はじめに

ターミナルで使える AI コーディングツールを探していて、最初に見つけたのが aider でした。実際に試してみて便利だったのですが、調べていくと OpenCode の方が GitHub スター数 17 万超と圧倒的に勢いがあり、コミュニティも活発なことがわかりました。「主流のツールも試しておきたい」ということで、同じく Ollama + ローカル LLM（Qwen 2.5 Coder）の構成で OpenCode を動かしてみた手順を残しておきます。

対象者

ローカル LLM でコーディング支援を試してみたい人
WSL Ubuntu 環境で OpenCode + Ollama を動かしたい人
GPU なし（CPU 推論のみ）の環境で使えるか知りたい人

環境

WSL2 Ubuntu 24.04.1 LTS
GPU なし（CPU 推論のみ）
Ollama インストール済み
モデル: qwen2.5-coder:7b（4.7GB）

OpenCode とは

OpenCode はターミナルで動く AI コーディングツールです。TUI（ターミナル UI）を備え、2026 年 6 月時点で GitHub スター数 17 万超・コントリビューター 900 人以上と、オープンソース AI コーディングツールの中で最も勢いのあるプロジェクトです。

できること	説明
コード編集	自然言語で指示するとコードを直接編集してくれる
複数プロバイダー対応	OpenAI、Anthropic、Ollama など 75 以上のプロバイダーに対応
セッション管理	会話履歴を SQLite で保存・管理
TUI	Bubble Tea ベースの対話的ターミナル UI
ツール統合	ファイル検索・コマンド実行・Web 取得などのツールを AI が使える
MCP 拡張	外部ツールとの接続を MCP（Model Context Protocol）で拡張可能

AI コーディング CLI ツールの現在（2026 年）

ターミナルで動く AI コーディングツールは 2026 年に入って急増しており、30 以上のツールが存在します。主要なツールの位置づけを整理します。

GitHub スター数の比較（2026 年 6 月時点）

ツール	GitHub スター数	ライセンス	特徴
OpenCode	約 17 万	MIT	モデル自由選択・プロバイダー非依存
Claude Code	約 13 万	独自	推論の深さ・エージェント能力
Gemini CLI → Antigravity CLI	約 10 万	Apache 2.0	Google が 2026 年 5 月にリブランド
Codex CLI	約 9 万	Apache 2.0	サンドボックス実行・安全性重視
Aider	約 4.7 万	Apache 2.0	Git ファースト・変更を自動コミット

OpenCode vs Aider — 詳細比較

この記事で扱う OpenCode と、前回の記事で紹介した aider を詳しく比較します。

比較項目	OpenCode	Aider
設計思想	IDE ライクな TUI 体験	Git ワークフロー統合
モデル対応	75 以上のプロバイダー。Ollama もネイティブ対応	OpenAI・Anthropic・Ollama 等に対応
Git 連携	手動コミット	AI の編集を自動コミット（`git revert` で即戻せる）
コード検証	ツール統合でコマンド実行可能	変更ごとに lint・テストを自動実行
セッション管理	SQLite で会話履歴を永続化	会話履歴はメモリ上（ファイル出力可）
拡張性	MCP でツール接続を拡張	プラグイン機構なし
コミュニティ規模	スター 17 万・急成長中	スター 4.7 万・安定
ローカル LLM	`opencode.json` で設定	`--model ollama/モデル名` で指定

使い分けの目安

OpenCode が向いている場面: 複数のプロバイダーを切り替えたい、TUI で対話的に作業したい、MCP で外部ツールと連携したい
Aider が向いている場面: Git 履歴を重視したい（全変更が自動コミットされ git revert で即戻せる）、変更ごとに lint/テストを自動実行するループが欲しい

全体の流れ

Step 1: OpenCode のインストール
Step 2: PATH の設定
Step 3: opencode.json（設定ファイル）の作成
Step 4: 動作確認

