⬡ API & SDK/2026-04-04上級

Claude API × GitHub Actions：コードレビュー・テスト生成・ドキュメント自動化の本番CI/CDパイプライン設計ガイド

GitHub Actions に Claude API を組み込み、コードレビュー・テスト自動生成・PR要約・ドキュメント自動生成を実現する本番CI/CDパイプラインの完全設計ガイド。コスト最適化・セキュリティ・レート制限対策まで網羅。

github-actions⁴cicdapi³⁹ automation⁵⁵ code-review⁵devopsproduction⁸⁷

✦ プレミアム記事

なぜ CI/CD に Claude API を統合するのか

コードのプッシュからデプロイまでの自動化が当たり前になった現代の開発現場において、AI が「コードを書く」だけでなく「コードの品質を保証する」役割を担い始めています。

GitHub Actions と Claude API を組み合わせることで、これまで人手に依存していた以下のプロセスを自動化できます。

コードレビュー: PR 作成時に差分を Claude が解析し、バグ・セキュリティリスク・コードスメルを指摘
テスト自動生成: 新しい関数やモジュールに対してユニットテストを自動生成
ドキュメント更新: コード変更に追随して README・API ドキュメントを自動更新
PR サマリー: 変更内容を自然言語で要約し、レビュワーの負担を軽減
リリースノート生成: マージされたコミットをまとめてリリースノートを自動生成

ここではこれらすべてを本番環境で安定稼働させるための設計パターンと実装コードを体系的に解説します。読み終えれば、翌日から自分のリポジトリに導入できる状態になるでしょう。

前提知識・環境準備

必要な知識

GitHub Actions の基本（ワークフロー YAML の読み書き）
Python または Node.js の基礎
Claude API の基本的な使い方（Claude API 初めての呼び出しガイドを参照）

必要な環境

GitHub リポジトリ（無料プランでも可）
Anthropic API キー（API キー取得手順を参照）
GitHub Secrets への API キー登録

GitHub Secrets への登録手順

まず、Anthropic の API キーを GitHub Secrets に安全に登録します。

1. リポジトリ → Settings → Secrets and variables → Actions
2. "New repository secret" をクリック
3. Name: ANTHROPIC_API_KEY
4. Secret: your_actual_api_key_here（※本番では実際のキーを入力）
5. "Add secret" をクリック

⚠️ 重要: API キーをワークフロー YAML に直接書かないこと。必ず ${{ secrets.ANTHROPIC_API_KEY }} で参照します。

✦

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること

✦GitHub Actionsワークフロー内でClaude APIを安全・低コストに呼び出す本番実装パターンが身につく

✦コードレビュー・テスト生成・ドキュメント自動化の3大ユースケースをすぐに導入できる完全なYAMLテンプレートが入手できる

✦レート制限・コスト暴走・シークレット管理など本番運用でハマりやすい落とし穴と対処法を学べる

Stripe による安全な決済 · いつでもキャンセル可能

✦

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または

メンバーシップなら全記事が読み放題 →

アーキテクチャ設計：4 つの原則

本番 CI/CD パイプラインに Claude API を組み込む際、以下の 4 原則を守ることで安定・低コストな運用が実現します。

原則 1: 差分のみを Claude に渡す

PR の変更差分（git diff）だけを Claude に送ることで、トークン消費を最小化します。リポジトリ全体を送ると費用が爆発します。

原則 2: キャッシュを積極活用する

変更のないファイルの解析は、Anthropic の Prompt Caching を活用してコストを削減します。共通のシステムプロンプトをキャッシュするだけで 70-90% のコスト削減が可能です。

