Codexに役割を持たせる 他のAIエージェントと組み合わせる実務Tips

Findy Lunch Talk「Codexどう使ってる？期待通りにいかない時の向き合い方と工夫」（2026年3月6日実施）で発表した資料です
https://findy.connpass.com/event/384314/

Transcript

1. Codexに役割を持たせる 他のAIエージェントと組み合わせる実務Tips Codexどう使ってる？期待通りにいかない時の向き合い方と工夫 / 2026-03-06 #codex_findy
2. Masahiro OKAMOTO 株式会社TOKIUM ソフトウェアエンジニア 経理AIエージェントの請求基盤開発を担当 o8n o8n_project 自己紹介 #codex_findy 2
3. ターゲット 「Codex CLIにもっと任せられると思ったが、思ったほど自走しなかった」経験がある方 ゴール Codex CLIが期待通りに動かなかった原因を理解できる 次に試すタスクの依頼の仕方・前提設計が具体的にイメージできる ※ 本資料の比較値・見解は、2026-03-06時点で公開されている情報と、発表者の実務運用に基づくものです この発表について #codex_findy 3
4. 1. 失敗編 — タスク設計を誤って学んだこと 2. 改善編 — Skillsで役割を分ける仕組みづくり 3. 進化編 — Codexの今とこれから 目次 #codex_findy 4
5. 失敗編 #codex_findy
6. 「この機能を実装して」と丸投げ → 確認なしで突き進み、方向修正できなかった 実装もレビューも同じAIに任せた → 同じバイアスで見落とし（エコーチェンバー） 結局 Claude Code でやり直し ※ v0.81〜 Steer Modeで実行中に方向修正が可能に（v0.98〜デフォルトON）[1][2] タスク設計とレビューで失敗した #codex_findy 6
7. READMEのように開発情報を全部記載 指定と違うコマンドを使う、規約を守らない コンテキストが埋もれて、重要な指示が届かなかった AGENTS.md に全部書きすぎた #codex_findy 7
8. 1. タスクを小さく切り、AIごとに役割を分ける 実装はClaude Code、レビューはCodex CLI 2. Skills/Commandsで手順を再現可能にする 毎回の判断をワークフローに落とし込む 3. AGENTS.mdは最小限に絞る 守ってほしいルールだけ書く 「役割」と「ワークフロー」を整えた #codex_findy 8
9. 改善編 #codex_findy
10. Claude Code が全体を操縦し、各AIに役割を振る ドライバー Claude Code 計画・実装・修正・PR作成 Codex read-onlyレビュー GitHub Copilot PR⾃動レビュー レビュー依頼 結果返却 PR作成 レビュー結果 Claude Code をドライバーにする #codex_findy 10
11. Claude Codeの Skills / Commands に各工程を定義 /plan — 計画作成 → Codex CLIで自動レビュー（最大3回） /codex-review — 実装後のCodex CLIコードレビュー /create-pr — PR作成（実装計画を自動添付） /review-copilot — Copilotレビューの確認・Resolve tmux-sender — tmux経由でCodex CLIにコマンド送信 Skillsでワークフローを組む #codex_findy 11
12. タスク受取 計画作成 Claude Code codex exec レビュー Codex (read-only) 指摘あり? Yes 修正 Claude Code 最⼤3回 No 承認 実装開始 /plan の自動レビューループ #codex_findy 12
13. Claude Code Codex Copilot ⼈間 Jiraチケット /plan 計画作成 codex exec レビュー ⾃動レビュー (最⼤3回) コード実装 /codex-review /create-pr PR作成 Copilotレビュー /review-copilot 指摘確認 ⼈間 Approve チケットからApproveまでの開発フロー #codex_findy 13
14. Codex開発者へのインタビュー [3] から見える現場の実践 Codex自身がCodexのコードの90%以上を生成 エンジニア1人が4〜8の並列エージェントを運用 AIレビュー → 重要コードは人間レビュー必須の階層的レビュー AGENTS.mdは短く、最小要件のみ（コンテキストは希少資源） [4][5] ルールはドキュメントではなくコードで強制（自動テスト・linting） Codexチームの実践から学ぶ #codex_findy 14
15. OpenAIがCodexを用いたagent-first開発の実践知として共有 [5] エンジニアの主業務は「コードを書く」から環境設計・意図の明文化・フィードバックループ設 計へ 1. コンテキスト設計 — AGENTS.mdは短い目次にし、詳細は構造化ドキュメントに集約す る 2. 制約のコード化 — カスタムlint・構造テストでアーキテクチャ境界を機械的に強制する 3. 継続的な健全化 — 定期エージェントで逸脱を検知し、小さな修正PRで継続回収する （garbage collection） 約5か月・約100万行規模の内部β製品開発で得られた実践。コードは人間が直接書かず、人間は優先順位付け・受 け入れ条件定義・検証を担当 [5] Harness Engineering とは #codex_findy 15
16. Codexチーム わたし 並列エージェント運⽤ エンジニア1⼈ × 4〜8個 tmux + gwq で並列運⽤ ワークスペースを分割して同時実⾏ 並列実⾏ 階層的レビュー AI → 重要コードは⼈間必須 /codex-review Codex を read-only レビュアーに AIレビュー AGENTS.md ~100⾏ マップとして機能、コードで強制 Skills / Commands 各⼯程をコマンドで定義 フロー定義 特別なことではなく、今日から始められる 規模は違えど、やっていることは似てる #codex_findy 16
