【20260409 AI×DevOpsStudy #11】Claude Codeを利用してAWS環境構築の省力化に挑戦する記録

■AI×DevOps Study #11 の概要
2026年4月9日に開催した「AI×DevOps Study」第11回のアーカイブ動画です。

「AI×DevOps Study」は、AI駆動開発やそこに関係するマイクロサービスについて理解を深める場になります。
株式会社ScalarではAIを使ったチーム開発を進めており、参画しているメンバーや協力会社の方から、具体的なAI駆動開発を実施する方法、その中で生まれたマイクロサービスアーキテクチャを使用したAI駆動開発の事例や実際に使えるエージェントについてお話頂き、参加者の皆様と知識の共有や交換を目的としています。
（弊社製品であるScalarDBも絡んだお話も一部出てきますが、汎用的な内容となっておりますのでフラットにお楽しみいいただけます）

■今回のテーマ
「Claude Codeを利用してAWS環境構築の省力化に挑戦する記録」

ローカルで開発したアプリをAWS上のDemo環境へ移行するにあたり、インフラの構成管理にTerraformを採用しました。しかし、設計と膨大なTerraformコードの実装を人力でやるのは工数がかかるため、「スピード感」「効率化」を求めTerraformコードの実装部分をAIで行いました。

本セッションでは、AI駆動開発を活用してAWS上にDevelop環境を構築した方法と、EKS・DynamoDBの構築、ArgoCDによるアプリケーションのDeliveryまでを、チームで役割分担しながらTerraformとAIを組み合わせて実現した取り組みについてお話しします。

■登壇者情報（敬称略）
mini-worker
株式会社Scalar所属のソフトウェアエンジニア。2018年からメールマガジン開発・運用（Kotlin / SpringBoot / PHP / JavaScript）、スタートアップ企業の情報や、ビジネスアイデアを共有するためのシステム「STARTUP DB」の立ち上げなどを経験。2022年-2025年には某ECサイトの社内管理システムの開発を担当し、マイクロサービスアーキテクチャを現場レベルで叩き込まれました。最近はAIをどう現場で使いこなすかにハマっていて、Skills・Rulesを自作しながら、毎日アプリ作ってはレビューしてを繰り返してます。

AI×DevOps Study は毎週開催予定です
本勉強会「AI×DevOps Study」は、週1回ペースでの開催を予定しています。
AI駆動開発やチーム開発におけるAI活用にご興味のある方は、ぜひイベントページや過去回の動画もご覧ください。

■関連コンテンツ
・Youtube
www.youtube.com/@scalar-labs

・Zenn ブログ
https://zenn.dev/p/scalar_sol_blog

・イベントページ
https://scalar.connpass.com/event/389...