原則 3: 非同期・並列処理で速度を稼ぐ

ファイルごとの解析を並列実行することで、大きな PR でも許容範囲内の待ち時間に抑えられます。

原則 4: 失敗をグレースフルに扱う

Claude API の呼び出しが失敗してもビルドを止めない設計にします。AI レビューはオプション機能であり、コアのビルド・テストとは疎結合にします。

ユースケース 1：自動コードレビュー

ワークフロー定義（YAML）

# .github/workflows/ai-code-review.yml
name: AI Code Review
 
on:
  pull_request:
    types: [opened, synchronize]
    # 差分が大きすぎるPRはスキップ（コスト対策）
    paths-ignore:
      - '*.lock'
      - '*.json'
      - 'dist/**'
 
jobs:
  ai-review:
    runs-on: ubuntu-latest
    # 同じPRで重複実行を防ぐ（コスト対策）
    concurrency:
      group: ai-review-${{ github.event.pull_request.number }}
      cancel-in-progress: true
 
    permissions:
      pull-requests: write   # PRにコメントするため
      contents: read
 
    steps:
      - name: Checkout
        uses: actions/checkout@v4
        with:
          fetch-depth: 0     # 差分取得に必要
 
      - name: Setup Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.12'
          cache: 'pip'
 
      - name: Install dependencies
        run: pip install anthropic PyGithub
 
      - name: Run AI Code Review
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
          PR_NUMBER: ${{ github.event.pull_request.number }}
          BASE_SHA: ${{ github.event.pull_request.base.sha }}
          HEAD_SHA: ${{ github.event.pull_request.head.sha }}
        run: python .github/scripts/ai_code_review.py
        # Claudeの呼び出しが失敗してもビルドを止めない
        continue-on-error: true

Python スクリプト（本体）

# .github/scripts/ai_code_review.py
import os
import subprocess
import anthropic
from github import Github
 
# 環境変数から設定を取得
ANTHROPIC_API_KEY = os.environ["ANTHROPIC_API_KEY"]
GITHUB_TOKEN = os.environ["GITHUB_TOKEN"]
REPO_NAME = os.environ["GITHUB_REPOSITORY"]
PR_NUMBER = int(os.environ["PR_NUMBER"])
BASE_SHA = os.environ["BASE_SHA"]
HEAD_SHA = os.environ["HEAD_SHA"]
 
# 差分の最大サイズ（トークン節約のため）
MAX_DIFF_CHARS = 20000
 
def get_diff() -> str:
    """git diff でPRの変更差分を取得"""
    result = subprocess.run(
        ["git", "diff", f"{BASE_SHA}...{HEAD_SHA}",
         "--", "*.py", "*.ts", "*.tsx", "*.js", "*.jsx",
         "*.go", "*.rs", "*.java", "*.swift"],
        capture_output=True, text=True
    )
    diff = result.stdout
    if len(diff) > MAX_DIFF_CHARS:
        # 差分が大きすぎる場合は先頭だけ送る
        diff = diff[:MAX_DIFF_CHARS] + "\n\n[差分が大きすぎるため省略されました]"
    return diff
 
def review_with_claude(diff: str) -> str:
    """Claude APIでコードレビューを実行"""
    client = anthropic.Anthropic(api_key=ANTHROPIC_API_KEY)
 
    # システムプロンプトはキャッシュ対象（コスト最適化）
    system_prompt = """あなたはシニアエンジニアとしてコードレビューを行います。
以下の観点でレビューしてください：
 
1. **バグ・ロジックエラー**: null参照、境界値、競合状態など
2. **セキュリティリスク**: インジェクション、認証不備、シークレットの露出など
3. **パフォーマンス**: 不要なループ、N+1クエリ、メモリリークなど
4. **コードの可読性**: 変数名、関数の長さ、複雑度など
5. **ベストプラクティス**: エラーハンドリング、テスタビリティなど
 
