SREがClaude Codeを活用してIaC化した方法

はじめに

SREとして日々インフラ管理に携わる中で、既存のAWSリソースをIaC（Infrastructure as Code）化することはあると思います。この記事では、Claude Codeを活用してAWSリソースの棚卸しとTerraform管理への移行を効率化する方法を紹介します。

前提条件

この記事の手順を実行するには、以下の環境が必要です：

Claude Code

• Claude Code のインストール

実行環境

• AWS CLI がインストールされたローカル環境（v2.x推奨）
  • または AWS CloudShell （ブラウザベースのシェル環境）
• jq コマンド（JSONの整形・解析用）

Terraform実行環境

• Terraform: v1.5以上
• Terraform stateファイル: S3バケットで管理 (+DynamoDB)
• Terraform実行: GitHub Actionsで自動化（ローカルでは実行しない）

必要な権限

• ReadOnly権限 のAWS IAMユーザーまたはロール
• 確認したいリソースを指定する：

  {
    "Version": "2012-10-17",
    "Statement": [
      {
        "Effect": "Allow",
        "Action": [
          "ec2:Describe*",
          "rds:Describe*",
          "s3:ListBucket",
          "s3:ListAllMyBuckets",
          "s3:GetObject",
          "s3:GetBucketLocation",
          "iam:List*",
          "iam:Get*",
          "elasticloadbalancing:Describe*",
          "ecs:List*",
          "ecs:Describe*"
        ],
        "Resource": "*"
      }
    ]
  }
  

その他のツール

• Python 3.8以上
• 必要なPythonライブラリ：

  pip install boto3 pandas tabulate
  

解決したい課題

今回は下記の課題がありました：

1. 可視性の欠如: コンソールから手動作成されたAWSリソースが散在している
2. 管理状態の不明瞭さ: どのリソースがTerraform管理下にあり、どれが管理外なのか把握できていない
3. 移行作業の複雑さ: 既存リソースをTerraformにインポートする作業が煩雑

これらの課題を、Claude Codeを使ってスクリプト化することで解決してみます。

Claude Codeによる解決アプローチ

解決ステップの概要

以下の3つのステップでClaude Codeを活用してIaC化を進めます：

ステップ	実施内容	Claude Codeの活用方法	成果物
リソース棚卸し	AWS CLIでリソース一覧を取得	スクリプト生成プロンプトを送信	get_aws_resources.sh
管理状況分析	Terraform状態と実リソースの比較	分析スクリプト生成プロンプトを送信	analyze_terraform_coverage.py
インポート準備	未管理リソースのimport blocks生成	実行して結果を確認	import_blocks.tf

Claude Codeを使った実装アプローチ

1. AWS CLIでリソース一覧を取得

まず、Claude Codeに以下のようなプロンプトを投げます：

AWS CLIを使って、以下のリソースをすべて取得するスクリプトを作成してください：
- EC2インスタンス（終了済みを除く）
- RDSインスタンス
- S3バケット（バージョニング状態も含む）
- IAMロール（信頼ポリシーも含む）
- Security Groups
- ALB/NLB
- VPC
- サブネット

ただし、以下は取得時に除外してください：
- ECSタスク定義の複数リビジョン（最新のみ取得）
- デフォルトのSecurity Group
- AWS管理のIAMロール（AWS、aws-で始まるもの）

出力は構造化されたJSONファイルに保存し、エラーハンドリングを含めてください。
各リソースの取得時にプログレス表示を行い、リージョンも明示してください。

Claude Codeが生成したスクリプト：

#!/bin/bash

set -euo pipefail

# Colors for output
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
NC='\033[0m' # No Color

# Function to print colored output
print_status() {
    echo -e "${GREEN}[INFO]${NC} $1"
}

print_warning() {
    echo -e "${YELLOW}[WARN]${NC} $1"
}

print_error() {
    echo -e "${RED}[ERROR]${NC} $1"
}

# Output file
OUTPUT_FILE="aws_resources_$(date +%Y%m%d_%H%M%S).json"

# Initialize output JSON
echo '{"timestamp": "'$(date -Iseconds)'", "resources": {}}' > "$OUTPUT_FILE"

# Function to add resource to JSON
add_to_json() {
    local resource_type="$1"
    local data="$2"

    # Use jq to add the resource data
    jq --arg type "$resource_type" --argjson data "$data" \
       '.resources[$type] = $data' "$OUTPUT_FILE" > temp.json && mv temp.json "$OUTPUT_FILE"
}

print_status "Starting AWS resource discovery..."