Transcript

1. Claude Codeを使ってAWS環境構築の 省⼒化に挑戦する記録 2026年4⽉9⽇ 株式会社Scalar ⽒名 mini-worker
2. 本⽇のAgenda 2 1. はじめに 2. なぜ「Claude」でインフラを構築したのか 3. AIでの開発に必須の道具たち 4. 道具をインフラ構築にどう適⽤したのか 5. 実際の構築ステップ 6. AIでのインフラ構築で得た学び 7. まとめ
3. はじめに 3
4. ⾃⼰紹介 名前：mini-worker 所属：株式会社Scalar ビジネスソリューション本部 最近の興味 • AI駆動開発、AIがどう世の中を変えていくのか 4 これまでの経歴 • 2018.04 ◦ 新卒からエンジニアのキャリアをStart ◦ メールマガジンの開発、スタートアップ 企業の情報を共有するためのシステム 「STARTUP DB」の⽴ち上げなどに従事 • 2020.09 ◦ ECサイトの管理画⾯/ユーザ画⾯/加盟店 管理画⾯の開発〜運⽤まで経験 • 2022.05 ◦ フードデリバリーシステムの基幹システ ムを開発〜運⽤まで経験 • 2026.02 ◦ ScalarにJoin！
5. 今⽇話すこと 1. Claudeを使って⼈事管理アプリをAWS環境に構築した話 2. ⼈間とAIの棲み分け a. ⼈間：AWS構成図の作成、⼿作業での確認、最終的な判断 b. AI：Terraformのコード⽣成 3. 構築のStep a. AWSの⼟台構築→EKS→認証基盤→DB→アプリデプロイ 5
6. 構成図と補⾜説明 • アプリ ◦ Frontend→BFF→API→ScalarDB→DB • 技術スタック ◦ Frontend: Next.js ◦ BFF: Fastify ◦ API: Java21, SpringBoot 6
7. 補⾜：ScalarDBの説明 • 弊社Scalarで開発している異種 DB をまたいで ACID トランザクションを実現す る DB ミドルウェア。ローカル環境とクラウド環境のデータベースの差異を吸 収し、AIが開発する環境と実⾏する環境の同⼀性を担保できます。 • 今回開発した⼈事管理アプリではこのミドルウェアを利⽤して開発 https://scalardb.scalar-labs.com/ja-jp/docs/latest/overview 7
8. なぜ「Claude」で インフラ構築したのか 8
9. Claudeでインフラを建てる理由 1. Terraform初⼼者にとって実装は学習‧⼯数コストが⾼いが、Claude で補うことでコストを下げることができる 2. ⼈間は構成図作成‧動作確認、 AIがTerraform⽣成と分業させることでAWS環境の構築を最速で実現 9
10. 本勉強会で持ち帰って欲しいこと 1. ClaudeCodeの概要‧使い⽅、即実践可能なSKILLsやRulesを作る知識 2. コード⽣成前に⼈間がデザインすべき要素（⼈間とAIの作業領域の分 割‧構築⼿順の設計）の理解 3. インフラ領域をSKILL化することで、担当者によらず平均的なOutput を出せる仕組み作りの⽅法 10
11. AIでの開発に必須の道具たち 11
12. 5つの道具 • Claudeを使って開発する際に必要な道具 1. CLAUDE.md 2. Rules 3. SKILLS 4. MCP 5. Compound Engineering 12 次スライドから各ツールの詳細を記載します
13. 道具1：CLAUDE.md • プロジェクト全体の方針書で、Claude Codeを起動したときに常に読み込まれ るファイル • 何を記載するのか？※一部抜粋 ◦ 何を作っているか ◦ 使っている技術スタック ◦ 参照してほしいドキュメントの場所 13 💡CLAUDE.md作成時のポイント： 文章を短く保つ 長くなりすぎるとAIが全部読み込めない、重要なルールが埋もれるため 詳細はRulesに切り出す
14. CLAUDE.mdに実際に書いている内容 ※一部抜粋 • 技術スタック • プロジェクト構造 ◦ tree 形式で記載 • 仕様書 ◦ `../HRM_data_model.md` など仕様書のリンクを記載 • コーディング規約 ◦ `.claude/rules/`のリンクを記載 • モデル選択ガイドライン ◦ タスクに応じてモデルを使い分け 14
15. 道具2：Rules • Rules＝CLAUDE.mdの肥大化対策として生まれたファイル群 • 『このパターンは使わない』『このライブラリはこう使う』といった詳細なルールをRules に切り出すことで、CLAUDE.mdをスリムに保てる • paths: *.java形式でファイルパスを指定することで、Javaのファイルを触るとき だけRulesを適用させる制御ができます • 例：私の場合、.claude/rules/repository.mdというファイルに実装の OK/NGリストを記載しました。『このメソッドは使わない』などのように具体的な禁止事 項を書いています（次のSlide参照） 15