重大な問題がない場合は「問題なし」と明記してください。
コメントはMarkdownで記述し、簡潔に絞ってください（5つ以内）。"""
 
    response = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=2000,
        system=[
            {
                "type": "text",
                "text": system_prompt,
                # キャッシュを有効化（同じシステムプロンプトの再利用でコスト削減）
                "cache_control": {"type": "ephemeral"}
            }
        ],
        messages=[
            {
                "role": "user",
                "content": f"以下のコード差分をレビューしてください：\n\n```diff\n{diff}\n```"
            }
        ]
    )
 
    return response.content[0].text
 
def post_comment(review: str):
    """GitHubのPRにコメントを投稿"""
    gh = Github(GITHUB_TOKEN)
    repo = gh.get_repo(REPO_NAME)
    pr = repo.get_pull(PR_NUMBER)
 
    # 既存のAIレビューコメントを削除（重複防止）
    for comment in pr.get_issue_comments():
        if comment.body.startswith("## 🤖 AI コードレビュー"):
            comment.delete()
 
    pr.create_issue_comment(f"## 🤖 AI コードレビュー\n\n{review}\n\n---\n*このレビューは Claude API によって自動生成されました。*")
 
def main():
    diff = get_diff()
    if not diff.strip():
        print("差分なし。レビューをスキップします。")
        return
 
    print(f"差分サイズ: {len(diff)} 文字")
    review = review_with_claude(diff)
    post_comment(review)
    print("✅ レビューコメントを投稿しました")
 
if __name__ == "__main__":
    main()

このスクリプトにより、PR を開くたびに Claude がコードを解析し、バグ・セキュリティリスク・改善点を自動でコメントします。

ユースケース 2：ユニットテスト自動生成

新しいファイルや関数が追加されたとき、Claude がテストコードを自動生成するワークフローです。

ワークフロー定義

# .github/workflows/ai-test-generation.yml
name: AI Test Generation
 
on:
  pull_request:
    types: [opened, synchronize]
    paths:
      - 'src/**/*.py'    # Pythonファイルが変更されたときだけ実行
      - 'src/**/*.ts'
 
jobs:
  generate-tests:
    runs-on: ubuntu-latest
    permissions:
      contents: write       # テストファイルをコミットするため
      pull-requests: write
 
    steps:
      - uses: actions/checkout@v4
        with:
          token: ${{ secrets.GITHUB_TOKEN }}
          ref: ${{ github.head_ref }}
          fetch-depth: 0
 
      - uses: actions/setup-python@v5
        with:
          python-version: '3.12'
 
      - run: pip install anthropic
 
      - name: Generate Tests
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
          BASE_SHA: ${{ github.event.pull_request.base.sha }}
        run: python .github/scripts/generate_tests.py
        continue-on-error: true
 
      - name: Commit generated tests
        run: |
          git config user.name "github-actions[bot]"
          git config user.email "github-actions[bot]@users.noreply.github.com"
          git add tests/
          git diff --staged --quiet || git commit -m "test: AI が自動生成したユニットテストを追加 [skip ci]"
          git push

テスト生成スクリプト

# .github/scripts/generate_tests.py
import os
import subprocess
import anthropic
from pathlib import Path
 
client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
BASE_SHA = os.environ.get("BASE_SHA", "HEAD~1")
 
def get_new_python_files() -> list[str]:
    """新規追加されたPythonファイルを取得"""
    result = subprocess.run(
        ["git", "diff", "--name-only", "--diff-filter=A", f"{BASE_SHA}...HEAD"],
        capture_output=True, text=True
    )
    return [f for f in result.stdout.strip().split("\n")
            if f.endswith(".py") and f.startswith("src/") and f]
 
def generate_test(source_file: str) -> str | None:
    """Claudeにテストコードを生成させる"""
    source_code = Path(source_file).read_text()
    if len(source_code) > 10000:
        return None  # 大きすぎるファイルはスキップ
 