# Get current region
REGION=$(aws configure get region || echo "us-east-1")
print_status "Using region: $REGION"

# 1. EC2 Instances (exclude terminated)
print_status "Fetching EC2 instances..."
EC2_DATA=$(aws ec2 describe-instances \
    --query 'Reservations[].Instances[?State.Name!=`terminated`].{
        InstanceId: InstanceId,
        InstanceType: InstanceType,
        State: State.Name,
        LaunchTime: LaunchTime,
        Tags: Tags[?Key==`Name`].Value | [0],
        VpcId: VpcId,
        SubnetId: SubnetId,
        SecurityGroups: SecurityGroups[].GroupId
    }' \
    --output json 2>/dev/null || echo '[]')
add_to_json "ec2_instances" "$EC2_DATA"

# 2. RDS Instances
print_status "Fetching RDS instances..."
RDS_DATA=$(aws rds describe-db-instances \
    --query 'DBInstances[].{
        DBInstanceIdentifier: DBInstanceIdentifier,
        DBInstanceClass: DBInstanceClass,
        Engine: Engine,
        DBInstanceStatus: DBInstanceStatus,
        AllocatedStorage: AllocatedStorage,
        VpcSecurityGroups: VpcSecurityGroups[].VpcSecurityGroupId,
        DBSubnetGroup: DBSubnetGroup.DBSubnetGroupName
    }' \
    --output json 2>/dev/null || echo '[]')
add_to_json "rds_instances" "$RDS_DATA"

# 3. S3 Buckets with versioning info
print_status "Fetching S3 buckets..."
S3_BUCKETS=$(aws s3api list-buckets --query 'Buckets[].Name' --output text 2>/dev/null || echo "")
S3_DATA='[]'
if [[ -n "$S3_BUCKETS" ]]; then
    S3_ARRAY='[]'
    for bucket in $S3_BUCKETS; do
        VERSIONING=$(aws s3api get-bucket-versioning --bucket "$bucket" 2>/dev/null || echo '{}')
        BUCKET_INFO=$(jq -n \
            --arg name "$bucket" \
            --argjson versioning "$VERSIONING" \
            '{name: $name, versioning: $versioning}')
        S3_ARRAY=$(echo "$S3_ARRAY" | jq ". + [$BUCKET_INFO]")
    done
    S3_DATA="$S3_ARRAY"
fi
add_to_json "s3_buckets" "$S3_DATA"

# ... 他のリソース取得処理（ECS、Lambda等）も同様に続く

print_status "Resource discovery completed!"
print_status "Output saved to: $OUTPUT_FILE"

# Display summary
echo ""
echo "=== Resource Summary ==="
jq -r '
.resources | to_entries[] |
"\(.key): \(.value | length) items"
' "$OUTPUT_FILE"

2. Terraform状態との比較スクリプト

次に、取得したAWSリソースとTerraform状態を比較するための分析スクリプトを作成するプロンプトです。

先ほど取得したAWSリソースのJSONファイルと、Terraform stateファイルを比較して、
以下を分析するPythonスクリプトを作成してください：

1. Terraform管理されていないAWSリソースの特定
2. リソースタイプ別の管理状況の可視化
3. インポート候補リソースのリスト生成
4. Terraform import blocksの自動生成

入力：
- aws_resources_YYYYMMDD_HHMMSS.json （AWSリソース一覧）
- terraform.tfstate （S3から取得したTerraform状態ファイル）

