はじめに

本記事では、セルフホストでコードモデルとVS Code ＋ Continue - open-source AI code agentを組み合わせた、開発環境の構築方法を紹介します。

実際に使ってみると、Claude CodeやCodeXに近い操作感で、diffベース編集により安心してAIコーディングが行えます。

できるようになること

セルフホストのLLMでコード生成・レビューができる
API課金（トークン消費量）を気にせず開発支援を利用できる
VS Code上でAIコーディングが完結する

こんな人におすすめ

API課金（外部LLMのトークン課金）を気にせずAIコーディングしたい
ローカル環境で開発を完結させたい
自由にLLMを挿し変え可能なAIコーディング環境を探している

VS Code拡張機能 AIコーディング支援ツールの比較

観点	Claude Code	CodeX（OpenAI系）	Continue
基本思想	Claude専用	OpenAI専用	ベンダー中立
利用できるLLM	Claudeのみ	GPT / Codexのみ	複数LLM対応
LLM切り替え	不可（Claude固定）	不可（OpenAI固定）	可能
向いている使い方	Claude特化	GPT特化	使い分け運用

Claude CodeやCodeXは本家LLMのみ利用可能であることに対して、
ContinueはLLMを選択可能です。

Continueを使うべきケース

顧客・案件ごとにLLMを切り替えたい

顧客ポリシーやコストに応じてモデル選択が可能
OpenAI / Claude / Self host LLM を横断で利用
将来のベンダーロックイン回避

柔軟にLLMを切り替えながら、Claude CodeやCodeXのような操作性が欲しい場合に有用です。

Continueを勧められる理由

Continueがお勧めできる理由を、「観点」を軸に整理しました。

観点	Continueの特徴	ユーザーにとっての価値
LLMの選択自由度	Claude / OpenAI / Azure OpenAI / Gemini / OSS LLMに対応	用途・タスクに応じて最適なモデルを使い分けられる
開発環境との親和性	VS Codeに完全統合	新しいIDEを覚えず、すぐに導入できる
透明性	OSS（オープンソース）	挙動が明確で、企業利用でも安心感がある
セキュリティ管理	APIキーを自分で管理	組織のセキュリティポリシーに合わせやすい
コード理解力	複数ファイル・構成を横断的に理解	大規模・レガシーコードにも対応できる
編集の安全性	diffベースで変更案を提示	修正内容を確認しながら安全に反映できる
柔軟性	設定ファイル（config.json）で制御可能	チームや案件ごとに最適化できる
情報漏えい対策	ローカルLLM（Ollama等）に対応	機密コードを外部に出さずに利用できる
将来対応力	モデル差し替えが容易	LLMの進化に追従しやすい

前提条件

OllamaなどでローカルLLM（例：qwen3-coder）を起動していること

セルフホストに関する参考記事へのリンク

構成イメージ

本記事の構成は以下の通りです。

Continue：VS Code拡張としてのUI
Ollama：ローカルLLM実行基盤
ローカルコードモデル：qwen3-coder

手順

セルフホストのコードモデルとVS Code＋Continueでコーディングできる環境の構築手順を以下で説明します。

VS CodeにContinueをインストールする

VS Codeを起動します
拡張からContinueをインストールします

VS Codeの拡張機能「Continue」は以下からインストールできます。

Continueの設定

VS CodeでContinueの画面を開きます
ContinueのConfigsからLocal Configを開きます

config.yamlに以下のように設定して保存します

name: Local Config
version: 1.0.0
schema: v1
models:
  - name: qwen3
    provider: ollama
    model: qwen3-coder-next:latest
    roles:
      - chat
      - edit
      - apply

Continueのチャット画面でqwen3を選択します
チャットで指示を与えることでコードの生成や既存コードのレビューを実行できます

チャット内で、@FileNameで既存ファイルを指定して指示することができます。
例）test.pyをコードレビューさせたい場合、以下のように指示します。
@test.py のコードレビューをして

まとめ

本記事では、ローカルLLMとVS Codeを組み合わせた開発環境を構築しました。

APIコストを気にせずAIコーディングが可能
セキュリティ要件の高い開発にも対応可能
CursorやGitHub Copilotの代替として利用可能

今後さらに高性能なモデルが出てきたら、モデルを差し替えることで高性能なAIコーディングが実現可能になります。

FPT AI FACTORY（リンク）

日本リージョン：https://ai.fptcloud.jp/
ベトナムリージョン：https://ai.fptcloud.com/

期間限定無料バウチャー発行中
※新規ユーザー向けに100ドル分のクレジットが提供されています。
詳細は公式ページをご確認ください。