Claude Codeオーケストレーション（CC×マルチAIエージェント分業設計：Gemini / Devin / ローカルLLM）

📖 出版済み｜技術｜優先度：🔴 最優先

シリーズ: AI・IT実践シリーズ

📖 出版済み（2026-06-07・¥800）｜書籍「AIエージェント・オーケストレーション」として KDP 公開 → 書籍ページ／ Amazon（Kindle）

目的（ゴール）

Claude Code をオーケストレーターとして、タスク分解・品質判断・ワークフロー制御を担わせ、生成コストの高いタスクをローカルLLMワーカーにオフロードする分業アーキテクチャを設計・実装・検証する。CC の強みである文脈理解・判断・ツール実行を活かしながら、ローカルLLMで代替可能な生成タスクをオフロードすることで、コスト最適化と品質維持を両立する実践知を確立する。

アクター

著者（Manabazu）
Claude Code（オーケストレーター：タスク分解・品質判断・ワークフロー制御）
Gemini（Google Gemini API / Gemini CLI：大容量コンテキスト処理・マルチモーダル分析担当）
Devin（Cognition AI：自律コーディング・長時間非同期タスク担当）
ローカルLLMワーカー（qwen3-32b-nothink / Ollama on Node4、LiteLLM 経由：定型生成タスク担当）
vault_worker.py（CC↔ローカルLLM ブリッジスクリプト）
LiteLLM API（モデルルーティング層、Node4）

開始条件（起動トリガー）

Vault の Lab Log・原稿ドラフト・AtomicNote 生成など、定型的な大量テキスト生成タスクが発生し、CC が直接処理するよりローカルLLM へのオフロードがコスト対効果で優位と判断した時。

事前条件

Node4 Ollama が稼働し、qwen3-32b-nothink:latest が登録済み
Node4 LiteLLM が稼働し、general-model（→ qwen3-32b-nothink）が登録済み
vault_worker.py の DEFAULT_MODEL = "general-model" が設定済み
Node1（作業端末）から Node4 への HTTP アクセスが可能

事後条件

ローカルLLM が生成したドラフトを CC がレビュー・品質判断し、合格した成果物が Vault に格納される
生成コスト（Anthropic API トークン）が削減され、CC の処理はタスク設計・判断・修正に集中される

メインフロー

著者が CC（オーケストレーター）にタスクを自然言語で指示する
CC がタスクを分解し、ローカルLLM で処理すべき生成サブタスクを特定する
CC が vault_worker.py を通じて LiteLLM API 経由でローカルLLM にサブタスクを委託する
ローカルLLM（qwen3-32b-nothink）がドラフトを生成して返す
CC がドラフトをレビューし、品質・整合性を判断する
合格の場合：成果物を Vault の適切なフォルダに格納する
不合格の場合：CC が修正指示を生成し、ローカルLLM に再生成を依頼するか、CC が直接修正する

代替フロー

Node4 が停止中の場合: CC が直接生成タスクを処理する（フォールバック）
ローカルLLM の品質が基準を下回る場合: CC が部分修正または直接生成に切り替える

例外フロー

LiteLLM 接続エラー（400/500）：DEFAULT_MODEL 設定ミスまたは Node4 サービス停止を確認
qwen3-32b-nothink の OOM：モデルサイズに対する Node4 メモリ（128GB 統合）は十分だが、並列処理時は注意

備考

ollama_chat/ エンドポイントを使用すること（ollama/ は不可）
Phase 比較：UC260416-001（ハイブリッド・使用量最適化）と UC260417-001（CC完全代替）の中間的ポジション
実装根拠：vault_worker.py の構築と A/B テスト計画（60_AgenticTasks/VaultProcessing-AgentComparison.md）が既存証跡

シナリオリスト

ローカルLLM グループ（定型大量生成・コストゼロ）

シナリオ	概要
L1	Lab Log → 出版メモ変換（ローカルLLM 生成、CC レビュー）
L2	AtomicNote 生成（ローカルLLM 生成、CC WikiLink 整合チェック）
L3	章ドラフト生成（ローカルLLM 生成、CC 文体・構成レビュー）
L4	CBF 分類（ローカルLLM 提案、CC 最終判断）

Gemini グループ（大容量コンテキスト・マルチモーダル）

シナリオ	概要
G1	全 Vault 横断の知識統合（1M token コンテキストで AtomicNote 候補・シリーズ矛盾点を抽出）
G2	スクリーンショット・図表のテキスト化（Gemini Vision で `_inbox/screenshots/` を構造化ドキュメントへ変換）

