はじめに：なぜ 165k 人以上の開発者が OpenCode を選んだのか？

2026 年、AI プログラミングツールは「コード補完の補助」から「開発タスクを自律的にこなす」レベルに進化しました。この分野で、OpenCode（github.com/sst/opencode）が驚異的なスピードで台頭しています。GitHub Star 数が 165,000 を突破し、現在もっとも人気のあるオープンソースのターミナル AI プログラミングエージェントになりました。

Claude Code や Cursor といったクローズドなツールとは異なり、OpenCode の核にある考え方は「モデルとツールを切り離す」ことです。GPT-4o、Claude、Qwen、DeepSeek、さらにはローカルの Ollama モデルまで、すべて一つのターミナルツールで自由に選べます。

この記事では、OpenCode をゼロからマスターする方法を紹介します。インストールから上級テクニックまで、これ一本でOKです。

1. OpenCode とは？

OpenCode は SST チームが開発したオープンソースの CLI プログラミングエージェントです。アーキテクチャは大きく2つの層に分かれています。

  • Harness（ツール層）：ファイルの読み書き、シェルコマンドの実行、テスト結果の収集など、環境操作を担当
  • Model（モデル層）：OpenAI 互換 API を通じて、任意の大規模言語モデルに接続

この切り離し設計によって、特定のベンダーにロックインされる心配がありません。今日は Claude、明日は GPT、明後日はローカルの Qwen へ。同じツールでシームレスに切り替えられます。

主な特徴まとめ

特徴 説明
🧠 マルチモデル対応 Claude、GPT-4o、Gemini、Qwen、DeepSeek、Ollama ローカルモデル
🖥️ ターミナルファースト 純粋な CLI ツール。IDE プラグイン不要
📦 ゼロ設定スタート インストールしてすぐ使える。デフォルト設定も充実
🔌 MCP 統合 MCP プロトコル対応。ツールチェーンを拡張可能
📋 プランニングモード エージェントの計画機能を内蔵。タスクを自律的に分解
🔓 フルオープンソース Apache 2.0 ライセンス

OpenCode vs 他のツール

ツール オープンソース マルチモデル ターミナルファースト GitHub Stars
OpenCode ✅ ✅ ✅ 165k+
OpenAI Codex CLI ✅ ⚠️ OpenAI 寄り ✅ 30k+
OpenHands ✅ ✅ ❌ GUI 寄り 40k+
Claude Code ❌ ❌ Claude のみ ✅ N/A
Aider ✅ ✅ ✅ 40k+

OpenCode の最大の強みは、モデルの柔軟性とターミナル体験の完美结合です。

2. クイックインストール

OpenCode はいくつかの方法でインストールできます。自分に合った方法を選びましょう。

方法 1：npm でインストール（推奨）

BASH 
npm install -g opencode-ai

方法 2：Homebrew（macOS/Linux）

BASH 
brew install opencode

方法 3：ワンラインインストールスクリプト

BASH 
curl -fsSL https://opencode.ai/install | bash

インストールの確認

BASH 
opencode --version

3. クイックスタート：初めて使ってみよう

3.1 API キーの設定

OpenCode を使うには、最低1つの AI モデルの API キーが必要です。一番簡単なのは環境変数を設定する方法です。

BASH 
# OpenAI を使う場合
export OPENAI_API_KEY="sk-your-key-here"

# Anthropic Claude を使う場合
export ANTHROPIC_API_KEY="sk-ant-your-key-here"

💡 ヒント：~/.opencode/config.json に設定を書き込んでおけば、ターミナルを開くたびに環境変数を設定する必要がなくなります。

3.2 プロジェクトで OpenCode を起動する

BASH 
# プロジェクトディレクトリに移動
cd ~/projects/my-app

# OpenCode を起動
opencode

OpenCode はプロジェクト構造を自動検出し、コンテキストをロードします。その後、会話が始まります。

$ opencode

🤖 OpenCode v1.x - AI Coding Agent

> src/auth.py のログインロジックをチェックして、セキュリティ問題がないか見て

3.3 最初のタスク例

OpenCode に具体的なタスクを依頼してみましょう。

> Python の FastAPI プロジェクトを作って。構造はこんな感じで：
> - main.py（アプリのエントリポイント）
> - routers/users.py（ユーザー関連のルーティング）
> - models/user.py（ユーザーモデル）
> - requirements.txt（依存関係）

OpenCode はプロジェクト構造の読み込み → ファイル作成 → コードの書き込みを順に実行し、各ステップで確認を取りながら進めてくれます。

4. 上級設定：モデルを切り替える

4.1 設定ファイル

~/.opencode/config.json を作成します。

JSON 
{
  "providers": {
    "openai": {
      "type": "openai",
      "apiKey": "sk-your-openai-key",
      "model": "gpt-4o"
    },
    "anthropic": {
      "type": "anthropic",
      "apiKey": "sk-ant-your-key",
      "model": "claude-sonnet-4-20250514"
    },
    "ollama": {
      "type": "openai",
      "baseUrl": "http://localhost:11434/v1",
      "model": "qwen2.5-coder:32b"
    }
  },
  "defaultProvider": "anthropic"
}

