を自動化する。
• コードをコミットする前にテストスイートを実行する。

これらのワークフローをスキルとして定義することで、エージェントが誤ったコマンドを生成したり、古いライブラリを使用したりするのを防ぐことができます。これは高度なコーディングモデルを使用する際に特に有効です。開発パイプラインでどのLLMを使用するか検討している場合は、当社のガイド「2026年のコーディングに最適なAIモデル」を参照し、Claude Sonnet 5とKimi K2.7 CodeやDeepSeek V4 Proなどの代替モデルとの比較を確認してください。

---

カスタムスキルの作成方法

スキルの作成は簡単です。Markdownファイルを作成して適切なディレクトリに保存し、Claude Codeのセッション中にそれを参照するだけです。ここでは、クリーンアーキテクチャを強制し、テストスイートを実行するスキルの作成プロセスを説明します。

まず、プロジェクトのルートにローカルディレクトリを作成します：

mkdir -p .claude/skills

次に、そのディレクトリ内に verify-and-test.md という名前のファイルを作成します。このファイルは、Claude Sonnet 5に対して、コードベースを確認し、Vitestを使用してユニットテストを作成し、テストスイートを実行して変更を検証するように指示するものです。

# Verify and Test Skill

あなたは熟練したソフトウェアエンジニアです。あなたのタスクは、コードの変更を確認し、包括的なユニットテストを作成し、テストスイートを実行することです。

## 指示

1. コードの確認: 変更されたファイルを分析します。非推奨のAPIが使用されていないことを確認してください。
2. ユニットテストの作成: `tests/` ディレクトリにテストファイルを作成します。Vitestを使用してください。
3. テストの実行: `npm run test` を実行し、すべてのテストがパスすることを確認します。
4. レポート: テスト結果の概要と、発見された問題を報告してください。

## 例

ユーザーが新しいユーティリティ関数の検証を求めた場合:
- `src/utils/math.ts` を確認する。
- `tests/math.test.ts` を作成する。
- `npm run test` を実行する。

このファイルを保存すると、Claude Codeが自動的に検出します。エージェントに「最新の変更に対してverify-and-testスキルを実行して」と依頼するか、プロンプト内で直接スキル名を参照することで呼び出せます。

これらの複雑で多段階のエージェントワークフローを各モデルがどのように処理するかについては、当社の「OpenRouter比較」を参照し、さまざまなAPIプロバイダー間でのレイテンシと信頼性を評価してください。

---

トークンコストとモデル選択の管理

Claude Codeを実行する際、注入するスキルごとにシステムプロンプトが長くなるため、入力トークン数が増加します。スキルファイルが長く、例が豊富に含まれていると、API料金がすぐに高額になる可能性があります。

Anthropicの料金ページ（2026年7月7日時点）によると、入力トークンと出力トークンには異なる料金体系があります。例えば、Claude Sonnet 5には100万入力トークンあたりの単価と、それより高い100万出力トークンあたりの単価が設定されています。すべてのプロンプトでスキルを実行すると、これらの入力トークンが積み重なります。

開発コストを抑えるために、以下の戦略を検討してください：

• スキルを簡潔に保つ：スキルファイル内に巨大なコードベースを例として含めるのは避け、短く代表的なスニペットを使用してください。
• グローバルスキルとローカルスキルの使い分け：プロジェクト固有のルールは .claude/skills/ に、一般的な設定は ~/.claude/skills/ に配置し、コンテキストが煩雑になるのを防ぎます。
• 代替モデルの比較：Claude Sonnet 5は複雑なコーディングタスクに最適ですが、より単純なタスクには低コストのモデルにルーティングすることも検討してください。「料金比較」ガイドを確認し、各プロバイダーが入力・出力トークンにどのような価格を設定しているかを確認してください。

---

Claude Codeスキルのベストプラクティス

カスタムワークフローを最大限に活用するために、以下の実践的なガイドラインに従ってください。

プラクティス	説明	メリット
バージョン管理	.claude/skills/ をGitリポジトリにコミットする。	チーム全体で同じコーディング基準を確実に使用できる。
入力の定義	スキルが期待する変数やファイルを明示する。	曖昧さを減らし、エージェントの推測を防ぐ。
ネガティブな例の提示	Markdownに「やってはいけないこと」セクションを含める。	モデルが過去のよくあるミスを繰り返すのを防ぐ。
段階的な変更のテスト	小さなコード変更でスキルを先に実行する。	スキルの指示のデバッグが非常に容易になる。

スキルを作成する際は、それをコードとして扱ってください。スキルが期待通りの出力を生成しない場合は、プロンプトを洗練させ、より明確な例を追加するか、指示の範囲を制限してください。コード以外の資産（UIモックアップやプロモーションメディアなど）の生成が必要なワークフローについては、「2026年のAI画像モデルAPIベスト選」や「2026年のAI動画モデルAPIベスト選」を参照し、それらのタスクに最適なAPIを見つけてください。

---

よくある質問

Claude Codeのスキルはどこに保存すべきですか？

プロジェクト固有のルールはプロジェクトルートの .claude/skills/ に、マシン上のすべてのプロジェクトに適用したいルールはグローバルな ~/.claude/skills/ に保存できます。

Claude Codeで他のモデルを使用できますか？

Claude Codeは、Anthropicが主にClaude Sonnet 5などの自社モデル向けに設計したものです。ただし、TokenLabモデルディレクトリでさまざまなモデルの機能と料金を比較し、コーディングベンチマークでどのように動作するかを確認できます。

セッション中にスキルを無効にするにはどうすればよいですか？

Claude Codeに特定のスキルを使用させたくない場合は、Markdownファイルを .claude/skills/ ディレクトリから移動させるか、ファイル拡張子を変更してエージェントがアクティブなスキルとして認識しないようにしてください。

---

TokenLabを始める

AI開発ワークフローを最適化する準備はできましたか？アプリケーションをスケールさせるには、最高のコストパフォーマンスを持つ適切なモデルを見つけることが不可欠です。TokenLabのコードモデルカテゴリを探索し、最新モデルの比較、トークン価格の分析を行い、コーディングエージェントに最適なLLMを見つけてください。