※ Ollama と qwen2.5-coder:7b は既にインストール済みの前提です。
Ollama のインストールはこちらの記事を参照してください。

Step 1: OpenCode のインストール

curl でインストールスクリプトを実行します。

curl -fsSL https://opencode.ai/install | bash

実行すると、~/.opencode/bin/opencode にバイナリがダウンロードされ、~/.bashrc に PATH が追記されます。

Successfully added opencode to $PATH in ~/.bashrc

Step 2: PATH の反映

⚠️ つまずきポイント 1: インストール直後は PATH が通らない

インストールスクリプトは ~/.bashrc に PATH を追記しますが、現在のシェルセッションには反映されません。

そのまま opencode と打つと「コマンドが見つかりません」になります。

対処法

以下を実行してシェルに反映させます。

source ~/.bashrc

バージョンが表示されれば OK です。

$ opencode --version
1.17.9

Step 3: 設定ファイルの作成

プロジェクトのルートディレクトリに opencode.json を作成します。

⚠️ つまずきポイント 2: Ollama 用の設定を書く必要がある

OpenCode はデフォルトでは Ollama を使いません。設定ファイルで明示的にプロバイダーとモデルを指定する必要があります。

プロジェクトのルートに以下の内容で opencode.json を作成します。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen2.5-coder:7b": {
          "name": "Qwen 2.5 Coder 7B"
        }
      }
    }
  }
}

ポイント

baseURL は Ollama の OpenAI 互換エンドポイント（/v1）を指定
models のキーは ollama list で表示されるモデル名と一致させる
API キーは不要（ローカル実行のため）

設定ファイルの配置場所

配置場所	用途
プロジェクトルートの `opencode.json`	そのプロジェクト専用
`~/.config/opencode/opencode.json`	グローバル設定

Step 4: 動作確認

Ollama が起動しているか確認

$ curl -s http://localhost:11434/v1/models
{"object":"list","data":[{"id":"qwen2.5-coder:7b","object":"model",...}]}

OpenCode からモデルが見えるか確認

$ opencode models ollama
ollama/qwen2.5-coder:7b

⚠️ つまずきポイント 3: モデル指定は「プロバイダー/モデル」形式

モデルを指定するときは ollama/qwen2.5-coder:7b のように プロバイダー名/モデル名 の形式で書きます。モデル名だけだと認識されません。

# NG
opencode run -m qwen2.5-coder:7b "hello"

# OK
opencode run -m ollama/qwen2.5-coder:7b "hello"

TUI で起動

プロジェクトディレクトリで以下を実行すると、TUI（対話的 UI）が立ち上がります。

cd <プロジェクトディレクトリ>
opencode

TUI 内で /models コマンドを使ってモデルを選択できます。

非対話モードで Hello World を書かせてみる

まず Ollama サーバーが起動しているか確認します。

$ ollama list
NAME                   ID              SIZE      MODIFIED
qwen2.5-coder:7b      ...             4.7 GB    ...

応答がなければ、別ターミナルで ollama serve を実行してサーバーを起動してください。

ollama serve

サーバーが起動している状態で、コードを生成させてみます。

opencode run -m ollama/qwen2.5-coder:7b "Hello Worldを出力するPythonスクリプトをhello.pyとして作成して"

hello.py が生成されたら、実行して確認します。

$ python3 hello.py
Hello World

ここまで動けば、OpenCode + Ollama の環境構築は完了です。

つまずきポイントまとめ

#	ポイント	症状	対処法
1	PATH が反映されない	`opencode: コマンドが見つかりません`	`source ~/.bashrc` または新しいターミナルを開く
2	Ollama 用の設定が必要	モデルが見つからない	`opencode.json` にプロバイダーとモデルを明示的に記述
3	モデル指定形式	モデルが認識されない	`プロバイダー/モデル名` 形式で指定（例: `ollama/qwen2.5-coder:7b`）
4	CPU 推論は遅い	応答に時間がかかる	7B モデルでも応答に約 10 秒。GPU 無し環境では待ち時間を覚悟

参考

まとめ

OpenCode + Ollama で、API キー不要・完全ローカルのコーディング支援環境が作れました。インストール自体は curl 一発ですが、PATH の反映と opencode.json の設定が必要な点は注意です。CPU 推論だと速度面は厳しいですが、手軽に試せる組み合わせとしてはアリだと思います。

関連記事

henagineer のプログラミング・開発記事まとめ