※本記事は 2025-08-31 時点の情報に基づいています。

はじめに

「大きなリポジトリから、今ほしい断片だけ拾ってAIに渡したい」――そんなときに便利なのが Code Context です。これは MCP（Model Context Protocol）対応の “コード検索サーバ” で、ベクトルDBにインデックスしたコードから関連部分だけを抽出し、Claude Code や OpenAI Codex CLI に渡してくれます。
本記事では、アカウント不要・手元だけで完結する ローカル Milvus と組み合わせる手順に絞って解説します（Zilliz Cloud は使いません）。

対象読者：WSL2（Ubuntu）で Claude Code や OpenAI Codex CLI（以下、Codex CLI） を使いたい方。社外にコードを出せない・オフライン環境で試したい方にもおすすめ。
この記事でできること
1. Docker Compose で Milvus Standalone を起動
2. Claude Code / Codex CLI から Code Context を MCP として接続
3. 埋め込み（OpenAI / Gemini / Ollama 等）や基本の環境変数設定
4. 最小ワンライナーやトラブルシューティング
注意：Codex CLI の MCP 設定ファイルは config.toml と config.json の挙動がバージョンで異なる報告があります。手元の ~/.codex/ を必ず確認してください。

重要な注意事項

2025年8月31日時点で、Code Context は Node.js >= 20.0.0 かつ < 24.0.0 が要件です。Node 24 は非対応 なのでご注意ください。

つまり：

Node.js 20系（20.0.0以上）: ✅ 動作OK
Node.js 24系以上: ❌ 非対応

実際に使用する際は、以下のコマンドでバージョンを確認することをお勧めします：

node -v
# v20.x.x なら OK
# v24.x.x 以上なら、nvm等で20系に切り替えが必要

もしNode 24系を使っている場合は、nvmを使って簡単に切り替えられます：

nvm install 20
nvm use 20

この互換性の問題は、依存パッケージやNode.js 24での破壊的変更に起因する可能性があります。将来的には対応される可能性もあるので、最新情報はGitHubリポジトリでご確認ください。

1. Code Contextって何？

Code Context は、MCP対応のコード検索サーバです。数百万行規模でもセマンティック検索で関連コードだけを抽出し、AIへの提示コストを抑えます。
MCP と併用することで、Claude Code などから簡単に使えます。MCP の概要と Claude Code での追加方法は公式ドキュメントが分かりやすいです。

2. ローカル Milvus を Docker Compose で起動

Milvus の Standalone を Docker Compose で立ち上げます。要点は「Composeファイルを取得して docker compose up -d」。以下は例です（バージョンは適宜最新へ）。

# 1) 作業用ディレクトリへ
mkdir -p ~/milvus-local && cd ~/milvus-local

# 2) Composeファイルを取得（例：v2.3.21）
# ※最新版は https://github.com/milvus-io/milvus/releases で確認
wget https://github.com/milvus-io/milvus/releases/download/v2.3.21/milvus-standalone-docker-compose.yml -O docker-compose.yml

# 3) 起動
docker compose up -d
# ※ docker グループに所属していない場合は sudo が必要です
#   例）sudo usermod -aG docker $USER && newgrp docker

# 4) 状態確認
docker compose ps

既定で gRPC ポート 19530 がホストに公開されます（Milvus への基本接続口）。
データは volumes/milvus などに永続化されます。
つながらない時は 19530 が他プロセスで使われていないか確認しましょう。

ポートの豆知識：Milvus は主に 19530（gRPC/デフォルト接続）を使います。9091 は管理系（メトリクス等）です。ブラウザで http://localhost:19530 にアクセスしてもページは出ません（gRPCだから）。

