はじめに

こんにちは。プロダクト本部に所属しているエンジニアの孫です。

誰が、何の業務に、何時間使ったのかを可視化できるクラウド型工数管理・プロジェクト管理ツール「クラウドログ」の開発を担当しております。

現在、クラウドログ開発チームではエンジニアの生産性向上を目的に Cursor と Claude Code が導入されています。

今回はチーム内「Cursor番長」に任せていただいた私の取り組みをご紹介させていただきます。

この記事の対象読者

CursorとClaude Codeのどちらを使うべきか迷っている開発者
AIツールの知見を個人の経験にとどめず、チームや組織の資産として定着させたいと考えている方
AIコーディングツールのコマンドやルールをチーム全体で標準化・運用する方法を探している方

なぜ「番長制度」が必要だったのか

工数・プロジェクト管理ツール「クラウドログ」を開発する当チームでは、エンジニアの生産性向上を目的に、Cursor と Claude Code の2大AIコーディングツールを導入しました。

しかし、単にツールを配布するだけでは、その価値は十分に発揮されません。

「どの場面でどちらを使うべきか」
「チームとしてどうルール化するか」
「個人の知見をどう組織資産化するか」

こうした課題に対応するため、各ツールごとに「番長」を任命し、深度ある実践と横展開を推進しています。

私が担当する「Cursor番長」として取り組んだ、ツール比較会・標準化されたコマンド配布・知見伝達 という一連の活動を整理してお届けします。

活動例

その1. Claude Code vs Cursor 機能比較の詳細を共有する勉強会

AIコーディングに一番良く使われている両ツールの特性を深く理解し、適切な使い分けを判断するためにクラウドログの技術勉強会「LogStudy」の場を借りて、Cursor部分の内容を準備してから「Claude Code番長」と連携し「Claude Code vs Cursor比較会」を実施しました。

比較会の抜粋は以下となります。

Cursorは、VS CodeベースのIDEに統合された「リアルタイム支援」に特化しています。極めて短いレイテンシで次に入力すべきコードを予測する高速なTab補完機能です。

また、Cmd+K を用いたインライン編集では、自然言語で修正を指示できるだけでなく、変更箇所が行単位ではなく「単語単位」でハイライトされるため、変数名の変更といった微細な修正も瞬時に確認できる点が大きな強みです。

対してClaude Codeは、ターミナル（CLI）を主戦場とする「自律型エージェント」としての性格を持っています。ユーザーが一度指示すれば、ファイルの修正からテスト実行、コミットまでを自律的に繰り返すことができます。

さらに「Tool Search」機能により、多数のMCPツールから最適なものを自動選択し、トークン消費を大幅に削減しながら複雑なタスクを処理することが可能です。

比較観点	Cursor	Claude Code
コンセプト	IDEに溶け込む「超低レイテンシ支援者」	ターミナルで自律する「開発エージェント」
動作環境	VS CodeベースのIDE	ターミナル（CLI）
主な強み	200〜500msのTab補完で思考の途切れを最小限に抑える高速レスポンス	「このAPIに認証機能を追加して」のような指示一つで、ファイル修正→テスト実行→コミットまでを自律的に繰り返す
編集体験	Cmd+Kによるインライン編集。自然言語で修正指示でき、変更差分が「単語単位」でハイライトされるため微細な変更も瞬時に確認可能	一連のタスクを自動化し、複数ファイルにまたがる大規模な変更を一括処理
ツール連携	Linter・Debugger・Git操作と完全に連携し、内蔵ブラウザでの動作チェックも可能	Tool Search機能で100種類以上のMCPツールから最適なものを自動選択し、不要なトークン消費を抑制
設計思想	環境統合性（IDE内で完結）	CLIファースト設計（CI/CDパイプラインとの親和性が高い）
推奨ユーザー	実装スピード重視のエンジニア、AIツール初心者	大規模リファクタリングの担い手、自動化志向の上級者

これらの比較検証から、実装スピード重視のエンジニア、AIツール初心者ではCursorを、大規模リファクタリングの担い手、自動化志向の上級者ではClaude Codeを推奨するという結論に至りました。

さらに、比較会で両ツールのワークツリー機能・Agent/Planモードを利用した実コードを生成するデモを行い、チーム内に具体的な活用シーンや将来性について参加者皆んなで議論を交わす有意義な場となりました。

その2. スラッシュコマンドの作成とローカル配布の標準化

AIコーディングツール（Cursor、Claude Code）を活用した開発が進む中、以下の課題を発見しました。

AIコマンドが、各開発者のローカル環境に個別に定義されていると、内容やクオリティにばらつきが生じる可能性がある
コードレビューのルールがプロジェクトごとの .github/review/ に配置されており、プロジェクト横断的な一貫性がない
CursorとClaude Codeでそれぞれ異なるコマンド管理体系を持つため、同じコマンドを両ツールで使えるように維持するのに手間が掛かる

