結論から：万能ツールは無い。タスク特性で使い分けるのが正解
AIコーディングエージェントが乱立する2025年夏、結局どれを使えばいいのか——同一のリファクタリングタスクを3ツールに投げて、速度・精度・コスト・操作ステップ数を計測しました。
先に結論だけ書きます。
- 大規模リファクタリング（ファイル横断・設計判断あり） → Claude Code
- 既存プロジェクトの段階的改善（IDE統合重視） → Cursor Agent
- 単機能の自動修正（CI連携・バッチ処理） → Codex CLI
「どれが最強か」ではなく「どの場面で何を選ぶか」が重要です。以下、計測データとともに詳しく解説します。
1. 比較の目的と評価軸
なぜ今、比較が必要なのか
2025年に入り、AIコーディングエージェントは「コード補完」から「自律的なタスク実行」へとフェーズが変わりました。Claude Code、Cursor Agent（Background Agent）、OpenAI Codex CLIはいずれもエージェントモードを備え、ファイルの読み書き・コマンド実行・テスト実行まで自律的に行えます。
しかし、同一条件で定量比較した記事はほとんどありません。また、2025年前半に報道されたCursorの脆弱性問題を受け、ツール選定をやり直したいエンジニアも多いはずです。
評価軸
| 評価軸 | 計測方法 |
|---|---|
| 実行速度 | プロンプト投入から全ファイル変更完了までの経過時間 |
| コード品質 | TypeScript strict mode の型エラー数、ESLint警告数、テストカバレッジ |
| トークンコスト | 各ツールのAPI消費量から概算した金額（USD） |
| 操作ステップ数 | ユーザーが介入（承認・修正指示）した回数 |
2. タスク定義：レガシーExpress.jsアプリのTypeScript化＋テスト追加
対象コードベース
公平性を担保するため、以下の条件で小規模なサンプルアプリを用意しました。
- フレームワーク: Express.js 4系（JavaScript）
- ファイル数: 12ファイル（ルート4、ミドルウェア3、ユーティリティ3、設定2）
- 総行数: 約850行
- テスト: ゼロ（テストファイルなし）
-
既知の問題:
any相当の暗黙型、コールバック地獄、エラーハンドリング欠如
プロンプト（3ツール共通）
このExpress.jsプロジェクトをTypeScriptに移行してください。
具体的には以下を実施してください:
1. 全.jsファイルを.tsに変換し、適切な型定義を追加
2. tsconfig.json を strict: true で作成
3. コールバックをasync/awaitに書き換え
4. 各ルートに対するJestテストを追加（カバレッジ80%以上目標）
5. 既存の動作を壊さないこと
実行環境
- macOS Sonoma 14.5 / Apple M3 Pro / 36GB RAM
- Node.js 22.x / npm 10.x
- 各ツールは2025年6月時点の最新バージョン
3. Claude Code（エージェントモード）の実行結果と所感
実行の流れ
Claude Codeはターミナルで claude コマンドを起動し、プロンプトを貼り付けるだけで開始できます。
印象的だったのは、最初にプロジェクト全体を読み込んで「移行計画」を提示してきた点です。 具体的には、以下の順序で進めると宣言してきました。
-
tsconfig.jsonと依存パッケージのセットアップ - ユーティリティ層（依存が少ない）から順にTS化
- ミドルウェア層のTS化
- ルート層のTS化 + async/await化
- テスト追加
- 全体ビルド＆テスト実行
この「依存関係の下流から順に」というアプローチは、人間のシニアエンジニアが取る戦略と同じです。
計測結果
| 指標 | 結果 |
|---|---|
| 実行時間 | 8分42秒 |
| ユーザー介入回数 | 2回（権限確認のみ） |
| ts strictエラー | 0個 |
| ESLint警告 | 3個（unused import） |
| テストカバレッジ | 87% |
| 推定コスト | 約$0.85 |
所感
-
ファイル横断の整合性が高い。共通の型定義ファイル（
types/index.ts）を自発的に作成し、全ファイルで参照する設計にしてきた - エラーハンドリングの追加が的確。Express のエラーミドルウェアパターンを正しく実装
- テストでは
supertestを選択し、実際のHTTPリクエストを模擬する統合テストを書いた - 途中でビルドエラーが出た際、自分でエラーを読んで修正するサイクルを3回自律的に回した
弱点: 実行中のトークン消費量が見えにくい。事後的にAPI使用量を確認する必要があります。
4. Cursor Agent（Background Agent）の実行結果と所感
実行の流れ
Cursor のBackground Agentは、エディタ内のチャットパネルからプロンプトを投入します。IDE統合されているため、変更がリアルタイムでエディタに反映されるのは大きな利点です。
