Claude Code・Codexに入れるべきスキル／プラグイン｜pstack・imozuru・graphifyなどXで話題のもの
- Claude Code・Codexのスキル／プラグインは、作業手順や外部ツールを後から足せる拡張の仕組み
- 2026年10月はpstack本家のClaude Code対応や、imozuru・graphifyの拡散でXが大きく盛り上がり
- 検証ではpstackが「再現テスト→修正」の順番を徹底し、graphifyはファイルをまたぐ調査の手数を半減
Claude CodeやCodexに入れるスキル／プラグインは、AIエージェントに「仕事の型」や新しい道具を後から覚えさせる拡張の仕組みです。2026年10月には、Cursorのエンジニアが公開しているpstackの本家がClaude Codeに対応し、それを伝える以下のポストは2,000件を超えるいいねを集めました。
調べもの用のimozuruや、コードベースを知識グラフに変えるgraphifyも、X上で次々に拡散されています。
とはいえ、「結局どれを入れればいいの？」「入れると何が変わるの？」と迷っている方も多いのではないでしょうか。
この記事では、スキルとプラグインの基本から、Xで話題の主要ツールの特徴と導入方法、実際に動かして確かめた検証結果まで詳しく解説します。最後まで読めば、自分の開発に必要な拡張を迷わず選べるようになるはずです！ぜひ最後までご覧ください。
＼生成AIを活用して業務プロセスを自動化／
Claude Code・Codexに入れるべきスキル／プラグインとは？
Claude Code・Codexのスキル／プラグインとは、AIコーディングエージェントに手順書や道具を追加し、得意な仕事を増やすための拡張機能です。まずは仕組みの全体像と、Xで話題の主要ツールを整理しておきましょう。
スキルは、作業の進め方をMarkdownで書いた「手順書」のような存在。一方のプラグインは、複数のスキルやサブエージェント、フック、MCPサーバーなどをまとめて配布するための「箱」にあたります。どちらも自分で作れますが、2026年10月時点では、腕の立つ開発者が日々使っている手順をそのまま公開する流れが加速しており、他人の「仕事の型」をコマンド1つで取り込めるようになりました。
今回取り上げる主なスキル／プラグインを、以下の表にまとめておきます。
| ツール名 | 開発元 | 主な用途 | Claude Code | Codex | ライセンス |
|---|---|---|---|---|---|
| pstack | Lauren Tan（Cursor） | バグ修正・機能追加・レビューなどを厳密な手順で進める | 本家プラグインで対応 | コミュニティ版で対応 | MIT |
| imozuru | MaryCache | 知らない分野を原文までたどって調べる | プラグイン・skills CLIで対応 | 公式手順の記載なし | MIT |
| graphify | Graphify Labs | プロジェクト全体を知識グラフにして問い合わせる | graphify installで対応 | --platform codexで対応 | Apache-2.0 |
| mattpocock/skills | Matt Pocock | TDD・バグ診断・振り返りなど小さな実務スキル集 | 公式マーケットプレイスで配布 | プラグインで対応 | MIT |
スキルは必要なときだけ読み込まれる手順書
スキルは、SKILL.mdというファイルに作業手順を書いておき、AIが必要な場面で読み込む仕組みです。Claude Codeの公式ドキュメントによると、普段はスキルの名前と説明だけがコンテキストに入り、本文は使うときに初めて読み込まれるとのこと。
そのため、長い手順書を何本も入れておいても、使っていない間の負担はほとんど増えません。保存場所は、全プロジェクト共通なら~/.claude/skills/、リポジトリ単位なら.claude/skills/です。
呼び出し方は2通りあり、/スキル名と打って直接使うこともできれば、依頼内容が説明文と合ったときにClaudeが自動で使うこともあります。「毎回同じ指示を貼り付けている」と感じたら、その指示はスキルにする価値があるでしょう。
Claude Code Skillsの作り方や基本的な使い方については、以下の記事で詳しく解説しています。
プラグインはスキルやフックをまとめて配る仕組み
プラグインは、スキル・サブエージェント・フック・MCPサーバーなどを1つのフォルダにまとめ、一式まとめてインストールできるようにした配布単位です。Claude Codeでは.claude-plugin/plugin.jsonというマニフェストを置き、マーケットプレイスと呼ばれるカタログを通じて配ります。
導入は、/plugin marketplace addでカタログを登録し、/plugin installで入れるだけ。プラグインの公式ドキュメントによれば、Anthropic公式のマーケットプレイスは、ターミナルで初めて対話セッションを始めたときに自動で追加されます。
