⚡ oh-my-claudecode（OMC）とは？
oh-my-claudecodeは、韓国のエンジニアYeachan Heo氏が開発したClaude Code用のマルチエージェントオーケストレーションプラグインです。GitHub上で20,100+スターを獲得し、急速に注目を集めています。
コンセプトは「Don't learn Claude Code. Just use OMC.」——つまり、Claude Codeの複雑なコマンドや設定を覚える必要なく、自然言語で指示するだけで32の専門エージェントが自動的にタスクを分担・並列実行してくれます。
特に強力なのが Deep Interview → Ralplan → Autopilot の3ステージパイプライン。要件定義から設計レビュー、実装まで、人間のソフトウェア開発プロセスをAIが忠実に再現しつつ、各フェーズを大幅に圧縮します。
😱 素のClaude Codeあるある5選
Claude Codeをそのまま使っていると、こんな経験ありませんか？
- 「要件が曖昧なまま実装が始まって手戻りが…」 → 要件の曖昧さを定量化する仕組みがなく、「何を作るか」が不明確なまま走り出してしまう
- 「設計レビューなしでいきなりコード生成…」 → アーキテクチャ判断が場当たり的になり、後から大規模な修正が必要になる
- 「複数ファイルの整合性が取れない…」 → 1つのエージェントが順番に処理するため、ファイル間の命名規則やパス規約がバラバラになりがち
- 「大規模プロジェクトだと時間がかかりすぎる…」 → 並列処理ができず、数十ファイルの生成に膨大な時間がかかる
- 「毎回ゼロからのスタート…」 → 過去のセッションで学んだパターンやデバッグ知見が蓄積されない
oh-my-claudecodeは、これらの課題をマルチエージェント+3ステージパイプラインで解決します。
🎯 3ステージパイプライン — OMCの心臓部
oh-my-claudecodeの最大の特徴は、Deep Interview → Ralplan → Autopilot の3段階パイプラインです。人間のソフトウェア開発プロセス（要件定義 → 設計レビュー → 実装）をAIで再現し、各フェーズを劇的に圧縮します。
🔍 Stage 1: Deep Interview（要件明確化）
ソクラテス式の質問法で、プロジェクトの要件を体系的に明確化するステージです。
- 曖昧度スコアリング: 要件の曖昧さを数値化（100% → 目標20%以下）し、ゲート条件をクリアするまで質問を繰り返す
- Contrarian Mode: 「本当にその機能はMVPに必要ですか？」と挑戦的な問いを投げかけ、スコープクリープを防止
- Simplifier Mode: 複雑な要件を最小限のコア価値に絞り込む
- 出力: 構造化された仕様書（spec.md）
人間同士の会議では遠慮から出にくい「本当にそれ要る？」という本質的な疑問を、AIだからこそ遠慮なく投げかけてくれるのが秀逸です。
📋 Stage 2: Ralplan（コンセンサス計画策定）
3つの専門AIロール（Planner / Architect / Critic）がコンセンサスを形成する計画策定ステージです。
- Planner: 実装計画を立案（フェーズ構成、タスク分解、リスク分析）
- Architect: 技術的な観点でレビューし、問題点を指摘（ITERATE / ACCEPT判定）
- Critic: 最終的な品質評価を行い、承認（ACCEPT / ACCEPT-WITH-RESERVATIONS判定）
人間のアーキテクトレビューと同等の品質チェックが自動で行われ、サロゲートキー採用やAPI設計方針など、実装段階で問題になりがちな設計判断を事前に確定できます。
- 出力: コンセンサス計画書（plan.md）+ ADR（Architecture Decision Record）
🚀 Stage 3: Autopilot（自律実装）
コンセンサス計画に基づき、複数の専門エージェントが並列で実装を実行するステージです。
- 並列エージェント: Backend / Frontend / Database / Security / Documentation など、専門分野ごとにエージェントが分業
- 自律実行: 高レベルの指示から動作するテスト済みコードまで、手動介入なしで完走
- Architect検証: 自己参照ループで完了まで検証を繰り返す
🤖 32の専門エージェント & 実行モード