3. Claude Code から使う

3.1 Claude Code のインストール

npm i -g @anthropic-ai/claude-code
claude --help

3.2 Code Context（MCP）を追加（ローカル Milvus）

最小構成（OpenAI 埋め込み＋ローカル Milvus）です。

claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx \
  -e MILVUS_ADDRESS=http://127.0.0.1:19530 \
  -- npx @zilliz/claude-context-mcp@latest
# ※ @zilliz/code-context-mcp@latest でもOK

以後は claude を起動し、Index this codebase → クエリ（例：「Find functions that handle user authentication」）で横断検索できます。
OpenAI 以外（Gemini / Ollama / VoyageAI など）に切り替える場合は、EMBEDDING_PROVIDER や各プロバイダのキー／ホストを付け替えます。

4. Codex CLI から使う

Codex CLI は MCP をサポートしており、~/.codex/config.toml に mcp_servers を書く方式が README にあります。
ただし、一部バージョンで config.json が採用される例が報告されています。まずは ~/.codex/ の中身を確認してください。

# インストール
npm i -g @openai/codex
codex

# ~/.codex/config.toml（例）
[mcp_servers.claude-context]
command = "npx"
args = ["-y", "@zilliz/claude-context-mcp@latest"]
env = {
  OPENAI_API_KEY = "sk-xxxxxxxxxxxxxxxx",
  MILVUS_ADDRESS = "http://127.0.0.1:19530"
}

起動後に codex → help や config 周りを確認しつつ、TOML か JSON どちらが有効かを見極めると安心です。

5. よく使う環境変数（ローカル Milvus 版）

変数名	用途	例	備考
`EMBEDDING_PROVIDER`	埋め込みプロバイダ	`OpenAI` / `Gemini` / `Ollama` / `VoyageAI`	省略時は OpenAI が既定の例が多いです。
`OPENAI_API_KEY`	OpenAI 用APIキー	`sk-...`	OpenAI を使う場合は必須。
`GEMINI_API_KEY`	Gemini 用APIキー	（例）`...`	`EMBEDDING_PROVIDER=Gemini` のとき。
`OLLAMA_HOST`	Ollama のアドレス	`http://127.0.0.1:11434`	ローカル埋め込みで使用。
`EMBEDDING_MODEL`	埋め込みモデル名	`text-embedding-3-small` など	プロバイダで最適な型を選択。
`MILVUS_ADDRESS`	Milvus の接続先	`http://127.0.0.1:19530`	ローカルはこれだけでOK（既定は認証なし）。
`MILVUS_TOKEN`	認証トークン	（任意）	ローカルで認証を有効化した場合のみ必要。

6. 最小ワンライナー集（WSL2想定）

6.1 Milvus 起動（Docker Compose）

mkdir -p ~/milvus-local && cd ~/milvus-local
# 最新版は https://github.com/milvus-io/milvus/releases を確認
wget https://github.com/milvus-io/milvus/releases/download/v2.3.21/milvus-standalone-docker-compose.yml -O docker-compose.yml
docker compose up -d
# ※ docker グループ未所属なら sudo が必要です（usermod -aG docker $USER && newgrp docker）

6.2 Claude Code：MCP 追加（OpenAI + ローカル Milvus）

npm i -g @anthropic-ai/claude-code
claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-xxx \
  -e MILVUS_ADDRESS=http://127.0.0.1:19530 \
  -- npx @zilliz/claude-context-mcp@latest

6.3 埋め込みを Gemini / Ollama に切り替え

# Gemini
claude mcp add claude-context \
  -e EMBEDDING_PROVIDER=Gemini \
  -e GEMINI_API_KEY=xxxxxxxx \
  -e MILVUS_ADDRESS=http://127.0.0.1:19530 \
  -- npx @zilliz/claude-context-mcp@latest

# Ollama（ローカル埋め込み）
claude mcp add claude-context \
  -e EMBEDDING_PROVIDER=Ollama \
  -e EMBEDDING_MODEL=nomic-embed-text \
  -e OLLAMA_HOST=http://127.0.0.1:11434 \
  -e MILVUS_ADDRESS=http://127.0.0.1:19530 \
  -- npx @zilliz/claude-context-mcp@latest