プラグインに含まれるスキルは/プラグイン名:スキル名の形で名前空間が分かれるため、手元のスキルと名前がぶつかる心配もありません。複数の道具をチームに配ったり、作者の更新をそのまま受け取ったりしたい場合に向いた形式といえるでしょう。
Claude Codeに自分専用の機能を足せる「mods」という仕組みも登場しています。プラグインとあわせて押さえたい方は、以下の記事をご覧ください。
Claude CodeとCodexで同じ形式のスキルが動く
スキルの書き方は、Claude CodeとCodexの間で大きく変わりません。Claude Codeのスキルはオープンな「Agent Skills」の形式に沿っており、Codexも同じくSKILL.mdの冒頭に名前と説明を書く作りです。細かな違いとして、Codexではnameとdescriptionが必須なのに対し、Claude Codeではdescriptionだけが推奨項目という扱い。
OpenAIのドキュメントによると、Codexではリポジトリ内なら.agents/skills、ユーザー全体なら$HOME/.agents/skillsにスキルを置き、/skillsコマンドか$の入力で呼び出します。最初に読み込むスキル一覧は、標準でコンテキストの2%までに抑える設計です。
プラグインについても、Codexのプラグイン解説ではスキル・MCPサーバー・フックなどを束ねられると説明されています。Codex CLIにはプラグインブラウザがある一方、IDE拡張はプラグインに対応していない点には注意してください。
Claude CodeとCodexのどちらを主に使うか迷っている方は、以下の比較記事も参考にしてください。
pstackはトップエンジニアの作業手順を丸ごと入れるプラグイン
pstackは、CursorのエンジニアであるLauren Tan（poteto）氏が、日々の開発で使っているスキルをまとめて公開したプラグインです。MetaやNetflix、Cursorで膨大なコードに触れてきた同氏は、Reactのコアチームの一員でもあります。本家のREADMEでは「速く進みたいなら、まず深く進め」という考え方が掲げられていました。
2026年10月時点のバージョン0.15.29には、56個のスキルと2個のサブエージェントが入っています。中心となる/poteto-modeは、依頼内容を23種類のプレイブックに振り分け、バグ修正なら再現・根本原因の特定・検証までを順番に進めてくれる仕組みです。
Claude Codeでは/pstack:poteto-modeという名前で呼び出す点に注意しましょう。本家の手順はCursorとClaude Code向けのため、Codexで使う場合はopen-pstackやpstack-claudeといったコミュニティ版を利用する形になります。
imozuruは原文までたどる調べもの専用スキル
imozuruは、知らない分野について、検索上位の要約で済ませずに原文にたどりつくまで芋づる式に調べるClaude Codeのスキルです。GitHubのREADMEによると、Batesのberrypickingや、Ellis・Kuhlthauの情報探索の研究といった図書館情報学の考え方を応用しています。
使い方は「芋づる式に調べて：〇〇」と頼むだけ。まず分野の用語・中心人物・知見が集まる場を地図にまとめ、引用やリンク、著者をたどって原文を~/research/<話題>/に保存していく流れです。
最大の特徴は、集めた原文を要約せず、主張ごとに「どのファイルの何行目か」を示すところで止める設計にあります。最後に作る抜き書きのページでは、引用が原文どおりかを機械で照合する仕組みも備わっていました。スクリプトはPython 3.10以上の標準ライブラリだけで動き、引用の追跡にはAPIキー不要のOpenAlexを使います。
graphifyはプロジェクト全体を知識グラフにするスキル
graphifyは、/graphifyと打つだけでプロジェクト全体を知識グラフに変換し、AIがファイルを1つずつ探す代わりにグラフへ問い合わせられるようにするスキルです。公式のREADMEによると、コードはtree-sitterの構文解析で処理されるため、LLMを使わずローカルで完結します。
出力されるのは、ブラウザで見られるgraph.html、要点をまとめたGRAPH_REPORT.md、グラフ本体のgraph.jsonの3ファイル。つながりにはソースに明記されたEXTRACTEDと、推定によるINFERREDのタグが付くため、どこまでが確かな情報なのかを見分けられます。
ドキュメントやPDF、画像も同じグラフに取り込めますが、こちらは使っているAIのモデルで意味を解析する仕組みです。Claude Code・Codex・Cursor・Gemini CLIなど20種類以上のアシスタントに対応しており、PyPIのパッケージ名がgraphifyy（yが2つ）である点も覚えておきましょう。
