概要
https://zenn.dev/moneyforward/articles/c43cc7eff468a7
詳細内容
## MCPでやる必要のない業務をSkillsに置き換えてトークンと時間の消費を爆減してみた
https://zenn.dev/moneyforward/articles/c43cc7eff468a7
AIエージェントとCLIツールをAgent Skillsで連携させ、テスト管理業務におけるトークン消費と処理時間を劇的に削減する手法を公開する。
**Content Type**: ⚙️ Tools
**Language**: ja
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 86/100 | **Annex Potential**: 80/100 | **Overall**: 88/100
**Topics**: [[Agent Skills, MCP, Claude Code, テスト自動化, 開発効率化]]
マネーフォワード社のSDETである著者が、QAチームにおけるテストケース管理業務を大幅に効率化した事例を紹介している。従来、Claude CodeとMCP（Model Context Protocol）を組み合わせてテスト分析からZephyr（テスト管理ツール）への登録までを行っていたが、大規模な登録作業においてトークン消費量と処理時間の増大が課題となっていた。著者は、AIに全ての工程を「力技」で任せるのではなく、構造化データ（YAML）と専用のCLIツール、そしてClaudeの「Agent Skills」を組み合わせるハイブリッドなアプローチを提唱している。
具体的な改善策として、第一に中間成果物の形式をマークダウンからYAMLに変更した。これにより、人間にとっての視認性を維持しつつ、プログラムによる機械的な一括処理が可能になった。第二に、自作のCLIツールとPythonスクリプトを「Agent Skills」として定義し、AIに「道具の使い方」を学習させた。この結果、数百件規模のテストケース登録が数分で完了するようになり、MCPを介してAIが1件ずつ逐次処理していた場合と比較して、トークン消費と実行時間を劇的に削減することに成功した。
筆者が強調しているのは、AIを単なる作業代行者として使うのではなく、思考が必要な部分はAIに、機械的な繰り返し作業は既存のプログラムやCLIに分担させる「適材適所」の重要性である。特に、Agent Skillsを活用することで、AIが必要なツールをオンデマンドで呼び出せるようになり、コンテキストの消費を最小限に抑えられる点が魅力であると述べている。この記事は、AIエージェントを実際の開発現場や業務フローに組み込む際、コストとパフォーマンスのバランスをどう最適化すべきかという問いに対し、非常に具体的かつ実践的な解を与えている。