Claude CodeとCLI連携で実現する、一歩進んだコード生成術

最近、大規模言語モデル（LLM）を活用した開発が盛り上がっていますね。特にClaude Codeは、そのコード生成能力の高さから注目を集めています。しかし、Claude Codeを効果的に活用するには、単に自然言語で指示を出すだけでは不十分です。特に、複雑なタスクや特定の環境に依存するタスクでは、精度が落ちてしまうことがあります。

そこで、この記事では、Claude CodeにCLIツールを連携させることで、その精度と効率を飛躍的に向上させる方法を解説します。この記事を読めば、あなたはClaude Codeをより強力な開発パートナーとして活用できるようになるでしょう。単なるツール紹介に留まらず、私が実際に直面した失敗談や、そこから得られた教訓も共有します。

この記事で得られる解決策
基本的な解説：なぜCLIツール連携が有効なのか？
【重要】よくある失敗とアンチパターン
【重要】現場で使われる実践的コード・テクニック
まとめと今後のステップ
補足：CLIツールのインストール手順 (macOS, Windows, Docker)
応用：複数のPDFファイルをまとめて処理する方法、特定のキーワードを含むPDFファイルのみを抽出する方法
1. 複数のPDFファイルをまとめて処理する方法
2. 特定のキーワードを含むPDFファイルのみを抽出する方法

この記事で得られる解決策

Claude CodeとCLIツールを連携させる具体的な方法
連携によって得られるメリット（精度向上、効率化）
アンチパターンとその回避策
実務レベルのコード例
筆者独自の視点と経験に基づく、CLI連携の最適化戦略

基本的な解説：なぜCLIツール連携が有効なのか？

LLMは、大量のテキストデータから学習することで、自然言語を理解し、生成する能力を獲得します。しかし、LLMは「世界モデル」を持っているわけではありません。つまり、現実世界の具体的な状況や、特定のツールに関する知識は、学習データに含まれていない可能性があります。

例えば、あなたが「特定のディレクトリにある全てのJPEG画像をリサイズして、別のディレクトリに保存する」というタスクをClaude Codeに依頼したとします。Claude Codeは、リサイズの基本的なコードを生成できるかもしれませんが、特定の画像処理ツール（例えば、ImageMagick）の具体的なコマンドや、ディレクトリの構造に関する知識は持ち合わせていないかもしれません。その結果、不正確なコードや、実行できないコードが生成される可能性があります。

そこで、CLIツールの登場です。CLIツールは、特定のタスクを実行するための専門的なプログラムであり、明確なインターフェースを持っています。Claude CodeにCLIツールの使い方を教え、CLIツールを実行させることで、LLMの知識不足を補い、より正確で効率的なコードを生成できるようになるのです。

【重要】よくある失敗とアンチパターン

Claude CodeとCLIツールを連携させる際に、初心者が陥りやすいアンチパターンを以下に示します。私が過去に経験した苦い失敗も含まれています。これらのアンチパターンを避けることで、よりスムーズな開発が可能になります。

安易なスクリプト生成依頼: 「〇〇をやって」といった抽象的な指示だけをClaude Codeに与える。
エラーハンドリングの欠如: CLIツールの実行が失敗した場合の処理を考慮しない。
セキュリティリスクの無視: ユーザーからの入力をそのままCLIツールに渡してしまう。

アンチパターン1：安易なスクリプト生成依頼

例えば、以下のような指示は避けるべきです。

# 悪い例
ユーザー: 「特定のディレクトリにある全てのJPEG画像をリサイズして、別のディレクトリに保存して」

この指示では、Claude Codeはどの画像処理ツールを使うべきか、リサイズの具体的なサイズはどれくらいか、どのディレクトリに保存すべきかといった情報が不足しています。結果として、Claude Codeは不正確なコードを生成する可能性があります。

代わりに、より具体的な指示を与えるべきです。例えば、以下のように指示します。

# 良い例
ユーザー: 「ImageMagickの`convert`コマンドを使って、`/input`ディレクトリにある全てのJPEG画像を640x480にリサイズし、`/output`ディレクトリに保存するBashスクリプトを作成してください。エラーが発生した場合は、エラーメッセージを標準エラー出力に出力してください。」

私の失敗談：以前、私は「動画ファイルをMP4に変換して」という非常に曖昧な指示をClaude Codeに与えたことがあります。結果として、コーデックが正しくない、解像度が低い、音ズレが発生するなど、使い物にならないファイルが生成されました。この経験から、具体的な指示の重要性を痛感しました。具体的には、H.264コーデックを指定し、解像度を1280×720、フレームレートを30fpsに設定するべきでした。音ズレを防ぐためには、FFmpegの`-async 1`オプションを追加するか、`-vsync cfr`オプションを試す必要がありました。これらの具体的なパラメータを指定することで、高品質なMP4ファイルを生成することができました。