入れすぎると毎ターンのコンテキストを消費する
便利なスキル／プラグインですが、入れれば入れるほど良いわけではありません。Claude Codeの公式ドキュメントでは、有効なプラグインに含まれるスキルやエージェントの名前と説明は、使っていないセッションでも毎ターンのコンテキストに入ると明記されています。
実際にclaude plugin detailsコマンドで確認したところ、pstackは常時およそ4,634トークン、imozuruは常時およそ613トークンを使う見積もりでした。1つずつなら小さな数字でも、複数のプラグインを重ねると積み上がっていきます。
/pluginの画面やCLIでは、プラグインを消さずに無効化することも可能です。使う場面が限られるものは無効にしておき、本当に必要なものだけを有効にしておく運用がよいでしょう。
Claude Code・Codexのスキル／プラグインでXが盛り上がっている話題
2026年10月中旬のXでは、スキル／プラグインに関するポストが次々に拡散されており、中にはブックマーク数が数千件に達するものもありました。ここからは一般ユーザーの声を中心に、とりわけ反響の大きかった話題を紹介します。
pstack本家のClaude Code対応に「最強のプラグイン」の声
もっとも大きな反響を呼んだのが、pstack本家のClaude Code対応です。pstackを解説するZenn本も書いている上記の方のポストは、2,100件を超えるいいねと3,000件以上のブックマークを集めました。
上記ポストは、「バグは再現してから直す」「性能改善は計測してから」といったpstackの原則を挙げ、AI以前から受け継がれてきたソフトウェアエンジニアリングの粋が詰まっていると評価しています。
上記のポストでは、Claude Codeにpstackを入れて/create-verification-skillを試し、「めっちゃべんり」と投稿していました。アプリの動作を確かめる手順そのものをスキルとして生成できる点が、実務で刺さっているようです。
imozuruはAI検索より強いと評判に
調べもの用のimozuruも、大きな注目を集めています。こちらのポストでは、imozuruとClaude CodeのOpusの組み合わせを「ガチで強い」と紹介し、動画サイトでのワークフロー探しにも役立っていると語られていました。
公開を告知したポストは8,000件を超えるいいねを獲得しており、情報探索の研究をそのままLLMにやらせるという発想が多くの方に響いたことがうかがえるでしょう。
2026年10月20日には、Claude CodeだけでなくチャットのClaudeでもプラグインとして入れられるようになったと告知されています。ポストによれば、プラグインはPro・Max・Team・Enterpriseのプランで使えるとのことです。
graphifyが「全員保存して」と拡散
graphifyについては、「Claude Code / Codex使ってる人、今すぐ全員これ保存して」という紹介ポストが1,600件以上のいいねを集めました。プロジェクト全体をつながりの地図にして、AIがファイルを読み回る代わりに地図をたどれるようにする点が評価されています。
海外発のツールですが、日本語圏でも「保存して試してみます」といった反応も見られました。コードベースの理解を速めたい開発者にとって、見逃せないツールといえそうです。
mattpocock/skillsなど小さく組み合わせられるスキル集も人気
GitHubで急上昇したAIリポジトリを紹介するこちらのポストでは、Matt Pocock氏のスキル集が1位に挙げられていました。実際に使っている手順をそのまま公開しており、自分のAIに同じ動きを仕込めると紹介されています。
こちらのポストでは、過去のセッション履歴を振り返る/retroスキルが取り上げられていました。pstackのような大きな一式ではなく、必要な部品だけを取り込みたいという声もあり、自分の開発スタイルに合わせて選び分ける流れが生まれています。
【実践】Claude Code・Codexに入れるべきスキル／プラグインを実際に使って検証してみた！
ここからは、話題のpstack・graphify・imozuruを実際に動かし、入れる前と後で何が変わるのかを確かめていきましょう。
pstackの/poteto-modeに1円ずれるバグを直させてみた
まずは、pstackの看板である/poteto-modeから試してみましょう。題材は、ECサイトの金額計算を想定した小さなPythonプロジェクトです。割引後の金額をround()で丸めているため、0.5円ちょうどのときに偶数側へ丸められ、税込み金額が1円ずれるバグを仕込みました。
プラグインのインストールは、以下のコマンドで完了します。今回はCLIから実行しましたが、Claude Codeの画面で/plugin marketplace add cursor/pluginsのように打っても同じです。
