こんにちは！今回は、SWE(Software Engineer)エージェントの1つである「Claude Code」と一緒にGitHub ActionsでCI/CDパイプラインを構築した体験を共有したいと思います。AIとの掛け合いでどのように開発が進んだか、実際のやり取りを再現しながらお伝えします。
💡 なんと、この作業は2時間弱で完了しました！ AIとの協業を実感できる事例だと思います。
Claude CodeとCI/CDパイプラインを構築している一コマ
はじめに：なぜCI/CDが必要だったのか
私が管理しているMCP Driven UX Templateというリポジトリ。ある程度仕組みが作れたので、品質管理の仕組みを早めに整えたいと思っていました。
👨💻 私：「このリポジトリについて、CI/CDを考えていきたい。自動的にテストする観点でどのように段階的に考えて行けばよい？」
🤖 Claude Code：「このリポジトリはTypeScript/Node.js APIとPython MCPサーバーで構成されたマイクロサービスアーキテクチャですね。段階的アプローチを提案します！」
そして、以下のような段階的な計画を提示してくれました：
第1段階：基本的なユニットテスト
第2段階：統合テスト
第3段階：CI/CDパイプライン
第4段階：高度なテスト
💡 なるほど、いきなり全部やるのではなく、段階的に進めるのが良さそうです。
テストのタイミングについて
👨💻 私：「このテストはどのタイミングで行われるか？」
🤖 Claude Code：「良い質問ですね！テスト実行タイミングを整理します」
Claude Codeは、以下のような実行タイミングを提案してくれました：
-
ローカル開発時
-
npm test- 手動実行 -
npm test:watch- ファイル変更時に自動実行
-
-
プルリクエスト/マージリクエスト時
- 全テストスイート実行
- コードカバレッジチェック
-
CI/CDパイプライン
- push毎に実行
- 統合テスト含む全テスト
👨💻 私：「自端末と、GitHub上でテストが行われるということ？」
🤖 Claude Code：「はい、その通りです！」
💡 両方でテストすることで、個人の開発効率とチーム全体の品質を両立できるという説明に納得しました。
CI/CDパイプラインって何？
ここで基本的な質問をしてみました。
👨💻 私：「さっきCI/CDパイプラインと言っていたけど、パイプラインって何？Gitの概念？」
🤖 Claude Code：「パイプラインはGitの概念ではなく、CI/CDツールの概念です。水道管（パイプライン）のように、コードが段階的に流れていくイメージです」
コード → テスト → ビルド → デプロイ
💡 なるほど、イメージしやすい説明です！
いよいよ実装開始
👨💻 私：「CI/CDパイプラインを試してみたいけど、どうしたらよいか？」
🤖 Claude Code：「GitHub Actionsで簡単に始められます！」
ここで重要な制約を伝えました：
👨💻 私：「環境制約でGitHubへの直接作成やGitコマンドはうまく動かない気がする。ファイル作成以外が発生する場合は私が手を動かすので教えて」
🤖 Claude Code：「了解しました！CI/CDパイプラインを設定するための手順を説明します」
💡 Claude Codeは制約を理解して、必要なファイルを作成し始めました。
エラーとの戦い
エラー1：古いバージョンの問題
最初のプッシュ後、GitHub Actionsでエラーが発生しました。
Error: Missing download info for actions/upload-artifact@v3
👨💻 私：「下記エラーでした。＜エラーログ＞」
🤖 Claude Code：「actions/upload-artifact@v3が古いバージョンなので、v4に更新しましょう！」
エラー2：ESLintの設定不足
ESLint couldn't find a configuration file.
👨💻 私：「下記エラーでした＜エラーログ＞」
🤖 Claude Code：「ESLintの設定ファイルが見つからないエラーですね。ESLint設定ファイルを作成しましょう！」
エラー3：pgTypedの問題
これが一番厄介でした。CIでビルドしようとすると：
Error: getaddrinfo EAI_AGAIN db
🤖 Claude Code：「pgTypedがデータベースに接続しようとしてエラーになっています。CI環境ではdbというホスト名が解決できません」
💡 この問題に対して、Claude Codeは巧妙な回避策を提案しました：
🤖 Claude Code：「CIでは事前にクエリファイルを生成しておく必要があります。ダミーファイル生成スクリプトを作りましょう！」
// generate-dummy-queries.js
files.forEach(file => {
const baseName = path.basename(file, '.sql');
const content = `
export interface I${pascalName}Result {
id?: number;
name?: string;
// ... 必要な型定義
}
export const ${camelName} = {
run: async (params?: I${pascalName}Params) => []
};`;
fs.writeFileSync(queryFile, content);
});
エラー4：Dockerビルドの環境変数
env file .env not found
👨💻 私：「この.envって、.env.sampleをコピー&リネームして作る想定なんですよね。CI/CDでは空ファイルでよい？それとも運用を想定したコピー&リネームが良い？」
🤖 Claude Code：「良い質問です！CI/CDでは.env.sampleをコピーする方が運用に近くて良いですね」
カバレッジ問題の現実的な解決
テストカバレッジ70%の閾値でエラーになりました。
👨💻 私：「テストってサンプルで少ししか作ってないから70%いかないよね。どういった修正になる？」
🤖 Claude Code：「その通りです！サンプルテストしかないので70%のカバレッジ閾値は厳しすぎますね。いくつかの選択肢があります」
結局、現実的な1%に設定することにしました。
👨💻 私：「OK。案1のカバレッジの閾値を下げるにしましょうか。10%もいかないと思うので、1%で」
🤖 Claude Code：「修正完了！プッシュしてください」
ついに成功！
最後のプッシュ後...
👨💻 私：「お、全部グリーンになったよ！」
🤖 Claude Code：「🎉 素晴らしい！完璧なCI/CDパイプラインが完成しました！」
オールグリーンになった様子
実際に構築したGitHubのActionsはこちら。
2時間弱での成果
💡 驚くべきことに、この一連の作業はわずか2時間弱で完了しました！
従来の方法では：
- ドキュメントを読む時間
- 試行錯誤の時間
- エラー原因の調査時間
- 解決策の検討時間
これらを合わせると、おそらく1週間かかっていたでしょう。
Claude Codeとの協働により：
- ✅ エラーの即座の原因分析
- ✅ 最適な解決策の提案
- ✅ 現実的な判断のサポート
- ✅ コード生成の自動化
これらが体験でき、大幅な時間短縮につながりました。
まとめ
Claude Codeとの協働により、わずか2時間弱でCI/CDパイプラインを構築できました。最終的に実現できたのは：
- ✅ 自動テスト実行
- ✅ Lintチェック
- ✅ TypeScriptビルド検証
- ✅ Dockerイメージビルド検証
- ✅ カバレッジレポート生成
- ✅ セキュリティスキャン
AIペアプログラミングの素晴らしさは、技術的な課題に直面したときに、すぐに相談相手がいることです。エラーメッセージを見せれば原因を分析してくれ、現実的な解決策を一緒に考えてくれます。
💡 時間効率の面でも、学習効果の面でも、AIペアプログラミングは非常に有効な開発手法だと実感しました。
皆さんもぜひ、AIツールを活用した開発を試してみてください。思っているより簡単に、そして驚くほど短時間で、品質の高い開発環境が構築できますよ！
アクセンチュア株式会社に所属する社員有志による運営です。アクセンチュアの社員による様々な発信をまとめています。なお、投稿内容は社員個人の見解であり、所属する組織を代表するものではありません。
Discussion