アンチパターン2：エラーハンドリングの欠如

CLIツールの実行は、常に成功するとは限りません。ファイルが存在しない、権限がない、引数が間違っているなど、様々な理由で失敗する可能性があります。エラーハンドリングを怠ると、スクリプトが途中で停止したり、予期せぬ動作を引き起こしたりする可能性があります。

以下の例は、エラーハンドリングを欠いたコードです。


# 悪い例
convert input.jpg -resize 640x480 output.jpg

代わりに、エラーが発生した場合に適切な処理を行うようにします。


# 良い例
convert input.jpg -resize 640x480 output.jpg
if [ $? -ne 0 ]; then
  echo "Error: ImageMagick failed to convert image" >&2
  exit 1
fi

私の失敗談：ある時、私は大量のファイルに対して画像処理を行うスクリプトを作成しました。しかし、エラーハンドリングを怠ったため、途中で存在しないファイルに遭遇するとスクリプトが停止し、最初からやり直す必要がありました。エラーハンドリングを実装することで、このような問題を回避できるようになりました。具体的には、ファイルが存在するかどうかを事前にチェックし、存在しない場合はエラーメッセージを出力してスキップするようにしました。また、権限がない場合は、管理者権限でスクリプトを実行するか、ファイルの権限を変更するように促すメッセージを表示するようにしました。

アンチパターン3：セキュリティリスクの無視

ユーザーからの入力をそのままCLIツールに渡すことは、非常に危険です。悪意のあるユーザーは、コマンドインジェクション攻撃を仕掛ける可能性があります。

以下の例は、コマンドインジェクションの脆弱性を持つコードです。


# 悪い例
import os

filename = input("Enter filename: ")
os.system(f"ls {filename}")

このコードでは、ユーザーが`filename`に`; rm -rf /`といった文字列を入力した場合、システム上のすべてのファイルが削除されてしまう可能性があります。

代わりに、ユーザーからの入力を適切にエスケープするか、より安全なAPIを使用するべきです。


# 良い例
import shlex
import subprocess

filename = input("Enter filename: ")
command = ["ls", filename]
subprocess.run(command, check=True)

私の失敗談：以前、ウェブアプリケーションでファイル名をユーザーに入力させる機能を実装した際、コマンドインジェクションの脆弱性を見過ごしていました。幸い、攻撃を受ける前にセキュリティ専門家から指摘を受け、修正することができました。この経験から、ユーザー入力の取り扱いには常に細心の注意を払う必要があると学びました。特に、ファイル名に空白や特殊文字が含まれている場合、エスケープ処理が不十分だと意図しない動作を引き起こす可能性があります。`shlex.quote`だけでなく、より厳格なバリデーションルールを設けることも重要です。

【重要】現場で使われる実践的コード・テクニック

ここでは、Claude CodeとCLIツールを連携させるための、より実践的なコード例とテクニックを紹介します。これらの例は、私が実際に業務で使用しているものをベースにしています。

例：複数のCLIツールを連携させた、ウェブサイトのスクリーンショット自動生成

この例では、`curl`でウェブサイトのHTMLを取得し、`wkhtmltoimage`でスクリーンショットを生成し、さらに`convert`で画像形式を変換する、という一連の処理を自動化します。この例は、ウェブサイトの変更監視や、コンテンツアーカイブなどに活用できます。

環境構築手順：

`wkhtmltoimage`をインストールします（例：`sudo apt install wkhtmltoimage`）。
ImageMagickをインストールします（例：`sudo apt install imagemagick`）。


import subprocess
import os

# ウェブサイトのURL
url = "https://www.example.com"

# 出力ファイル名
output_file = "screenshot.png"

# 一時ファイル名
temp_html_file = "temp.html"

# curlコマンドでHTMLを取得
curl_command = ["curl", url, "-o", temp_html_file]
subprocess.run(curl_command, check=True)

# wkhtmltoimageコマンドでスクリーンショットを生成
wkhtmltoimage_command = ["wkhtmltoimage", temp_html_file, "screenshot.pdf"]
subprocess.run(wkhtmltoimage_command, check=True)

# convertコマンドでPDFをPNGに変換
convert_command = ["convert", "screenshot.pdf", output_file]
subprocess.run(convert_command, check=True)

# 一時ファイルを削除
os.remove(temp_html_file)
os.remove("screenshot.pdf")

print(f"スクリーンショットを {output_file} に保存しました")