    response = client.messages.create(
        model="claude-haiku-4-5-20251001",  # 高速・低コストモデルを使用
        max_tokens=3000,
        system="""あなたはPythonのテスト専門家です。
提供されたソースコードに対してpytestのユニットテストを生成してください。
- 各関数の正常系・異常系をカバー
- モックが必要な場合は unittest.mock を使用
- テストは独立して実行可能にする
- docstringで各テストの意図を説明
コードのみを出力し、説明は不要です。""",
        messages=[
            {"role": "user", "content": f"以下のコードのテストを生成してください：\n\n```python\n{source_code}\n```"}
        ]
    )
 
    test_code = response.content[0].text
    # マークダウンのコードブロックを除去
    if "```python" in test_code:
        test_code = test_code.split("```python")[1].split("```")[0].strip()
    return test_code
 
def main():
    new_files = get_new_python_files()
    if not new_files:
        print("新規ファイルなし。スキップします。")
        return
 
    Path("tests").mkdir(exist_ok=True)
 
    for source_file in new_files:
        print(f"テスト生成中: {source_file}")
        test_code = generate_test(source_file)
        if not test_code:
            continue
 
        # src/module/utils.py → tests/test_module_utils.py
        test_name = "test_" + source_file.replace("src/", "").replace("/", "_")
        test_path = Path("tests") / test_name
        test_path.write_text(test_code)
        print(f"✅ 生成完了: {test_path}")
 
if __name__ == "__main__":
    main()

ポイント: テスト生成には高速・低コストな claude-haiku-4-5-20251001 を使用します。コードレビューのような高精度が必要なタスクには claude-sonnet-4-6 を、シンプルな自動生成には Haiku を使い分けるのが本番での鉄則です。

ユースケース 3：PR サマリー自動生成

PR の変更内容を自然言語で要約し、レビュワーの理解を助けるコメントを自動投稿します。

# .github/workflows/ai-pr-summary.yml
name: AI PR Summary
 
on:
  pull_request:
    types: [opened]   # PR作成時のみ（同期時は不要）
 
jobs:
  summarize:
    runs-on: ubuntu-latest
    permissions:
      pull-requests: write
      contents: read
 
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0
 
      - uses: actions/setup-python@v5
        with:
          python-version: '3.12'
 
      - run: pip install anthropic PyGithub
 
      - name: Generate PR Summary
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
          PR_NUMBER: ${{ github.event.pull_request.number }}
          PR_TITLE: ${{ github.event.pull_request.title }}
          BASE_SHA: ${{ github.event.pull_request.base.sha }}
          HEAD_SHA: ${{ github.event.pull_request.head.sha }}
        run: |
          python - <<'EOF'
          import os, subprocess, anthropic
          from github import Github
 
          client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
          gh = Github(os.environ["GITHUB_TOKEN"])
          repo = gh.get_repo(os.environ["GITHUB_REPOSITORY"])
          pr = repo.get_pull(int(os.environ["PR_NUMBER"]))
 
          # コミットメッセージを収集
          commits = [c.commit.message for c in pr.get_commits()]
          diff = subprocess.run(
              ["git", "diff", "--stat", f"{os.environ['BASE_SHA']}...{os.environ['HEAD_SHA']}"],
              capture_output=True, text=True
          ).stdout[:3000]
 
          response = client.messages.create(
              model="claude-haiku-4-5-20251001",
              max_tokens=1500,
              messages=[{
                  "role": "user",
                  "content": f"""以下のPR情報から、レビュワー向けの日本語サマリーを作成してください。
 
  **PR タイトル**: {os.environ['PR_TITLE']}
 
  **コミット一覧**:
  {chr(10).join(f'- {m}' for m in commits[:10])}
 
  **変更ファイル統計**:
  {diff}
 
  サマリーには以下を含めてください：
  1. 変更の目的（1〜2文）
  2. 主な変更内容（箇条書き3〜5点）
  3. テスト方法の提案
  4. レビュワーが特に注意すべき点"""
              }]
          )
 
          summary = response.content[0].text
          pr.create_issue_comment(f"## 📋 AI PR サマリー\n\n{summary}\n\n---\n*Claude API が自動生成しました*")
          print("✅ PRサマリーを投稿しました")
          EOF
        continue-on-error: true

