個人でもここまでできる！AI coding toolと一緒にKubernetesコスト最適化ツール「kost」を開発した話

はじめに

「OSSを開発してみたいけど、個人だと時間も人手もない...」
「設計から実装、テスト、リリースまで、全部一人でやるのは大変そう...」

そんな風に思ったことはありませんか？

私も以前はそうでした。でも、AI coding toolを使うことで、その常識が完全にひっくり返りました。設計・実装・テスト・リリースといったソフトウェア開発のすべての工程を、AIと一緒に効率的に進められる時代が来ています。

今回は、Kubernetesのリソース最適化ツール「kost (Kubernetes Optimization & Sizing Tool)」を実際にAI coding toolを活用して開発した体験をシェアします。

開発したOSS：kost とは

kostは、Kubernetesクラスタのコスト最適化を支援するCLIツールです。

主な機能

• リソース設定の最適化推奨: Deployment の CPU/メモリ requests/limits を Prometheus メトリクスから分析
• HPA設定の最適化: minReplicas/maxReplicas の適切な設定を推奨
• AI駆動の説明: OpenAI/Claude APIを活用して、最適化の理由を自然言語で説明
• 適用可能なYAMLパッチ生成: そのまま適用できる kubectl patch 用のファイルを生成

# 使い方はシンプル
kost scan --namespace prod --config config.yaml
kost suggest --namespace prod --config config.yaml
kost report --namespace prod --config config.yaml

詳細は GitHub リポジトリ をご覧ください。

AI coding toolで変わった開発体験

ここからが本題です。kostを開発する過程で、AI coding toolがどれほど強力だったかをフェーズごとに紹介します。

1. 設計フェーズ：アイデアから仕様へ

従来の課題：

• 機能仕様を書くのに時間がかかる
• アーキテクチャ設計で悩む時間が長い
• データモデルの設計が曖昧になりがち

AI coding toolでの体験：

「Kubernetesのリソース最適化ツールを作りたい」

このシンプルな要望から、AIは：

• 必要な技術スタックの提案（Prometheus、Kubernetes client-go）
• データモデルの設計案
• CLIインターフェースの構造
• セキュリティ考慮事項のチェックリスト

を数分でドラフトしてくれました。

特に助かったのは、「この設計だと、こういう問題が起きる可能性がある」といったアンチパターンの指摘もしてくれる点。一人で開発していると見落としがちな視点を補ってくれます。

2. 実装フェーズ：コーディングの高速化

従来の課題：

• Goの標準ライブラリやKubernetesクライアントのAPIドキュメントを行ったり来たり
• ボイラープレートコードを書くのが面倒
• エッジケースの処理を忘れがち

AI coding toolでの体験：

例えば、Prometheusからメトリクスを取得する部分。

「PrometheusのAPIからPod CPU使用率をP95で集計したい」

と伝えると、AIは：

• Prometheus APIクライアントの初期化コード
• 適切なPromQLクエリの生成
• エラーハンドリング
• レート制限への対応

まで含めた実装を提案。しかも、Goの慣習に従った命名やエラーメッセージの書き方もちゃんとしているので、そのまま採用できることが多いです。

特に驚いたのは、コードレビューのような指摘もしてくれること。

// 私が書いた最初のコード
func getMetrics(url string) (*Result, error) {
    resp, _ := http.Get(url)  // エラー無視してた！
    // ...
}

「エラーハンドリングが不足しています。http.Getのエラーをチェックすべきです」

一人開発でもペアプログラミングしているような感覚でした。

3. テストフェーズ：品質担保の効率化

従来の課題：

• テストケースの網羅性が不安
• モックの作成が面倒
• エッジケースのテストを書き忘れる

AI coding toolでの体験：

「この関数のテストを書いて」と依頼すると：

• 正常系のテストケース
• エラーケースのバリエーション
• 境界値テスト
• テーブル駆動テストの構造

を自動生成。

さらに、「このテストカバレッジは十分か？」と聞くと、抜けているテストケースを指摘してくれるので、品質を担保しやすくなりました。

特に重宝したのは、セキュリティテストの観点。

「このコードにセキュリティ上の問題はないか？」

と聞くと、API keyのログ出力リスク、コマンドインジェクションの可能性、TLS証明書検証の重要性など、見落としがちな点を指摘してくれました。

4. リリースフェーズ：継続的なメンテナンス

従来の課題：

• GitHub Actionsの設定が面倒
• リリースノートを書くのに時間がかかる
• ドキュメント整備が後回しになる

AI coding toolでの体験：

CI/CDパイプラインの構築も、AIに任せました。

「Go 1.25.5でCI/CDを構築して、Linuxバイナリをリリースしたい」

すると：

• GitHub Actionsのワークフロー
• GoReleaserの設定
• マルチプラットフォームビルド
• 脆弱性スキャンの統合

を含む完全な設定を提案。

README、CONTRIBUTING.md、セキュリティポリシーなどのドキュメントも、テンプレートから一緒に作成できました。

AI駆動開発で感じた3つの価値

1. 「考える時間」が増えた

コードを書く時間が減った分、「何を作るか」「どう作るべきか」を考える時間が増えました。AIが実装の細部を担当してくれるので、アーキテクチャやユーザー体験といった本質的な部分に集中できます。

2. 学びながら開発できる

AIが生成したコードを読むことで、GoのベストプラクティスやKubernetesの仕様を自然に学べました。「なぜこの実装なのか？」と質問すると、背景も教えてくれるので、理解が深まります。

3. 完成させるハードルが下がった

一番大きな変化は、「個人でも最後までやり切れる」という自信がついたこと。

以前は「個人開発だと途中で挫折しそう...」と思っていましたが、AIがサポートしてくれることで、設計→実装→テスト→リリースの全工程を完走できました。

これからOSS開発を始める人へ

もし、あなたが「OSSを作ってみたいけど、ハードルが高そう...」と感じているなら、AI coding toolを使ってみることを強くおすすめします。

はじめの一歩

1. 小さなアイデアから始める：「こんなツールがあったら便利だな」という小さな不満を解決するツールから
2. AIに質問しながら進める：わからないことは遠慮せずAIに聞く
3. 完璧を求めない：まずは動くものを作り、後から改善していく

kostの開発で使ったツール

• AI coding tool: Claude Code (設計・実装・テスト・レビューの全般)
• LLM統合: OpenAI API / Anthropic Claude API（kostの機能として）
• CI/CD: GitHub Actions
• テスト環境: minikube + Prometheus

まとめ：AIと一緒に楽しむ個人開発ライフ

AI coding toolは、個人開発者にとっての強力な相棒です。

• 設計で迷ったら相談相手に
• 実装で詰まったらペアプログラマーに
• テストで不安ならレビュアーに
• ドキュメントが面倒なら編集者に

AIがいることで、「一人でも全部できる」という感覚を味わえます。そして何より、開発そのものが楽しい。

kostの開発を通じて、私は「個人でもOSSを作れる」という確信を得ました。みなさんも、ぜひAI coding toolと一緒に、素敵な個人開発ライフを楽しんでください。

あなたのアイデアが、誰かの課題を解決するOSSになる日を楽しみにしています！

---

参考リンク

• kost GitHubリポジトリ: https://github.com/takahiro-impara/kost
• Claude Code: https://claude.com/claude-code
• Anthropic API: https://docs.anthropic.com/