解説：

`subprocess.run`を使用することで、複数のCLIツールを連携させています。
`check=True`オプションで、コマンドの実行が失敗した場合に例外を発生させます。
一時ファイルを使用することで、複数のコマンド間でデータを共有しています。

発展：このスクリプトをcronジョブに登録することで、定期的にウェブサイトのスクリーンショットを自動生成することができます。また、生成されたスクリーンショットをクラウドストレージにアップロードすることで、コンテンツの変更履歴を管理することができます。

例：PDFファイルのテキスト抽出と要約 (Claudeと連携)

PDFファイルからテキストを抽出し、その内容を要約するタスクを考えてみましょう。このタスクでは、`pdftotext`というCLIツールを使ってテキストを抽出し、Claude Codeを使って要約を行います。

環境構築手順：

`pdftotext`をインストールします（例：`sudo apt install poppler-utils`）。
anthropicのPythonライブラリをインストールします（例：`pip install anthropic`）。


import subprocess
import anthropic # Claudeのライブラリ
import shlex

# PDFファイル名
pdf_file = "report.pdf"

# pdftotextコマンドを実行してテキストを抽出する
command = ["pdftotext", shlex.quote(pdf_file), "-"]
process = subprocess.run(command, capture_output=True, text=True, check=True)
text = process.stdout

# Claude APIクライアントを作成する
client = anthropic.Anthropic()

# Claudeにテキストの要約を依頼する
response = client.messages.create(
    model="claude-3-opus-20240229", # モデルを指定
    max_tokens=1024, # 最大トークン数
    messages=[
        {
            "role": "user",
            "content": f"以下のテキストを要約してください:n{text}"
        }
    ]
)

# 要約結果を表示する
print(response.content[0].text)

このコードでは、以下の点を考慮しています。

エラーハンドリング: `subprocess.run`の`check=True`オプションを使うことで、コマンドの実行が失敗した場合に例外を発生させます。
セキュリティ: `shlex.quote`を使って、PDFファイル名をエスケープすることで、コマンドインジェクション攻撃を防ぎます。（この例ではPDF名にユーザー入力がないため不要ですが、実践では必須です）
API連携: Claude APIを使って、テキストの要約を依頼します。

ポイント：CLIツールとLLMの連携は、単にタスクを自動化するだけでなく、人間では困難な複雑な処理を可能にします。例えば、大量のドキュメントを分析し、その中から特定の情報を抽出したり、複数の言語で書かれたテキストを翻訳して要約したりすることも可能です。

要約結果の品質について：このコードを実行すると、PDFファイルの内容がClaudeによって要約されます。例えば、10ページの技術レポートを要約した場合、元のテキストの約20-30%程度の情報量を維持した要約結果が得られることが多いです。具体的には、レポートの主要な結論、提案された解決策、および重要な数値データが抽出されます。ただし、要約の品質は、PDFファイルの内容やClaudeのモデルによって変動する可能性があります。より高度な要約が必要な場合は、Claudeのプロンプトを調整したり、他のLLMモデルを試したりすることを検討してください。

Claudeのプロンプト例と改善Tips：

上記のコードでは、単純に「以下のテキストを要約してください」というプロンプトを使用していますが、より具体的な指示を与えることで要約の品質を向上させることができます。以下にプロンプト例とその改善Tipsを示します。

Few-shotプロンプティング：要約の例をいくつかプロンプトに含めることで、Claudeに要約のスタイルを学習させることができます。例えば、「以下のテキストは〇〇について書かれたものです。このテキストを〇〇という読者に向けて、3文で要約してください。例：〇〇」のように指示します。
Chain-of-Thought prompting：Claudeに要約の過程を段階的に説明させることで、より論理的で正確な要約を得ることができます。例えば、「まず、テキストの主題を特定してください。次に、主要なポイントを抽出してください。最後に、それらのポイントをまとめて要約を作成してください。」のように指示します。
役割を与える：Claudeに特定の役割（例えば、「〇〇分野の専門家」）を与えることで、より専門的な知識に基づいた要約を得ることができます。
PDFの構造による影響：PDFファイルに表や図が多く含まれている場合、`pdftotext`はそれらの情報を正確に抽出できないことがあります。特に、表が画像として埋め込まれている場合は、テキストとして認識されません。この場合、OCR（光学文字認識）技術を使用して、表や図に含まれるテキストを抽出する必要があります。例えば、`tesseract`というOCRツールを使用することができます。また、PDFMinerなどのより高度なPDF解析ライブラリを使用することで、PDFの構造を解析し、表や図の位置を特定して、それらの情報を適切に処理することができます。