OMCには32の専門エージェントが搭載されており、タスクの性質に応じて自動的にルーティングされます。
主な実行モード
| モード | 説明 |
|---|---|
| Autopilot | 完全自律実行。アイデアから動作するコードまで一気通貫 |
| Ultrapilot | 最大5並列ワーカーで、Autopilotの3〜5倍速 |
| Team | N個の協調エージェントが共有タスクリストで連携（v4.1.7〜の標準方式） |
| Deep Interview | ソクラテス式Q&Aで要件を精緻化 |
| Ralph | 自動検証と修正を繰り返すセルフヒーリングループ |
| Ralplan | 反復的コンセンサス戦略による計画セッション |
スマートモデルルーティング
タスクの複雑さに応じて、自動でモデルを使い分けます。
- 簡単なタスク → Haiku（高速・低コスト）
- 通常の実装 → Sonnet（バランス型）
- 複雑な推論 → Opus（高精度）
これにより、トークンコストを30〜50%削減しながら、適材適所の処理を実現します。
🧠 自動学習エンジン
OMCは使えば使うほど賢くなります。
- デバッグで苦労したパターンを自動的に識別
- ポータブルな .omc スキルとして保存
- 将来のセッションで自動的に注入
つまり、同じミスを繰り返さない「成長するAI開発環境」を実現しています。
🛠️ インストール方法
インストールはClaude Codeのプラグインシステムで簡単に完了します。
ステップ1: マーケットプレイスに追加
/plugin marketplace add https://github.com/Yeachan-Heo/oh-my-claudecode
ステップ2: プラグインをインストール
/plugin install oh-my-claudecode
これだけで、32のエージェント・複数の実行モード・自動学習エンジンが即座に使えるようになります。
⚠️※ npm経由のインストールは非推奨。パッケージ名がリポジトリ名と異なる（oh-my-claude-sisyphus）ため、プラグインシステム経由が推奨されています。
📝 実践レポート：3ステージパイプラインで MVPを作ってみた
実際にoh-my-claudecodeの3ステージパイプライン（Deep Interview → Ralplan → Autopilot）を使って、MVP開発を試してみました。
🔧 実験条件
- 入力: 1,200行・3万文字の業務要件定義書
- 技術スタック: React 18 / TypeScript + Spring Boot 3.3 / Java 21 + MySQL 8.0
- 目標: 要件書通りの動作するフルスタックMVPを自律的に完成させる
⚡ Phase 1: Deep Interview（約10〜30分）
6ラウンドのソクラテス式Q&Aで、要件の曖昧度を 100% → 14.5% まで低減しました。
| ラウンド | 曖昧度 | 確定した主要事項 |
|---|---|---|
| 1 | 100% → 70.5% | フル機能MVP / React+Spring Boot+MySQL |
| 2 | 70.5% → 60.0% | 技術スタック確定 |
| 3 | 60.0% → 42.5% | 成功基準の定義 |
| 4（Contrarian） | 42.5% → 31.5% | CloudAuth/マルチテナント除外 → 開発量30%削減 |
| 5 | 31.5% → 22.5% | 外部連携はシードデータのみ |
| 6（Simplifier） | 22.5% → 14.5% | ダッシュボード・非機能要件を除外 |
特にContrarian Modeの「CloudAuth/マルチテナントはMVPに本当に必要か？」という問いかけが開発量30%削減につながった点が印象的でした。
📋 Phase 2: Ralplan（約15〜20分）
Planner → Architect → Criticの3者コンセンサスで実装計画を確定。
Architectが指摘した3つの必須修正：
| 修正事項 | 根拠 |
|---|---|
| Phase 2に垂直スライス煙テスト追加 | 過去の生成でフロントエンド未実装の教訓 |
| 複合キー → サロゲートキー + ユニーク制約 | JPA運用コスト削減 |
| 検索API: POST → GETパラメータ | MVPでの動的クエリセキュリティリスク排除 |
Architectが「過去の失敗の教訓」を引用してプロアクティブにリスク回避を要求した場面は、人間のアーキテクトレビューさながらの品質でした。