ユースケース 4：リリースノート自動生成

タグをプッシュしたときに、前回のタグからの変更を Claude がまとめてリリースノートを自動生成します。

# .github/workflows/ai-release-notes.yml
name: AI Release Notes
 
on:
  push:
    tags:
      - 'v*'
 
jobs:
  release-notes:
    runs-on: ubuntu-latest
    permissions:
      contents: write   # GitHub Releasesを作成するため
 
    steps:
      - uses: actions/checkout@v4
        with:
          fetch-depth: 0
 
      - uses: actions/setup-python@v5
        with:
          python-version: '3.12'
 
      - run: pip install anthropic PyGithub
 
      - name: Generate Release Notes
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
          TAG_NAME: ${{ github.ref_name }}
        run: |
          python - <<'EOF'
          import os, subprocess, anthropic
          from github import Github
 
          client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
          gh = Github(os.environ["GITHUB_TOKEN"])
          repo = gh.get_repo(os.environ["GITHUB_REPOSITORY"])
          tag = os.environ["TAG_NAME"]
 
          # 前回のタグを取得
          tags = list(repo.get_tags())
          prev_tag = tags[1].name if len(tags) > 1 else ""
 
          # コミット一覧を取得
          if prev_tag:
              commits_output = subprocess.run(
                  ["git", "log", f"{prev_tag}..{tag}", "--pretty=format:%s"],
                  capture_output=True, text=True
              ).stdout
          else:
              commits_output = subprocess.run(
                  ["git", "log", tag, "--pretty=format:%s", "-50"],
                  capture_output=True, text=True
              ).stdout
 
          response = client.messages.create(
              model="claude-sonnet-4-6",
              max_tokens=2000,
              messages=[{
                  "role": "user",
                  "content": f"""以下のコミット一覧からリリースノートを生成してください。
 
  **バージョン**: {tag}
  **前バージョン**: {prev_tag or '初回リリース'}
 
  **コミット一覧**:
  {commits_output[:5000]}
 
  以下の形式でMarkdownを生成してください：
  - ## 🚀 新機能（New Features）
  - ## 🐛 バグ修正（Bug Fixes）
  - ## ⚡ 改善（Improvements）
  - ## 🔧 内部変更（Internal）
  - ## ⚠️ 破壊的変更（Breaking Changes）（あれば）
 
  関係のないカテゴリは省略してください。"""
              }]
          )
 
          notes = response.content[0].text
 
          # GitHub Releaseを作成
          repo.create_git_release(
              tag=tag,
              name=f"Release {tag}",
              message=notes,
              draft=False,
              prerelease="rc" in tag or "beta" in tag or "alpha" in tag
          )
          print(f"✅ リリース {tag} を作成しました")
          EOF

本番運用のベストプラクティス

コスト管理：月額を予測・制御する

Claude API のコストは利用量に比例します。CI/CD に組み込む際は、以下のコスト制御を必ず実装してください。

大きなPRはスキップ: git diff --stat で変更行数が 1,000 行超の場合はスキップ
モデルを使い分ける: レビューに Sonnet、サマリー・テスト生成に Haiku
プロンプトキャッシュ: システムプロンプトに cache_control を設定（詳細はプロンプトキャッシュ活用ガイドを参照）
concurrency設定: 同じPRで重複実行しないよう concurrency を設定

月間コストの目安（1日20PR、Sonnet使用）:

1PR あたり平均 3,000 トークン入力 + 1,000 トークン出力
月間: 約 60,000 入力トークン + 20,000 出力トークン
推定費用: 約 $0.5〜$1.0 /月（非常に低コスト）