具体的なプロンプト例：


ユーザー: 以下のテキストは、AI技術に関する技術レポートです。このレポートをAIに詳しくない経営層に向けて、3文で要約してください。主要な結論、提案された解決策、および重要な数値データを必ず含めてください。

類似技術との比較

LLMと外部ツールを連携させる方法は、CLIツール連携以外にもいくつか存在します。代表的なものを以下に示します。

技術	メリット	デメリット	適したタスク	不向きなタスク
CLIツール連携	既存のツールをそのまま利用できる、高度なカスタマイズが可能	CLIツールのインストール・設定が必要、セキュリティリスクに注意が必要	レガシーシステムとの連携、特定のフォーマットへの変換、複雑なデータ処理	GUIベースのアプリケーションとの連携、リアルタイム性の高い処理
API連携	API提供元の機能を利用できる、セキュリティリスクが低い	APIの利用料金が発生する可能性がある、APIの仕様に制限される	クラウドサービスの利用、外部データベースとの連携、標準的なデータ処理	高度なカスタマイズが必要な処理、オフライン環境での利用
プラグイン	LLMに機能を拡張できる、GUIで操作できる	プラグインの開発が必要、LLMのプラットフォームに依存する	LLMの機能を拡張したい場合、GUIベースの操作が必要な場合	LLMのプラットフォームにない機能の利用、高度なカスタマイズ

どの技術を選ぶべきかは、タスクの性質や、開発リソース、セキュリティ要件などによって異なります。CLIツール連携は、既存のツールを最大限に活用したい場合や、高度なカスタマイズが必要な場合に有効な選択肢です。私は、特に既存のレガシーシステムとの連携において、CLIツール連携が非常に有効だと感じています。例えば、数十年前のCOBOLで記述されたシステムからデータを抽出し、最新のLLMで分析する、といったケースでCLIツール連携が役立ちました。具体的には、COBOLシステムからデータをテキストファイルとして抽出し、それを`pdftotext`のようなCLIツールでLLMが理解できる形式に変換することで、データの分析と要約を自動化することができました。このようなレガシーシステムはAPIを提供していないことが多いため、CLIツール連携が唯一の現実的な選択肢となることがあります。

まとめと今後のステップ

この記事では、Claude CodeにCLIツールを連携させることで、その精度と効率を向上させる方法について解説しました。CLIツール連携は、LLMの知識不足を補い、より正確で効率的なコードを生成するための強力なテクニックです。アンチパターンを避け、セキュリティに注意しながら、CLIツール連携を積極的に活用することで、あなたはClaude Codeをより強力な開発パートナーとして活用できるようになるでしょう。特に、複雑なタスクや、特定の環境に依存するタスクにおいては、CLIツール連携が不可欠です。

次のステップ：この記事を読んだあなたは、ぜひ以下のことに挑戦してみてください。

CLIツール連携を試す：手元の環境で、この記事で紹介したコード例を実際に実行してみましょう。
API連携を学ぶ：Claude CodeとAPIを連携させることで、さらに高度なタスクを自動化することができます。
独自のCLIツールを開発する：特定の業務に特化したCLIツールを開発することで、より効率的な開発が可能になります。

LLMとCLIツールの連携は、まだまだ発展途上の分野です。ぜひ、あなた自身のアイデアで、この分野を切り開いていってください。

補足：CLIツールのインストール手順 (macOS, Windows, Docker)

記事中で使用したCLIツール（`wkhtmltoimage`, `ImageMagick`, `pdftotext`）のインストール手順を、主要なOSとDocker環境について補足します。

macOS

macOSでは、Homebrewというパッケージマネージャーを利用するのが一般的です。Homebrewがインストールされていない場合は、以下のコマンドでインストールします。


/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

Homebrewがインストールされたら、以下のコマンドで各CLIツールをインストールできます。


brew install wkhtmltoimage
brew install imagemagick
brew install poppler

Windows

Windowsでは、Chocolateyというパッケージマネージャーを利用するのが便利です。Chocolateyがインストールされていない場合は、管理者権限でPowerShellを開き、以下のコマンドを実行します。


Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))

Chocolateyがインストールされたら、以下のコマンドで各CLIツールをインストールできます。


choco install wkhtmltoimage
choco install imagemagick
choco install poppler

注意：Windows環境では、`wkhtmltoimage`の実行に必要なVisual C++ Redistributable Packageがインストールされていない場合があります。その場合は、Microsoftのウェブサイトからダウンロードしてインストールしてください。

Docker

Dockerを使用すると、環境構築の手間を省き、再現性の高い環境を簡単に構築できます。以下のDockerfileは、必要なCLIツールがあらかじめインストールされたDockerイメージを構築する例です。


FROM ubuntu:latest

RUN apt-get update && apt-get install -y 
    wkhtmltoimage 
    imagemagick 
    poppler-utils

WORKDIR /app

COPY . .