7. データの永続化について

Milvus のデータは通常、Compose のボリューム（例：volumes/milvus）に保存されます。完全にリセットしたい場合は次の手順でクリーンにできます。

docker compose down
rm -rf volumes/
docker compose up -d

※ ボリュームを消すとデータは失われます。必要なら事前にバックアップを取ってください。

8. トラブルシューティング

Milvus に繋がらない
- docker compose ps で milvus-standalone が running か確認。
- ログは docker compose logs -f milvus-standalone。
- nc -vz 127.0.0.1 19530 でポート疎通チェック。

19530 ポートが既に使用中

# 使用中のプロセスを確認
sudo lsof -i :19530
# または
sudo netstat -tlnp | grep 19530

docker-compose.yml のポートを変更（例：19531）して再起動します。

# ports:
#   - "19531:19530"

その場合は接続先も

export MILVUS_ADDRESS=http://127.0.0.1:19531

に合わせます。

ブラウザで localhost:19530 を開いても何も出ない
- ここは gRPC ポートです。HTTP では見えません。
Node のバージョンでエラー
- Code Context は Node 20系（24未満） が要件です。20系へ切り替えましょう。
Codex CLI が MCP を読まない
- ~/.codex/config.toml ではなく config.json が使われる例があります。~/.codex/ を確認して合う形式で設定を。

9. Attu（Web UI）を使いたい場合

Milvus をブラウザで眺めたいときに便利です。Compose にサービスを一つ足します（同じネットワーク上なので Milvus をサービス名で参照できます）。

# docker-compose.yml に追記
  attu:
    image: zilliz/attu:latest
    ports:
      - "8000:3000"
    environment:
      - MILVUS_URL=milvus-standalone:19530
    depends_on:
      - milvus-standalone

起動後、ブラウザで http://localhost:8000 にアクセス。
（Docker からホストの Milvus へ繋ぐ場合は localhost が通らないことがあるので、ネットワーク設計に応じて host.docker.internal などを使ってください。）

10. ローカル Milvus と Zilliz Cloud の比較

どちらも検索のコア機能（IVF / HNSW / PQ、メタデータフィルタ、ハイブリッド検索）自体は同等です。違いが出やすいのは“運用まわり（スケール、管理、可観測性、接続、SLAなど）”。用途に合わせて選ぶのがおすすめです。

項目	ローカル Milvus	Zilliz Cloud
コア検索機能	同等（OSS の Milvus 機能をそのまま利用）	同等（Milvus をマネージド提供）
スケール / 可用性	自前設計（ノード増設・冗長化・監視が必要）	マネージド（自動スケールや高可用性はプラン依存）
管理UI / メトリクス	自前（Attu、Grafana/Prometheus 等）	コンソールあり（メトリクス/アラート等・プラン依存）
バックアップ / リストア	自前（Milvus Backup、スナップショット設計）	コンソールやマネージド機能あり（プラン依存）
セキュリティ（TLS/認証/RBAC）	有効化・運用は自分で設定	既定の機能や設定UIあり（プラン依存）
監査ログ / SSO	原則自前で実装・連携	提供あり（プラン依存）
ネットワーク接続	ローカル/オンプレ/閉域・オフライン可	パブリック接続＋PrivateLink/PSC 等（プラン依存）
SLA / サポート	なし（自社で可用性担保）	あり（プラン依存）
コスト感	インフラ費＋運用工数（電気代＋人的コスト）	サービス課金（運用負担は小さめ）
セットアップ時間	多少手間（Docker Compose 等）	早い（サインアップ→クラスタ作成）
データ所在地の制御	完全ローカルで制御しやすい	クラウドリージョン選択で管理
オフライン利用	可能	原則不可
アップグレード / パッチ	自分で適用	マネージド側で適用
向いている用途	PoC/手元完結/機密データ/オフライン要件	本番運用/スケール/監査・SLA要件