セキュリティ：シークレット管理の徹底

# ❌ 絶対にやってはいけないこと
env:
  API_KEY: "sk-ant-..."  # ハードコードは厳禁
 
# ✅ 正しい方法
env:
  ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}

また、Claude API プロダクションセキュリティ完全ガイドで解説しているプロンプトインジェクション対策も CI/CD 環境では重要です。PR のタイトルやコミットメッセージに悪意あるプロンプトが含まれる可能性があるため、ユーザー入力を直接プロンプトに展開しないよう注意してください。

レート制限対策：リトライと指数バックオフ

import time
import anthropic
from anthropic import RateLimitError, APIStatusError
 
def call_claude_with_retry(client, **kwargs, max_retries=3):
    """指数バックオフ付きリトライ"""
    for attempt in range(max_retries):
        try:
            return client.messages.create(**kwargs)
        except RateLimitError as e:
            if attempt == max_retries - 1:
                raise
            wait_time = 2 ** attempt  # 1秒 → 2秒 → 4秒
            print(f"レート制限に達しました。{wait_time}秒後にリトライします（{attempt+1}/{max_retries}）")
            time.sleep(wait_time)
        except APIStatusError as e:
            if e.status_code >= 500:
                # サーバーエラーはリトライ
                if attempt == max_retries - 1:
                    raise
                time.sleep(2 ** attempt)
            else:
                raise  # クライアントエラーはリトライしない

タイムアウト設定：ビルドを長時間ブロックしない

jobs:
  ai-review:
    runs-on: ubuntu-latest
    timeout-minutes: 5   # 最大5分でタイムアウト
    steps:
      - name: Run AI Code Review
        timeout-minutes: 3   # ステップ単位でも設定
        continue-on-error: true  # タイムアウトしてもビルドは続ける

応用：モノレポへの対応

複数のサービスを含むモノレポでは、変更されたサービスに絞ってレビューを実行する設計が重要です。

def get_changed_services(base_sha: str, head_sha: str) -> list[str]:
    """変更されたサービス（ディレクトリ）を特定"""
    result = subprocess.run(
        ["git", "diff", "--name-only", f"{base_sha}...{head_sha}"],
        capture_output=True, text=True
    )
    changed_files = result.stdout.strip().split("\n")
 
    # サービスディレクトリを抽出（例: services/user-service/...）
    services = set()
    for f in changed_files:
        parts = f.split("/")
        if len(parts) >= 2 and parts[0] == "services":
            services.add(parts[1])
    return list(services)
 
def review_service(service: str, diff: str) -> str:
    """サービスごとに特化したシステムプロンプトでレビュー"""
    service_context = {
        "user-service": "このサービスはユーザー認証を担当します。セキュリティに特に注意してください。",
        "payment-service": "このサービスは決済を担当します。データの整合性とエラーハンドリングを重視してください。",
    }.get(service, "")
 
    # サービス固有のコンテキストをプロンプトに追加
    return f"[{service}] {service_context}\n\n{diff}"

まとめ

要点をまとめると次の通りです。

コードレビュー: PR 差分を Claude に渡してバグ・セキュリティ・可読性を自動指摘
テスト自動生成: 新規ファイルに対して pytest テストを自動生成しコミット
PR サマリー: 変更内容を自然言語で要約してレビュワーの理解を支援
リリースノート: タグプッシュをトリガーに GitHub Release を自動作成
コスト管理: Haiku/Sonnet の使い分け・プロンプトキャッシュ・差分制限で月 $1 以下を実現
セキュリティ: Secrets 使用・プロンプトインジェクション対策・タイムアウト設定が必須

AI によるコードレビューはチームの生産性を底上げし、ヒューマンエラーを削減します。ただし、あくまでアシスタントとして位置づけ、最終判断は常に人間が行う設計を守る点が肝心です。

Tool Use や Streaming を活用したさらに高度な実装については、Tool Use 完全ガイドも合わせてご参照ください。

お読みいただきありがとうございます

Claude Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

✦コピー&ペーストで使える実装コード付き
✦毎日新しい上級ガイドを追加
✦¥580/月または ¥1,480 の永久アクセス

メンバーシップを見る →