出力：
- 管理状況レポート（テキスト・テーブル形式）
- インポート候補リスト（CSV形式）
- 自動生成されたTerraform import blocks

分析対象リソース：
- aws_instance
- aws_db_instance
- aws_s3_bucket
- aws_iam_role
- aws_security_group
- aws_lb
- aws_vpc
- aws_subnet

エラーハンドリングとプログレス表示を含めてください。

Claude Codeが生成した比較分析スクリプト：

#!/usr/bin/env python3

import json
import pandas as pd
import argparse
import sys
from pathlib import Path
from tabulate import tabulate
from datetime import datetime

class TerraformAWSAnalyzer:
    def __init__(self, aws_data_file, tfstate_file):
        self.aws_data_file = Path(aws_data_file)
        self.tfstate_file = Path(tfstate_file)
        self.aws_resources = {}
        self.tf_resources = {}
        self.analysis_results = {}

    def load_aws_data(self):
        """AWSリソースデータを読み込み"""
        print("📋 Loading AWS resources data...")
        try:
            with open(self.aws_data_file, 'r') as f:
                data = json.load(f)
                self.aws_resources = data.get('resources', {})
            print(f"✅ Loaded AWS data from {self.aws_data_file}")
        except FileNotFoundError:
            print(f"❌ AWS data file not found: {self.aws_data_file}")
            sys.exit(1)
        except json.JSONDecodeError as e:
            print(f"❌ Invalid JSON in AWS data file: {e}")
            sys.exit(1)

    def load_terraform_state(self):
        """Terraform状態ファイルを読み込み"""
        print("🏗️  Loading Terraform state...")
        try:
            with open(self.tfstate_file, 'r') as f:
                tfstate = json.load(f)

            # Terraform管理リソースを抽出
            self.tf_resources = {
                'aws_instance': [],
                'aws_db_instance': [],
                'aws_s3_bucket': [],
                'aws_iam_role': [],
                'aws_security_group': [],
                'aws_lb': [],
                'aws_vpc': [],
                'aws_subnet': []
            }

            for resource in tfstate.get('resources', []):
                resource_type = resource.get('type')
                if resource_type in self.tf_resources:
                    for instance in resource.get('instances', []):
                        attributes = instance.get('attributes', {})
                        self.tf_resources[resource_type].append({
                            'name': resource.get('name'),
                            'id': self._get_resource_id(resource_type, attributes),
                            'attributes': attributes
                        })

            print(f"✅ Loaded Terraform state from {self.tfstate_file}")
        except FileNotFoundError:
            print(f"❌ Terraform state file not found: {self.tfstate_file}")
            sys.exit(1)
        except json.JSONDecodeError as e:
            print(f"❌ Invalid JSON in Terraform state file: {e}")
            sys.exit(1)

    def _get_resource_id(self, resource_type, attributes):
        """リソースタイプに応じて適切なIDを取得"""
        id_mappings = {
            'aws_instance': 'id',
            'aws_db_instance': 'id',
            'aws_s3_bucket': 'bucket',
            'aws_iam_role': 'name',
            'aws_security_group': 'id',
            'aws_lb': 'arn',
            'aws_vpc': 'id',
            'aws_subnet': 'id'
        }
        return attributes.get(id_mappings.get(resource_type, 'id'))

・・・省略

このスクリプトにより、Terraform管理状況を詳細に分析し、インポート候補を特定できます。

3. 実行例と結果の確認

実際にこんな感じでリソースを取得して、分析してみました。

# 1. AWSリソースの取得
$ ./get_aws_resources.sh
Current region: ap-northeast-1
Continue? (y/n): y
[2025-09-23 10:30:45] Getting EC2 instances...
[2025-09-23 10:30:47] Getting VPCs...
...
Resource collection completed!
Summary:
--------
  ec2_instances: 15 resources
  rds_instances: 3 resources
  s3_buckets: 42 resources
  ...