どっちを選ぶ？簡単な目安

コードを外に出したくない・閉域/オフライン要件がある → ローカル Milvus
手早く試す・運用の手間を減らしたい → Zilliz Cloud
中長期で本番運用し、SLA や監査ログが必要 → Zilliz Cloud（適切なプラン）
PoC〜小規模本番でコストと自由度を取りたい → ローカル Milvus（将来 Cloud へ移行も容易）

補足：どちらを選んでも、Code Context 側の使い方はほぼ同じです。切り替えは主に接続先と認証（MILVUS_ADDRESS／MILVUS_TOKEN など）の設定差だけです。

11. まとめ

ローカル Milvus ならアカウント不要・手元完結で Code Context を試せます。
Milvus は Docker Compose で簡単起動、接続は MILVUS_ADDRESS=http://127.0.0.1:19530 が基本。
Claude Code／Codex CLI からは MCP として npx @zilliz/claude-context-mcp@latest を呼び出せばOK。Node は 20系（24未満） を使いましょう。

FAQ

用語の整理（LLM／Embedding／ベクトルDB）

まずは役割分担をざっくり整理します。

LLM（大規模言語モデル）：最終的な回答を出す“頭脳”。Claude Code や Codex CLI から呼び出されます。
Embedding（埋め込み）：テキストやコードを“数値ベクトル”に変換する処理。
- 例：OpenAI Embeddings / Gemini / VoyageAI / Ollama（ローカル） など
Vector DB（ベクトルDB）：ベクトルを保存し、類似検索を行う“検索ストレージ”。
- 例：Milvus（本記事はローカル運用）
Code Context（MCP）：上記をつないで、**関連コード断片（Top-K）**を LLM に渡す“オーケストレーター”。

全体の動作フロー

よくある誤解ポイント

「Milvus は ChatGPT の API を使って動く」→ いいえ。
Milvus は ChatGPT（対話用）API には依存しません。Milvusの役割はベクトルの保存・類似検索です。
ChatGPT の月額（Plus/Team 等）＝ API キー？ → いいえ。
ChatGPT のサブスクと OpenAI API は別サービスです。Embedding を OpenAIで生成する場合は、OpenAI API Key（sk-...） が必要です。
Ollama を使えば 完全ローカル生成で API すら不要です。

Q: Embedding の指示は Code Context が行うのですか？その場合、行うタイミングは？
A: はい、Code Context（MCPサーバ）が担当します。 タイミングは大きく分けて (1) インデックス作成時 と (2) 検索時 の 2 つです。

(1) インデックス作成時（初回・再インデックス）
リポジトリを走査 → チャンク分割 → 各チャンクの埋め込みを生成 → Milvus に保存（アップサート／インデックス化）までを Code Context が自動実行します。
再インデックスでは 変更差分のみ再埋め込み（インクリメンタル）なので高速です。
目安となる操作：Index this codebase（または index_codebase ツール）、進捗確認：get_indexing_status。
(2) 検索時（自然言語の質問を投げた瞬間）
ユーザーの質問テキストを その場で埋め込みに変換 → Milvus に保存済みのコード埋め込みと照合（必要に応じてハイブリッド検索：BM25 + ベクトル）→ Top-K の関連断片を返します。
目安となる操作：Find …（または search_code ツール）。
誰が埋め込みプロバイダを呼ぶ？
Code Context が直接呼び出します。 EMBEDDING_PROVIDER／OPENAI_API_KEY／GEMINI_API_KEY／OLLAMA_HOST などの環境変数で、OpenAI / Gemini / VoyageAI / Ollama（ローカル） を切り替え可能です。