claude plugin marketplace add cursor/plugins
claude plugin install pstack@cursor-plugins
続いて、問い合わせ内容を書いたISSUE.mdを置き、Claude Codeの対話モードで/poteto-modeに修正を依頼しました。
プロンプトはこちら
/pstack:poteto-mode ISSUE.md の問い合わせにあるバグを直してください。# 問い合わせ
125円の商品を1つ、10%引きクーポンで買ったら税込み123円と表示されました。
レジの計算だと「125円×0.9=112.5円→四捨五入で113円、税込み124円」のはずです。1円合わないので直してください。
pstackありの出力結果はこちら
原因の特定だけなら素のClaude Codeでも可能ですが、pstackは失敗テストの先行コミットや総当たりでの影響確認までこなしました。直った証拠が残る点は、レビューで大きな武器になるでしょう。
graphifyでFlaskのコードベースを知識グラフにして質問してみた
次は、PythonのWebフレームワークであるFlaskのリポジトリにgraphifyを入れ、知識グラフを作ってからClaude Codeに質問してみます。インストールとグラフの構築は、以下の流れで行いました。
uv tool install graphifyy
graphify install --project
graphify update .graphify install --projectを実行すると、スキルとあわせて、検索や読み込みの前にグラフを確認するフックも登録される仕組みです。グラフは、コード部分を構築するgraphify update .で作成しています。
101ファイルの解析は約2.5秒で完了し、2,171個のノードと3,576本のつながりを持つグラフができました。LLMは使っていません。
graph.htmlを開くと、クラスや関数がコミュニティごとに色分けされ、つながりの集まり方がひと目で分かります。
graphify explainでは、Flaskクラスにつながる83本の関係が、ファイル名と行番号つきで一覧になりました。
続いて、graphifyなし・ありで同じ質問をClaude Codeに投げて比べています。質問は「リクエストが届いてからレスポンスが返るまでの流れ」と、「Blueprintに登録したbefore_requestがどのメソッドを経由して実行されるか」の2つです。
| 質問 | 条件 | 平均ターン数 | 平均時間 | 平均費用（API換算） |
|---|---|---|---|---|
| リクエスト処理の流れ（5回） | graphifyなし | 6.0 | 約25.0秒 | 約0.113ドル |
| リクエスト処理の流れ（5回） | graphifyあり | 7.4 | 約28.1秒 | 約0.138ドル |
| before_requestの経路（3回） | graphifyなし | 15.7 | 約42.0秒 | 約0.190ドル |
| before_requestの経路（3回） | graphifyあり | 7.7 | 約33.4秒 | 約0.172ドル |
処理を順に追う単純な質問では、グラフを引く分だけかえって手数が増えました。一方、登録時と実行時をまたいで経路をたどる質問では、ターン数が約半分、時間も約2割短縮。ファイルをまたぐ調査ほど効くツールといえるでしょう。
imozuruの原文照合と本番の調べものを試してみた
最後は、imozuruの心臓部ともいえる抜き書きの照合機能と、実際の調べものを試します。
1語の言い換えを見逃すのか確かめる
imozuruは調べものの最後に、主張ごとの引用を並べたページをreport.pyで作る流れです。このとき、引用が原文の指定の行にそのまま存在するかを機械で確かめています。まずは同梱のサンプルをそのまま処理し、続けて英語の引用文に「far」を1語だけ足して再実行してみました。
1回目は照合OK、2回目は「原文に見つからない抜き書きがある」と表示され、ページを作らずに終了コード1で停止。たった1語の言い換えも見逃しませんでした。
照合を通ったページには、主張ごとに原文の引用と行番号が並び、「前後を読む」から原文の前後も確認できます。
本番の調べものを任せる
続いて、imozuruをClaude Codeにプラグインとして入れ、次のように依頼しました。
芋づる式に調べて: Claude Codeのスキルで使われる「段階的な読み込み（progressive disclosure）」という考え方は、もともとどこから来たのか
| 項目 | 結果 |
|---|---|
| 探索の進め方 | 探し方を変えた検索役を2本ずつ、計4本起動 |
| 調査の周回 | 2周で停止 |
| 主張への原文の紐付け | 6個中5個に原文の場所が付いた（残り1個は一部のみ） |
| たどりついた原典 | 1982年のXerox Starの論文（AFIPS・Byte誌）での用例 |