16. Rulesに実際に書いている内容 ※一部抜粋 • `paths: "src/**/repository/**/*.java"` で Repositoryの実装でのみ呼び出されるように記載 • 基本的なRepositoryの実装⽅法/Entity定義 ◦ 具体的なコードを記載 • 禁⽌事項 • チェックリスト 具体的なコードを記載することで⽣成されるコードを統⼀ 16
17. 道具3：Skills • AIに専門知識を教える仕組み • .claude/skills/{skill-name}/SKILL.mdというファイルを生成し`name: {skill-name}`と記載することでSKILLを作成 • 使われるタイミングは、実装フェーズなどでAIが必要なSkillを参照して実装してくれま す。または/{skill-name}とスキル名を直接指定することで呼び出せる • Atomic Designのコンポーネント設計など、プロジェクト固有の知識を渡せる のが強 み https://code.claude.com/docs/ja/skills 17
18. 道具4：MCP MCP(Model Context Protocol)とは…Claude Codeを外部ツールと連携させる仕組み • Context7 ◦ ドキュメントをリアルタイムで参照できるツール。これがないと Claudeが自律的に調査するときに古い ドキュメントを参照してしまう。 • Serena ◦ コードの構造を解析してくれるツール。大きなリポジトリで『このメソッドどこで使われてる？』みたいな ことを調べるのが得意。 • Playwright ◦ ブラウザの自動操作ができるツール。 18
19. 補⾜：おすすめPlugin • Claude Mem ◦ Sessionを閉じると会話の記憶がリセットされるため、Claude Memを入れておく ことで次にSessionを開いたときに過去の作業内容を引き継いげて、コンテキス トの永続化が可能になる ◦ 詳細はZennブログに記載しています↓ ▪ Claude Codeのトークン枯渇問題をClaude-Memで解決した話 19
20. 道具5：Compound Engineering https://github.com/EveryInc/compound-engineering-plugin • Every社が提供しているAIコーディングの開発支援プラグイン • ワークフロー：(Ideate→ )Brainstorm → Plan → Work → Review → Compound 20
21. 構築順序を守って設計する⽅法 21
22. 何をどの順番で建てるのか？ 🔔 ⼿戻りを防ぐために⼟台から順に構築することが重要🔔 1. VPC、サブネット、DB、ALB構築 2. EKSクラスターの作成 3. EKS Namespace作成 4. Kong, Keycloakなどミドルウェア構築 5. ScalarDB SchemaLoaderでのテーブル作成 6. アプリをPodにデプロイ 💡上記順序を守って作成するためにPlan.md‧SKILLsを作成する 22 ただし...突然実装に⼊ると作業を⾒失い、順に構築することができなくなる.....
23. SKILLsへの落とし込み 前述した⼿順を１つ１つSKILL化 infra-aws-foundation, infra-eks, infra-k8s-core, infra-scalardb…など 23 なんのためにSKILLを個別に区切っている のか？ SKILLsの詳細はスライド「道具3：Skills」を参照
24. Plan.mdについて ➢ Plan.mdとは 1. Claude Codeの機能ではなく⾃分で 作ったmdファイル 2. SKILLごとにどの順番で実⾏するの か計画書 3. CLAUDE.mdに「Plan.mdを参照せ よ」と記載することでSessionごと に⾃動読み込み ➢ Plan.mdを作成する理由 1. Claudeが新しいSessionを開くたび にPlan.mdを読み込む 2. どのPhaseまで終わっていて次に何 をやるかわかる状態を作れる 💡Plan.mdがClaudeとの作業の”しおり”になる 💡
25. SKILLを使⽤して構築する際の留意点 SKILLを使って進める際の基本サイクルとAIと⼈間の棲み分けを抑える 1. SKILL実⾏ a. /{skill-name} でコマンド呼び出し 2. tfファイル⽣成 3. CloudShell or AWS Console で実⾏ 4. 動作確認 a. AWS Console or curlコマンドなどで確認 5. /ce:review を実⾏してtfファイルのレビュー 25