17. 進化編 #codex_findy
18. 指標 GPT-5.2-Codex GPT-5.3-Codex Claude Opus 4.6 SWE-Bench Pro 56.4% 56.8% ※ Terminal-Bench 2.0 64.0% 77.3% 65.4% 推論速度 — 5.2比で約25%高速 — コンテキスト 400K 400K 200K / 1M（beta） SWE-Bench Pro = 実際のOSSリポジトリのIssueをAIが解決できるか測る（スコアが高い＝バグ修正力が高い） Terminal-Bench 2.0 = ターミナル操作を伴う開発タスクをAIがこなせるか測る（スコアが高い＝CLI操作が得意） ※ AnthropicはSWE-Bench Verified（80.8%）を公開。Verifiedは人手で検証した500問のサブセット、Proは41リポジトリ1,865問に拡大した後継版で、直接比較不可 [8]。Codex値は [6]、400Kは [7] に基づく 2026/3/5にGPT-5.4がリリースされたが、リリース直後のため本資料では未反映 （個人的所感）GPT-5.3-CodexのリリースからClaude Codeの操作感と遜色がなくなってきた Codexの進化が速い（公式公開値ベース） #codex_findy 18
19. 実装もレビューも同じモデル → 同じバイアスを共有（エコーチェンバー） 異なるモデルにレビューさせる → 検出パターンが変わり、見落としを減らせる可能性が高い 例えるなら「同じチームの先輩レビュー」と「別チームからの外部レビュー」の違 い なぜCodex CLIに「レビュー役」を任せるのか #codex_findy 19
20. Claude Code のサブエージェントも並列で検証できる → ただし同一モデルのため、得意・不得意の傾向が共通 実装で見逃した問題を、同じモデルがレビューで拾えるか？ → 盲点が重なるリスクがある Codex CLI（GPT-5-Codex）は異なるモデルベンダー・異なる開発思想 → 別の視点からチェックできる可能性が高い Claudeのサブエージェントではダメなのか？ #codex_findy 20
21. Claude Opus 4.6は200K / 1M（beta）だが、長いセッションでcontext compaction （要約置換）が起きうる [8][9] この運用では、Codex CLIは毎回新規セッションでフレッシュな400Kコンテキストを使 える [7] → 実装の文脈に引きずられず、コードを客観的に読める Codex-Sparkは1,000+ tok/s → レビュー→修正→再レビューの往復が速い [10] OSSの定番パターンに強い傾向がある（所感） → 社内コードへの異なる視点として有効 Codex CLIのレビュー適性 #codex_findy 21
22. 実装とレビューは別のAIに — Codex CLIにレビュー役を持たせる Skills/Commandsでフローを定義 — 手順を再現可能にする 計画をレビューしてから実装 — /plan で事前にCodex CLIの目を通す まとめ #codex_findy 22
23. AIエージェント活用の知見を発信しています TOKIUM_Dev tokium_dev #codex_findy
24. 1. OpenAI, "Codex Changelog" https://developers.openai.com/codex/changelog/ 2. OpenAI, "Codex CLI features" https://developers.openai.com/codex/cli/features/ 3. Gergely Orosz, "How Codex is built", The Pragmatic Engineer, 2026/2/17 https://newsletter.pragmaticengineer.com/p/how-codex-is-built 4. Gloaguen et al., "Evaluating AGENTS.md", arXiv:2602.11988, 2026/2/12 https://arxiv.org/abs/2602.11988 5. OpenAI, "Harness engineering: leveraging Codex in an agent-first world", 2026/2/20 https://openai.com/index/harness-engineering/ Appendix: 参考文献（1/2） #codex_findy
25. 6. OpenAI, "Introducing GPT-5.3-Codex", 2026/2/5 https://openai.com/index/introducing-gpt-5-3-codex/ 7. OpenAI, "GPT-5-Codex Model (API Docs)" https://platform.openai.com/docs/models/gpt-5-codex 8. Anthropic, "Introducing Claude Opus 4.6", 2026/2/5 https://www.anthropic.com/news/claude-opus-4-6 9. Anthropic Docs, "Context windows" https://docs.anthropic.com/en/docs/build-with-claude/context-windows 10. OpenAI, "Introducing GPT-5.3-Codex-Spark", 2026/2/12 https://openai.com/index/introducing-gpt-5-3-codex-spark/ Appendix: 参考文献（2/2） #codex_findy 25
26. Worktreeサポートが良い Plan Mode で計画→承認→実装の流れが自然に Claude Codeとの使い分けがしやすくなった 個人的にはまだTUI派 Appendix: Codex App を触ってみて #codex_findy 26