2. 比較分析の実行

$ python3 analyze_terraform_coverage.py aws_resources_20240115_103045.json terraform.tfstate
📋 Loading AWS resources data...
✅ Loaded AWS data from aws_resources_20240115_103045.json
🏗️  Loading Terraform state...
✅ Loaded Terraform state from terraform.tfstate
🔍 Analyzing resource coverage...
✅ Analysis completed!

============================================================
📊 TERRAFORM COVERAGE REPORT
============================================================

🌐 Overall Coverage:
   Total AWS Resources: 75
   Terraform Managed: 67 (89.3%)
   Unmanaged: 8 (10.7%)

📋 Resource Type Breakdown:
┌─────────────────┬───────┬─────────┬───────────┬──────────┐
│ Resource Type   │ Total │ Managed │ Unmanaged │ Coverage │
├─────────────────┼───────┼─────────┼───────────┼──────────┤
│ Ec2 Instances   │    15 │      12 │         3 │    80.0% │
│ Rds Instances   │     3 │       2 │         1 │    66.7% │
│ S3 Buckets      │    42 │      38 │         4 │    90.5% │
│ Security Groups │    15 │      15 │         0 │   100.0% │
└─────────────────┴───────┴─────────┴───────────┴──────────┘

📄 Generating import candidates list...
✅ Import candidates saved to: import_candidates_20240115_103045.csv
   Total candidates: 8

⚡ Generating Terraform import blocks...
✅ Import blocks saved to: import_blocks_20240115_103045.tf
   Total import blocks: 8

🎉 Analysis completed! Check output files in: .

3. 生成されたファイルの確認

$ ls -la
import_candidates_20250923_103045.csv      # インポート候補リスト
import_blocks_20250923_103045.tf           # Terraform import blocks

$ head -10 import_blocks_20240115_103045.tf
# Auto-generated Terraform import blocks
# Generated on: 2024-01-15T10:30:45

# Import ec2_instances: web-server-01
import {
  to = aws_instance.instance_imported_001
  id = "i-1234567890abcdef0"
}

# Import rds_instances: prod-mysql
import {
  to = aws_db_instance.db_instance_imported_002
  id = "prod-mysql-instance"
}

4. GitHub ActionsでTerraform planを実行

import blocksとresource definitionsをリポジトリにコミット後、
GitHub ActionsでTerraform applyを実行します。

Claude Codeを使う際のTips

効果的なプロンプトの書き方

1. 明確な要件定義

   良い例：
   「EC2インスタンスを取得する際、Name タグ、VPC ID、サブネットID、
   セキュリティグループIDも含めて構造化されたJSONで出力してください」
   
   悪い例：
   「EC2の情報を取得してください」
   

2. エラーハンドリングの明示

   「各API呼び出しでエラーが発生した場合は、
   エラーメッセージをログに記録し、空の配列を返すようにしてください」
   

3. 出力形式の指定

   「プログレスバーまたは進捗状況を表示し、
   最後にサマリーテーブルを表示してください」
   

段階的な実装アプローチ

1. 初期バージョン: 基本的な機能のみ実装
2. エラーハンドリング追加: 例外処理とログ出力
3. 最適化: ページネーション、並列処理
4. ユーザビリティ向上: 進捗表示、カラー出力、レポート生成

まとめ

Claude Codeを活用することで、以下のメリットが得られます：

• 作業の自動化: 手動での棚卸し作業を大幅に削減
• ミスの削減: スクリプト化により人的ミスを防止
• 再現性: 同じ手順を複数の環境で実行可能
• 安全性: ReadOnly権限と事前確認により事故を防止
• 可視性の向上: レポート生成により管理状態を明確化

重要なのは、生成されたスクリプトを盲信せず、必ず内容を理解してから実行することです。また、本番環境での実行前に、必ず開発環境でのテストを行いましょう。

SREとして、既存リソースのIaC化はよくある課題かなと思います。Claude CodeのようなAIツールを効果的に活用することで、効率良く作業出来ると思います。