まとめ：コード側の埋め込みは「インデックス時」に作成し、質問の埋め込みは「検索時」に生成。更新は差分再埋め込みで効率化されます。

Q: 埋め込み生成しない時もあるのですか？
A: あります。 正確には「新しく埋め込みを作らない」ケースがいくつかあります。

(1) 再インデックス不要なとき
すでにコードベースをインデックス済みで、ファイル更新がない場合は既存ベクトルを再利用します（新規生成なし）。
再インデックスしても差分のみ再埋め込みなので、変更のないファイルは作りません。
(2) 検索だけ行うとき
通常、検索時は質問テキストだけを埋め込みに変換します。
逆に「特定ファイルを開く」「ログを表示する」など検索を伴わない操作では埋め込みを作りません。
(3) バックアップ／移行からの復元
既に作成済みのベクトルを Milvus にリストアした場合、そのまま再利用できます（再生成不要）。
(4)（環境依存）ベクトルを使わない検索モード
設定やバージョンによっては、BM25 などの語彙ベースのみで検索する構成・重み付けが可能な場合があります。
この場合は新規の埋め込みを作らずに検索します（※可否は環境依存）。
(5) 設定不備やエラー時
EMBEDDING_PROVIDER や API キー未設定、レート制限などで埋め込み生成に失敗した場合、
実装によってはエラーで止まる／語彙ベースのみで続行等の挙動になります（ログで要確認）。

（参考）必ず／通常作るタイミング

初回インデックス：コード側の埋め込みを生成。
検索時：ユーザーの質問テキストを埋め込みに変換（同一質問のキャッシュ有無はバージョン依存）。

　動作確認のヒント

インデックス状態：get_indexing_status（UI の「Index this codebase」進捗でも可）

設定確認：claude mcp get claude-context（環境変数・コマンドを点検）

ログ：生成失敗やフォールバックはログに痕跡が出ます

Q: ローカル Milvus でも十分実用的ですか？
A: はい。類似検索の検証や社内限定の運用に向いています。将来クラウド移行する場合も、基本は MILVUS_ADDRESS／MILVUS_TOKEN の切り替えで対応できます。

Q: 19530 以外のポートは？
A: 通常は 19530（gRPC、デフォルト接続）だけ意識すればOKです。9091 は管理系ポートです。

Q: Milvus の状態をGUIで見たい
A: 本文の 「Attu（Web UI）」 節を参照してください。Docker ネットワーク越しの接続先指定に注意すれば、簡単に可視化できます。

Q: ChatGPT Plus/Team を契約していれば、API Key は不要ですか？
A: いいえ、別物です。 ChatGPT の月額サブスク（Plus/Team/Enterprise）はブラウザ/アプリでの利用向け、OpenAI API は従量課金の開発者向けサービスで、API Key（sk-...）は別途発行が必要です。API Key は OpenAI Platform の「API keys」ページから作成します。料金はAPI の料金表に従って課金されます（埋め込みの一例として text-embedding-3-small が $0.02 / 1M tokens といった価格帯の発表がありました。必ず最新の Pricing をご確認ください）。

Q: API料金を避けたい・極力抑えたいのですが？
A: Ollama を使ってローカルで埋め込みを計算すれば API 料金はかかりません（そのぶんマシンスペック依存になります）。本文の「最小ワンライナー集」の Ollama 例をどうぞ。

参考リンク（UTM なし）

Code Context（GitHub/README）
https://github.com/zilliztech/claude-context
Claude Code × MCP（Anthropic 公式ドキュメント）
https://docs.anthropic.com/en/docs/claude-code/mcp
OpenAI Codex CLI – GitHub（README）
https://github.com/openai/codex
OpenAI – API Pricing
https://openai.com/api/pricing
OpenAI – API keys（作成ページ）
https://platform.openai.com/api-keys
Milvus：Docker Compose での起動（Standalone）
https://milvus.io/docs/install_standalone-docker-compose.md
Milvus：接続とポート（19530/9091）
https://milvus.io/docs/v2.3.x/manage_connection.md

以上