🚀 Phase 3: Autopilot（約40分〜3時間）
最大10並列エージェントが一斉にコード生成を実行。
Phase 1 (基盤): Agent A〜C → Spring Boot設定 + Flyway SQL + React骨格
Phase 2 (認証): Agent D → JWT Security + Auth/Consent API
Phase 3+4 (コア): Agent E〜G → ユーザ管理CRUD + 検索エンジン
Phase 5 (管理): Agent H〜J → マスタ管理 + ユーザー管理 + README
🔄 Phase 4: QA・修正ループ（約30〜40分）
並列エージェント間の整合性の問題が発生し、4〜10件のバグを修正：
- JPAエンティティのテーブル名不一致（複数形 vs 単数形）
- MySQLの予約語問題（year_month のバッククォート）
- BCryptハッシュの不正値
- JwtFilterのパススキップ設定ミス
- APIパスの二重化
📊 結果サマリー
| メトリクス | 値 |
|---|---|
| 総開発時間 | 5時間 |
| ソースファイル数 | 136ファイル |
| ソースコード行数 | 13,400行 |
| 設計書 | 8ドキュメント（約4,000行） |
| APIエンドポイント数 | 40 |
| 画面数 | 13 |
| DBテーブル数 | 11 |
| E2Eテスト | 全画面・全ロール通過 ✅ |
従来開発なら3〜4名のチームで2〜3週間かかるであろう規模感のMVPが、半日以内で完成しました。
🏆 OMCの強みと課題
💪 強み
- 要件から動作するプロダクトまでの一気通貫: 業務要件定義書 → 仕様 → 計画 → 実装 → 検証 → 文書化の全フェーズをカバー
- Deep Interviewによる要件精緻化: 「何を作るか」自体をAIとの対話で明確化する革新的アプローチ。Contrarian/Simplifierモードが特に有効
- コンセンサス型計画策定: Planner/Architect/Criticの3者レビューで、設計判断を事前に確定。手戻りを大幅に削減
- 並列エージェント実装: 独立したタスクを同時実行し、開発速度を3〜5倍に向上
- 自動学習: 苦労して得たデバッグパターンを蓄積し、将来のセッションで自動適用
⚠️ 課題
- エージェント間の整合性: 並列エージェントが生成するコードの命名規則・パス規約等の一貫性が保証されない。QAフェーズでの修正が必須
- QAの手動性: ビルドエラーの原因調査と修正は試行錯誤的になりがち
- コンテキスト制限: 大規模プロジェクトではコンテキストウィンドウの制約により、全体像の把握が困難になる可能性
🎬 まとめ
oh-my-claudecodeは、素のClaude Codeを「マルチエージェント開発チーム」に変貌させるプラグインです。
✅ Deep Interviewで要件の曖昧さを数値化＆精緻化
✅ Ralplanで3者コンセンサスの設計レビュー
✅ Autopilotで最大10並列エージェントが自律実装
✅ 32の専門エージェント＋スマートモデルルーティング
✅ 使うほど賢くなる自動学習エンジン
✅ インストールはコマンド2行だけ
実際にMVP開発で使ってみた結果、1,200行の業務要件定義書から約半日で13画面・40API・11テーブルの動作するフルスタックアプリケーションが完成しました。
「要件が曖昧なまま実装が始まって手戻りが多い」「もっと効率的にAI開発したい」と感じている方は、ぜひ試してみてください。特にDeep Interviewの「本当にそれ要る？」という問いかけは、開発の質そのものを変えてくれます。
🔗 参考リンク
- GitHub リポジトリ（本家）: https://github.com/Yeachan-Heo/oh-my-claudecode
- 日本語README: https://github.com/Yeachan-Heo/oh-my-claudecode/blob/main/README.ja.md
- 公式サイト: https://ohmyclaudecode.com/
- 機能解説（note.com）: https://note.com/masa_wunder/n/nf45f89e18cc0
- 使ってみた（Zenn）: https://zenn.dev/dk_/articles/26f88c8ae89864