Cursor + Claudeで変わった開発体験：AIペアプログラミングの実践

AIコーディングツールへの懐疑論は理解できる。「どうせGitHubCopilotみたいな補完の延長でしょ」という感覚は、実際に使う前の私も持っていた。

Cursorを使い始めてから半年。最初は半信半疑だったが、今では手放せないツールになっている。どう変わったかを正直に書く。

Cursorとは何か

Cursorは「AIが組み込まれたコードエディタ」だ。ベースはVS Codeで、UIや拡張機能はそのまま使いながら、バックエンドのAIとしてClaudeやGPT-4oが使える。

GitHub Copilotとの最大の違いは「ファイル全体のコンテキストを踏まえた対話ができること」だ。

Copilotは主に「現在書いている行の補完」が中心だが、Cursorは：

• 「このリポジトリ全体を理解した上で、この関数を書き直して」
• 「このファイルとあのファイルの整合性を確認して」
• 「このコードが何をしているか説明して」

という会話ができる。コードベース全体を「会話の相手が知っている状態」で対話できるのが本質的な違いだ。

実際に使って効果的だったタスク

① リファクタリング

「この100行の関数を、単一責任の原則に沿ってリファクタリングして」という依頼は、Cursorが最も得意とする領域だ。

関連する型定義・テスト・呼び出し箇所まで把握した上で提案してくれるため、「リファクタリング後に他のファイルが壊れた」という事態が減った。

② ドキュメントが少ないライブラリの使い方調査

「このライブラリのGitHubのコードを読んで、〇〇の機能の使い方を教えて」という問いへの対応が速い。公式ドキュメントが薄いOSSでも、ソースコードから使い方を読み解いてくれる。

③ テストコードの作成

「この関数のユニットテストを書いて。エッジケースも考慮して」という依頼に対して、実装の意図を踏まえた網羅的なテストを生成してくれる。ゼロから書くと30分かかるテストが5分で出てくる感覚だ。

④ コードレビューの補助

「このPRの変更点を読んで、潜在的なバグ・パフォーマンス問題・セキュリティリスクを指摘して」という使い方も有効だ。自分一人のレビューでは見落としがちな観点を補ってくれる。

効果が薄かったタスク

設計の意思決定

「このシステムのアーキテクチャをどう設計すべきか」という問いは、AIが回答しても「それが本当に正解か」を判断するのが難しく、かえって迷いが増えた。設計の意思決定は人間が主体になるべきだと感じている。

業務ドメインに強く依存したコード

社内の特定の業務ロジック・独自のデータ構造を深く理解した上でのコーディングは、AIが外部文脈を知らないため精度が下がりやすい。コンテキストを丁寧に説明すれば改善するが、それ自体に時間がかかる。

使い方のコツ

コンテキストを明示的に渡す

「このリポジトリ全体の〇〇という機能を修正したい。関連するファイルは△△と□□だ」と、AIが必要な情報を明示的に渡す。「なんとなく理解してくれる」という期待は禁物だ。

出力を必ず確認する

AIの出力を「正解」として信頼するのは危険だ。特に：

• 存在しないメソッドや関数を自信満々に使ってくることがある
• 古いAPIバージョンのコードを生成することがある
• セキュリティ上の問題（SQLインジェクション等）に無頓着なコードを生成することがある

AIの出力は「ドラフト」として扱い、必ずレビューする習慣が重要だ。

タスクを小さく分解する

「このプロジェクト全体をリファクタリングして」ではなく、「この関数の引数設計を改善して」というように、タスクを細かく分けた方が精度が上がる。

コスト感

Cursorのプランは：

• 無料プラン：月500回の補助機能利用（制限あり）
• Pro：月20ドル（約3,000円）。無制限に近い使用が可能

月20ドルを「開発効率が上がる投資」として捉えると、払う価値は十分にあると感じている。週40時間開発するとして、月あたり数時間でも削減できれば、時給換算で即回収できる。

エンジニアの市場価値への影響

AIコーディングツールの普及で「AIに代替されるエンジニア」の話が出るが、私の感触は少し違う。

AIは「実装のスピード」を上げるが、「何を実装すべきか」「なぜこの設計を選ぶか」という判断は依然として人間が担う。むしろAIが実装を速くしてくれることで、「より高次の設計判断」に時間を使えるようになった。

「AIを使いこなせるエンジニア」と「AIを使えないエンジニア」の生産性差は広がっている。今ツールに慣れておくことは、市場価値の観点からも重要だと感じている。

まとめ

CursorはAIコーディングアシスタントを「補完ツール」から「対話できる開発パートナー」に変えた。

最も効果的な使い方は：

• リファクタリング・テスト作成・ライブラリ調査の自動化
• コードレビューの補助
• 「コンテキストを明示して、小さく分解したタスクを依頼する」

限界を理解した上で使いこなせば、開発効率は確実に上がる。AIが正しいかどうかを判断できる「技術力」と組み合わせて、初めてAIツールの威力が発揮される。