26. 実際の構築ステップ‧ ⼈間とAIの作業の棲み分け 26
27. 構築STEPの概要 • STEP1：AWS基盤構築 • STEP2：EKS基盤構築 • STEP3：認証構築 • STEP4：DB構築 • STEP5：アプリデプロイ 27 ➢ 補⾜ ◦ システムによって作成するリソースは異なるため必ずしもこの⼿順になるとは限らない ◦ 次スライド以降上記フローに沿って各リソースの作成⼿順の説明を⾏います
28. STEP1：AWS基盤構築 • ゴール ◦ アプリが動くためのAWSの⼟台（ネットワーク‧DB‧LB）作成 28 ➢ AI ◦ TerraformHCLを⼀括⽣成 ➢ ⼈間 ◦ CloudShellで terraform apply ◦ AWS Consoleで⽬視確認 ⼈間とAIの棲み分け
29. STEP2：EKS基盤構築 • ゴール ◦ コンテナを動かすためのKubernetesクラスター、ミドルウェア環境の整備 29 ➢ AI ◦ Namespace Yaml、 ArgoCD設定、 Helm Values⽣成 ➢ ⼈間 ◦ CloudShellで eksctl コマンド 実⾏、kubectl apply と helm install ⼈間とAIの棲み分け
30. STEP3：認証構築 • ゴール ◦ ユーザー認証（ログイン‧ロール管理）の仕組みを作る 30 ➢ AI ◦ Keycloak Helm Value, Terraform(Realm/ Client/ Role)⽣成 ➢ ⼈間 ◦ CloudShellで helm install, terraform apply コマンド実 ⾏ ◦ Keycloak管理画⾯でユーザー 作成 ⼈間とAIの棲み分け
31. STEP4：DB構築 • ゴール ◦ データの読み書きができる状態に構築 31 ➢ AI ◦ ScalarDB Properties設定ファ イルを⽣成 ➢ ⼈間 ◦ CloudShellでScalarDB Schema Loaderを実⾏ ◦ AWS Consoleでテーブルの存 在を確認 ⼈間とAIの棲み分け
32. STEP5：アプリデプロイ • ゴール ◦ アプリをEKS上にデプロイし、ブラウザからアクセスできる状態にする 32 ➢ AI ◦ Deployment Yamlを⽣成 ◦ .gitlab-ci.yamlの⽣成 ➢ ⼈間 ◦ CloudShellで kubectl apply 実⾏ ◦ GitlabのJob実⾏後、アプリ が反映されていることを確認 ⼈間とAIの棲み分け
33. AIでのインフラ構築で得た学び 33
34. 「⼈間」と「AI」の境界線 • ⼈間がやること ◦ AWS構築必要なサービス‧ ⼿順、インフラ構成図作成 ◦ 最終的なデプロイ‧ 削除の判断 34 • AIがやること ◦ TerraformのHCLコードを書く ◦ YAML/ Helm Valuesを書く
35. 改善点 • CloudShellの作業ログを残せなかった ◦ CloudShellはセッションが切れると履歴が消えるため、 悪戦苦闘した記録が残らない ◦ 次回以降、作業ログをその都度 ファイルなどに書き出す運⽤に変更 • EC2 Spot Instanceにして⾼額な請求が来ないよう再設計をする ◦ Fargateを採⽤したことで⾼額な請求（1⽇60ドル） ◦ Dev環境のためSpot Instanceに置き換えてインフラコストの削減を⾏う 35
36. まとめ 36
37. 今⽇のまとめ • 構成図を書くのは⼈間の仕事、Terraformを⽣成するのはAIの仕事 • Console上での⽬視確認と最終判断は必ず⼈間が握る󰠁 • AI時代の今、"当たり前"や"常識"は⽇々変わっていきます。 それも楽しみながら学んで新しい⼿法を試してみるのが重要です。 37
38. 宣伝 • ScalarのメンバーでZennブログを更新中！3⽉は毎⽇投稿頑張りました ◦ https://zenn.dev/p/scalar_sol_blog • 4/23 18:00- オフラインのイベントを⾏います！ぜひお越しください ◦ ⾃社の業務におけるClaude CodeなどのAI活⽤事例紹介（ハイブリッド開催） • 今回の勉強会の内容はYoutubeに載せています。⾒逃した⽅いたらぜひご覧く ださい。 ◦ https://www.youtube.com/@scalar-labs/videos 38
39. GitHub scalar-labs/scalardb connpass Scalar Please give us a star on GitHub! AIxDevOps Study 毎週⽕曜開催