Background Agentはリモートのサンドボックスでタスクを実行し、完了後にブランチとしてPRを作成する形式です。
計測結果
| 指標 | 結果 |
|---|---|
| 実行時間 | 12分18秒 |
| ユーザー介入回数 | 5回（方針確認・修正指示） |
| ts strictエラー | 2個 |
| ESLint警告 | 7個 |
| テストカバレッジ | 76% |
| 推定コスト | 約$0.60（Pro プラン内包分除く） |
所感
- IDEとの統合は圧倒的な体験。差分をその場で確認しながら進められる
- 一方で、ファイル間の型整合で2箇所ミスがあった。具体的には、ミドルウェアの
Request型拡張が一部ルートファイルで反映されていなかった - テストカバレッジが目標の80%に届かなかった。エラーケースのテストが一部欠落
- Background Agentは途中経過を確認しづらく、完了通知を待つ形になる
- 途中で方針確認のダイアログが複数回表示された。自律性はClaude Codeよりやや低い印象
強み: 既存のCursorワークフロー（タブ補完、Cmd+K編集）とシームレスにつながる点。部分的な修正を重ねるスタイルには最適です。
5. OpenAI Codex CLIの実行結果と所感
実行の流れ
Codex CLIは codex --full-auto モードで実行しました。ネットワークアクセスを遮断したサンドボックス内で動作する設計です。
計測結果
| 指標 | 結果 |
|---|---|
| 実行時間 | 15分53秒 |
| ユーザー介入回数 | 1回（初回承認のみ） |
| ts strictエラー | 5個 |
| ESLint警告 | 11個 |
| テストカバレッジ | 68% |
| 推定コスト | 約$0.45 |
所感
- full-autoモードの自律性は高い。一度承認すれば最後まで走り切る
- ただし、コード品質はやや粗い。型定義に
as anyが5箇所残っており、strict modeのエラーが出た - テストは
jest+supertestの組み合わせだが、モック戦略が甘く、DBモックが不完全な箇所があった -
コストは最も安い。
o4-miniモデルベースのため、トークン単価が低い - サンドボックス制約により、外部パッケージのインストールで一度つまずいた（事前に
node_modulesを用意しておく必要あり）
強み: CI/CDパイプラインへの組み込みを前提とした設計。コスト効率が良く、バッチ的な使い方に向いています。
6. 定量比較テーブル＋レーダーチャートで総合評価
比較テーブル
| 評価項目 | Claude Code | Cursor Agent | Codex CLI |
|---|---|---|---|
| 実行時間 | 8分42秒 🏆 | 12分18秒 | 15分53秒 |
| ユーザー介入回数 | 2回 | 5回 | 1回 🏆 |
| ts strictエラー | 0個 🏆 | 2個 | 5個 |
| ESLint警告 | 3個 🏆 | 7個 | 11個 |
| テストカバレッジ | 87% 🏆 | 76% | 68% |
| 推定コスト | $0.85 | $0.60 | $0.45 🏆 |
| IDE統合 | △（ターミナル） | ◎ 🏆 | △（ターミナル） |
| CI連携容易性 | ○ | △ | ◎ 🏆 |
レーダーチャート（5段階評価）
注記: レーダーチャートのスコアは今回の計測結果を5段階に正規化したものです。タスクの性質によってスコアは変動する点にご留意ください。Mermaid の
radar-betaがレンダリングされない環境では上記テーブルを参照してください。
各ツールの性格まとめ
7. 結論：タスク特性別おすすめ使い分けマトリクス
タスク特性→推奨ツール 分岐図
使い分けの指針
| タスク特性 | 推奨ツール | 理由 |
|---|---|---|
| 大規模リファクタリング（設計変更含む） | Claude Code | 依存関係を分析し、整合性の高いコードを生成 |
| 日常の機能追加・バグ修正 | Cursor Agent | IDE統合により開発フローを崩さない |
| 大量ファイルの一括変換・CI自動修正 | Codex CLI | full-autoモード＋低コストでバッチ処理向き |
| プロトタイプの高速構築 | Claude Code | 速度と品質のバランスが最良 |
| セキュリティ重視のプロジェクト | Claude Code / Codex CLI | Codex CLIはサンドボックス実行、Claude Codeは権限制御が明確 |
まとめ
- コード品質と実行速度ではClaude Codeが頭一つ抜けている。特にファイル横断の設計判断力と自律的なエラー修正サイクルが強力
- Cursor AgentはIDE統合という唯一無二の強みがある。対話的に進めたい場面、差分を目視確認しながら慎重に進めたいリファクタリングに最適
- Codex CLIはコスト効率とCI連携が光る。コード品質は他2ツールに劣るが、full-autoモードの自律性とパイプラインへの組み込みやすさは独自の価値
「最強のツール」を1つ選ぶのではなく、タスクの性質に応じて使い分けることが、2025年のAIエージェント活用の最適解です。