解決策に巡って両ツールの番長が協力し合い、スラッシュコマンドの定義を一元管理し、チーム全体で統一されたAI開発体験をサポートすることにしました。

AIツール用の自作コマンド（PRレビュー、コミットなど）をリポジトリで集中管理する
シンボリックリンクを活用した自動配布により、セットアップの手間を最小化する
CursorやClaudeCode利用者がスラッシュコマンド一発でセットアップを完結させる

実現手段として、ai-settings リポジトリを自作コマンドの管理場所として整備し、シンボリックリンクによるローカル配布の仕組みを構築しました。

具体的には、

コマンド定義の集中管理
- ai-settings リポジトリの commands/ 配下にコマンド定義ファイル（Markdownベース）を配置します。
```
  commands/
  ├── pr-review-en.md   # PRレビュー（英語）
  ├── pr-review-ja.md   # PRレビュー（日本語）
  ├── git-commit.md     # Gitコミット作成
  └── commit-msg.md     # コミットメッセージ生成
```
  - この中のコードレビュー用コマンドは、外部に集中管理されたレビュールール（ai-review リポジトリ）を参照するよう統一し、単一プロジェクトへの依存を排除しました。
シンボリックリンクによる自動配布
- 初期化スクリプトが、リポジトリ内のコマンド定義から各AIツールのグローバルコマンドディレクトリへシンボリックリンクを自動生成します。
- シンボリックリンクを使うことで、リポジトリ側でコマンドを更新すれば git pull だけで全開発者のローカル環境に変更が反映されます。
メタコマンドによるワンステップセットアップ
- AIツール内で実行できる「メタコマンド」（init_commands.md）を用意し、開発者がAIツールのプロンプトからコマンド一つでセットアップを完了できるようにしました。
  - Cursor: ai-settingsリポジトリを開き /init_commands を実行 → ~/.cursor/commands/ にsymlink作成
  - Claude Code: ai-settingsリポジトリを開き /init_commands を実行 → ~/.claude/commands/ にsymlink作成

これで、開発者の利用する手順は次の通りです。

開発者が ai-settings リポジトリをクローンし、CursorまたはClaude Codeで /init_commands を実行
初期化スクリプトが commands/ から ~/.claude/commands/（または ~/.cursor/commands/）へスラッシュコマンドのシンボリックリンクを生成
以降、AIツール内で /pr-review-ja、/git-commit などのスラッシュコマンドがグローバルに利用可能
✴︎ 集中管理された ai-review リポジトリのレビュールール (go, react) を参照してプロジェクトのコード変更に対する自動レビューを実現

最初にリポジトリをクローンしてコマンド一つ実行するだけで、チーム標準のAIコマンドセットが利用可能になり、全員が同じコマンド定義を使うためレビュー品質やコミット形式が統一されるようになります。

また、ai-settings の更新をプルするだけで、シンボリックリンク経由でコマンド変更が反映され、CursorとClaude Codeの両方を同一のコマンドソースから簡単に配布可能です。

その3. Cursor AI活用を展開するための知見シェア会

AIコーディングツールの個人的な知見や利用経験を組織の資産に変えることを目的に、Cursor を利用しているメンバー間で毎週1回の知見シェア会を開催しています。私がファシリテーターを担当しています。

シェア会はホワイトボードツール FigJam 上で KPT（Keep / Problem / Try） の形式で実施しています。参加者は誰でも自由に付箋を貼ることができ、発言のハードルを下げることで知見が集まりやすい環境を作っています。

Keep：良かったこと・発見を共有する

AIツールに関する知見であれば何でもシェアできます。

Cursor や Devin の機能に対するおすすめや使い方のコツ
実際の開発業務での実践経験（成功例・工夫したこと）
Cursor AI最新情報（新機能リリース、モデル追加など）

付箋を貼った後、誰かが深掘りしたいものがあれば、そのテーマについて参加者全員で議論を行います。議論の結果、知識として横展開する価値があると判断されたものは、Notion 上のCursor ナレッジベースに記入し、チーム全体で参照できるようにしています。

これらのナレッジは番長である私だけでなく、チーム全員が執筆に参加しています。

実際のシェア会では、例えば以下のような知見が共有されました。

.cursorignore に go.sum や package-lock.json などの自動生成ファイルを追加すると、コンテキストのノイズを減らせる
PBL（プロダクトバックログ）を充実させてから Plan モードを使うと、修正の精度が大幅に向上する
Notion MCP を使えば、cursor agent モードから直接 Notion への読み書きが可能になる
CSV を分割して複数のエージェントに並列処理させるワークフローが実現できた