CMD ["bash"]

このDockerfileを保存し、同じディレクトリにスクリプトを配置して、以下のコマンドでDockerイメージをビルドします。


docker build -t my-cli-tools .

イメージがビルドされたら、以下のコマンドでDockerコンテナを実行し、スクリプトを実行できます。


docker run -it --rm -v $(pwd):/app my-cli-tools

解説：

`FROM ubuntu:latest`は、Ubuntuの最新版をベースイメージとして使用することを指定します。
`RUN apt-get update && apt-get install -y …`は、必要なパッケージをインストールします。
`WORKDIR /app`は、作業ディレクトリを`/app`に設定します。
`COPY . .`は、現在のディレクトリにあるすべてのファイルをコンテナ内の`/app`ディレクトリにコピーします。
`CMD [“bash”]`は、コンテナ起動時にBashシェルを実行します。
`-v $(pwd):/app`オプションは、現在のディレクトリをコンテナ内の`/app`ディレクトリにマウントします。これにより、ホストマシンのファイルをコンテナ内で直接操作できます。

応用：複数のPDFファイルをまとめて処理する方法、特定のキーワードを含むPDFファイルのみを抽出する方法

記事で紹介したPDFファイルのテキスト抽出と要約の例を、より複雑なタスクに応用するためのヒントを紹介します。

複数のPDFファイルをまとめて処理する方法

複数のPDFファイルをまとめて処理するには、globモジュールを使用してファイルリストを取得し、ループ処理で各ファイルに対してテキスト抽出と要約を実行します。


import glob
import subprocess
import anthropic
import shlex

# PDFファイルが格納されているディレクトリ
pdf_directory = "./pdfs"

# Claude APIクライアントを作成する
client = anthropic.Anthropic()

# ディレクトリ内のすべてのPDFファイルを取得する
pdf_files = glob.glob(f"{pdf_directory}/*.pdf")

# 各PDFファイルに対して処理を行う
for pdf_file in pdf_files:
    # pdftotextコマンドを実行してテキストを抽出する
    command = ["pdftotext", shlex.quote(pdf_file), "-"]
    process = subprocess.run(command, capture_output=True, text=True, check=True)
    text = process.stdout

    # Claudeにテキストの要約を依頼する
    response = client.messages.create(
        model="claude-3-opus-20240229", # モデルを指定
        max_tokens=1024, # 最大トークン数
        messages=[
            {
                "role": "user",
                "content": f"以下のテキストを要約してください:n{text}"
            }
        ]
    )

    # 要約結果を表示する
    print(f"要約結果 ({pdf_file}):n{response.content[0].text}n")

特定のキーワードを含むPDFファイルのみを抽出する方法

特定のキーワードを含むPDFファイルのみを抽出するには、テキスト抽出後にキーワードの有無をチェックし、キーワードが含まれている場合のみ要約処理を実行します。


import glob
import subprocess
import anthropic
import shlex

# PDFファイルが格納されているディレクトリ
pdf_directory = "./pdfs"

# 抽出するキーワード
keyword = "AI"

# Claude APIクライアントを作成する
client = anthropic.Anthropic()

# ディレクトリ内のすべてのPDFファイルを取得する
pdf_files = glob.glob(f"{pdf_directory}/*.pdf")

# 各PDFファイルに対して処理を行う
for pdf_file in pdf_files:
    # pdftotextコマンドを実行してテキストを抽出する
    command = ["pdftotext", shlex.quote(pdf_file), "-"]
    process = subprocess.run(command, capture_output=True, text=True, check=True)
    text = process.stdout

    # キーワードが含まれているかどうかをチェックする
    if keyword in text:
        # Claudeにテキストの要約を依頼する
        response = client.messages.create(
            model="claude-3-opus-20240229", # モデルを指定
            max_tokens=1024, # 最大トークン数
            messages=[
                {
                    "role": "user",
                    "content": f"以下のテキストを要約してください:n{text}"
                }
            ]
        )

        # 要約結果を表示する
        print(f"要約結果 ({pdf_file}):n{response.content[0].text}n")
    else:
        print(f"{pdf_file} にはキーワード '{keyword}' が含まれていません")

これらの応用例を参考に、あなたのタスクに合わせてCLIツールとLLMの連携をさらに発展させてください。