4.2 ランタイムでモデルを切り替える

OpenCode の対話中いつでもモデルを切り替えられます。

> /model openai
OpenAI GPT-4o に切り替えました

> /model ollama
ローカル Ollama モデルに切り替えました

4.3 DeepSeek を接続（日本の開発者にもおすすめ）

DeepSeek はコストパフォーマンスに優れた選択肢です。

JSON 
{
  "providers": {
    "deepseek": {
      "type": "openai",
      "baseUrl": "https://api.deepseek.com/v1",
      "apiKey": "your-deepseek-key",
      "model": "deepseek-coder"
    }
  }
}

SiliconFlow などの仲介プラットフォームを使う方法もあります。

JSON 
{
  "providers": {
    "siliconflow": {
      "type": "openai",
      "baseUrl": "https://api.siliconflow.cn/v1",
      "apiKey": "your-siliconflow-key",
      "model": "Qwen/Qwen2.5-Coder-32B-Instruct"
    }
  }
}

5. 実践シナリオ

5.1 シナリオ 1：レガシーコードのリファクタリング

BASH 
# 古いプロジェクトに移動
cd ~/projects/legacy-app

# OpenCode を起動
opencode

> src/utils.js のコールバック関数をすべて async/await スタイルに書き換えて
> 既存の機能はそのままにして、適切なエラー処理も追加して

OpenCode は以下のように進めます。

  1. src/utils.js の内容を読み取る
  2. すべてのコールバック関数の構造を分析
  3. 一つずつ async/await に書き換え
  4. try/catch のエラー処理を追加
  5. diff を表示して確認を待つ

5.2 シナリオ 2：ユニットテストを書く

> src/auth/login.ts の Jest ユニットテストを書いて
> 次のケースをカバーして：
> 1. 正常にログイン成功
> 2. パスワードが間違っている
> 3. ユーザーが存在しない
> 4. トークンが期限切れ
> 5. 同時ログインリクエスト

OpenCode がモックデータとアサーションロジックを含めたテストファイルを生成してくれます。

5.3 シナリオ 3：バグの調査

> アプリが大量の JSON データを処理するときメモリオーバーフローする
> プロジェクト構造は src/ ディレクトリにある
> 原因を分析して修正方案を出して

OpenCode はコードをスキャンして、メモリリークの原因（解放されていない参照、無限に増える配列など）を特定し、具体的な修正案を提示します。

5.4 シナリオ 4：ローカルモデルでの開発（プライバシー重視）

機密性の高いコードを扱い、クラウドにアップロードしたくない場合。

BASH 
# 1. Ollama をインストール
brew install ollama

# 2. プログラミング用モデルを引っ張ってくる
ollama pull qwen2.5-coder:32b

# 3. OpenCode を起動してローカルモデルに切り替え
opencode
> /model ollama

これで、すべての推論がローカルで完結します。コードがマシンの外に出ることはありません。

6. MCP 統合：ツールチェーンを拡張する

OpenCode は MCP（Model Context Protocol） に対応しており、外部のツールやサービスに接続できます。

MCP Server の設定

JSON 
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"]
    }
  }
}

設定すれば、OpenCode は GitHub の操作（PR の作成、Issue の確認など）も直接行えるようになり、できることが大幅に広がります。

7. よくある質問

Q1: OpenCode と Aider の違いは？

  • OpenCode はターミナルでの対話体験とマルチモデルの柔軟性を重視
  • Aider は git 統合とペアプログラミングに注力
  • どちらも一長一短なので、両方試して自分に合う方を選ぶのがおすすめです

Q2: 無料モデルで十分？

日常的な開発なら、無料モデル（ローカルデプロイの Qwen2.5-Coder-32B や DeepSeek の無料枠）で十分です。大規模プロジェクトのリファクタリングなら、Claude や GPT-4o を使う方がコード品質が上がります。

Q3: Windows に対応している？

公式には Linux と macOS をサポートしています。Windows ユーザーは WSL2 経由で利用できます。

Q4: トークン消費を抑えるには？

JSON 
{
  "chat": {
    "maxTokens": 4000,
    "temperature": 0.3
  }
}

maxTokens と temperature を下げれば、1回あたりのトークン使用量を減らせます。ただしコード品質に影響が出る可能性もあるので注意しましょう。

まとめ

OpenCode は 2026 年の AI プログラミングツールにおける重要なトレンドを体現しています。オープンソース、モデル非依存、ターミナルファースト。特定のベンダーのクローズドエコシステムではなく、オープンなツールチェーンなのです。自分に最適なモデル、最低のコスト、最高の開発体験を自由に選べます。

AI プログラミングツールを1つだけ選ぶなら、2026年は OpenCode がおすすめです。 コミュニティの活発さ、機能の成熟度、モデルの柔軟性。今のところ、これらすべてをカバーする競合は他にありません。

🔗 関連リンク： - GitHub: github.com/sst/opencode - ドキュメント: opencode.ai - 似たツール：Aider、OpenHands