| 抜き書き | 18件すべてが原文と一致することをスクリプトで照合 |
| 届かなかった資料 | 有料の書籍に収録された1985年の文献、出版社のボット対策で読めなかった論文 |
| 所要時間 | 約7分24秒 |
ページの冒頭には問いと止めた理由が書かれ、主張ごとに原文の引用が訳つきで並びます。
検索役が「Xerox Starとの関係は見つからない」と報告しても鵜呑みにせず、1982年の原論文で用語を確かめた点は見事でした。届かなかった資料を正直に並べる姿勢も、調べもの用スキルとして信頼できるでしょう。
Claude Code・Codexに入れるべきスキル／プラグインが開発者に与える影響
ここまでの検証を踏まえると、スキル／プラグインは単なる便利機能ではなく、開発者の働き方そのものを変える存在になりつつあります。
腕の立つ開発者の手順や、調査・コード理解の道具をコマンド1つで取り込めるようになったことで、AIに「何をさせるか」だけでなく「どう進めさせるか」まで設計できる時代に入りました。ツールごとに、開発者にどのような影響を与えるのかを整理しておきましょう。
| 観点 | pstackがもたらす影響 |
|---|---|
| 品質の担保 | 再現テスト・根本原因の特定・検証を毎回の手順に組み込める |
| レビューのしやすさ | 失敗テストと修正を分けてコミットし、直った証拠を残せる |
| 並列化 | 手順を信頼できる分、複数のエージェントに仕事を任せやすくなる |
| コスト | 進め方が丁寧な分、時間と費用は素の状態より増えやすい |
| 観点 | imozuruがもたらす影響 |
|---|---|
| 学習の速さ | 知らない分野の用語・人物・情報源を短時間で地図にできる |
| 情報の信頼性 | 引用を機械で照合するため、言い換えや捏造を防ぎやすい |
| 判断の主体 | 要約せず原文の場所を示すため、最終判断を開発者自身が担う |
| 注意点 | 問いの内容が検索語として外部に送られるため、機密情報には使えない |
| 観点 | graphifyがもたらす影響 |
|---|---|
| コード理解 | クラスや関数のつながりをグラフで俯瞰でき、全体像をつかみやすい |
| エージェントの効率 | ファイルをまたいで関係をたどる調査で、ターン数と時間を抑えやすい |
| 情報の安全性 | コードの解析はローカルで完結し、外部にソースを送らずに済む |
| 注意点 | 単純な質問ではかえって手数が増えることがあり、ドキュメントや画像の変更は/graphify –updateでの更新が必要 |
3つのツールに共通しているのは、AIの出力をそのまま信じるのではなく、テスト・原文・グラフといった「確かめられる根拠」を残す方向に進化している点です。
一方で、入れたプラグインは常にコンテキストを消費し、丁寧な手順ほど時間と費用もかかります。まずは自分の課題に合うものを1つ選んで試し、効果を実感できたものだけを残していくのが、失敗しない導入の進め方といえるでしょう。
生成AIのご相談はWEELへ！
Claude Code・Codexのスキル／プラグインは、開発者の手順や新しい道具を、コマンド1つでAIエージェントに覚えさせられる仕組みです。厳密な手順を徹底するpstack、原文までたどるimozuru、コードを知識グラフにするgraphifyと、得意分野は異なります。
ただし、入れすぎればコンテキストを圧迫し、丁寧な手順ほど時間と費用もかかります。自社の開発フローに合う選び方こそが、生成AIを活用した開発の成果を左右するでしょう。まずは気になるものを1つ入れて試してみてください。
「生成AIで新しいプロダクトを作りたい」「もっと本格的に生成AIを業務に組み込みたい」とお考えの方は、ぜひ株式会社WEELにご相談ください。
開発実績として、
・新規事業室での「リサーチ」「分析」「事業計画検討」を70％自動化するAIエージェント
・社内お問い合わせの1次回答を自動化するRAG型のチャットボット
・過去事例や最新情報を加味して、10秒で記事のたたき台を作成できるAIプロダクト
・お客様からのメール対応の工数を80％削減したAIメール
・サーバーやAI PCを活用したオンプレでの生成AI活用
・生徒の感情や学習状況を踏まえ、勉強をアシストするAIアシスタント
などの開発実績がございます。
生成AIを活用したプロダクト開発の支援内容は、以下のページでも詳しくご覧いただけます。
➡︎株式会社WEELのサービスを詳しく見る。
アイデア段階でも構いません。まずは無料相談でお気軽にご相談ください。
➡︎生成AIを活用したプロダクト開発・業務効率化について相談する
「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。
セミナー内容や料金については、ご相談ください。
また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。
よくある質問