Devin グループ（自律コーディング・長時間非同期タスク）

シナリオ	概要
D1	Publishing パイプラインスクリプトの機能追加（CC が仕様書を作成、Devin が実装 → PR、CC がレビュー）
D2	評価スクリプト改善（auto_scorer.py 拡張を CC が要件定義、Devin が非同期実装・テスト）
D3	Vault 定型整備タスクの非同期委託（LabLog集計・frontmatter検証・UC整合確認を Devin が実施 → PR → CC レビュー）
D4	Vault 品質監査の非同期委託（Risk-Master棚卸し・ID整合・UC WikiLink確認・対処済み候補スキャンを Devin が実施 → PR → CC レビュー）

シナリオ記述

ローカルLLM シナリオ

L1: Lab Log → 出版メモ変換

ワーカー: ローカルLLM（qwen3-32b-nothink）
トリガー: 著者が 50_Lab_Logs/ の Lab Log ファイルを出版メモに変換するよう指示する
フロー:

CC が Lab Log を読み込み、変換プロンプトを構築する
vault_worker.py lablog-memo --input <log> でローカルLLM に送信する
ローカルLLM が出版メモ形式でドラフトを生成する
CC が内容・文体・Vault 整合性を確認し、20_Manuscripts/ または 30_Knowledge_Graph/ に格納する

L2: AtomicNote 生成

ワーカー: ローカルLLM（qwen3-32b-nothink）
トリガー: 著者が新しいキーワードまたは概念の AtomicNote 作成を指示する
フロー:

CC がキーワード・関連 UC・既存 AtomicNote の一覧を整理し、生成プロンプトを構築する
vault_worker.py atomic-note --input "<概念>|<説明>" でローカルLLM に送信する
ローカルLLM が AtomicNote テンプレートに沿ったドラフトを生成する
CC が 30_Knowledge_Graph/ 内の既存ノードとの WikiLink 整合性を確認し、矛盾があれば修正してから格納する

L3: 章ドラフト生成

ワーカー: ローカルLLM（qwen3-32b-nothink）
トリガー: 著者が出版スプリント中に特定の章のドラフト生成を指示する
フロー:

CC が 99_PublishingSprint/01_CurrentSeed/ の index.md と関連 AtomicNote を読み込み、章のアウトラインと文脈プロンプトを構築する
vault_worker.py free --input "<章アウトライン+文脈>" でローカルLLM に送信する
ローカルLLM が敬語体（です・ます調）でドラフトを生成する
CC が文体統一・章間の整合性・AtomicNote との一致を確認し、chapters/ に格納する

L4: CBF 分類

ワーカー: ローカルLLM（qwen3-32b-nothink）
トリガー: 著者が新しい Lab Log または原稿に対して CBF 6ビット分類の付与を指示する
フロー:

CC がコンテンツと CBF 6ビット定義（技術・環境・地政学・経済・社会・思想）を含むプロンプトを構築する
ローカルLLM がビット割り当てとタグ候補を提案する
CC が UseCase-Master.md の既存分類と比較して整合性を検証する
CC が最終判断を行い、tags: フロントマターに反映する

Gemini シナリオ

G1: 全 Vault 横断の知識統合

ワーカー: Gemini 2.5 Pro（1M token コンテキスト）
トリガー: 著者が複数のシリーズにまたがる AtomicNote の矛盾点洗い出し、または新しいシリーズ横断テーマの発見を指示する
使用理由: Vault の全原稿（数十万トークン規模）を単一コンテキストで処理できるのは Gemini のみ
フロー:

CC が 20_Manuscripts/ および 30_Knowledge_Graph/ の全ファイルを収集し、Gemini CLI（gemini コマンド）または Gemini API 呼び出しスクリプトでまとめて送信する
プロンプト例：「以下の Vault コンテンツから、(a) シリーズ間の矛盾・重複する AtomicNote 候補、(b) まだ定義されていないが複数箇所で言及されている概念、(c) 新しいシリーズ横断テーマの候補を抽出してください」
Gemini が横断的な知識マップ・候補リストを返す
CC が提案を精査し、新規 AtomicNote 作成（→ L2）または既存ノードの更新を実行する

G2: スクリーンショット・図表のテキスト化

ワーカー: Gemini Vision（Gemini 2.0 Flash または 2.5 Pro）
トリガー: 著者が _inbox/screenshots/ に画像をドロップし、「反映して」と指示する（既存 inbox ワークフローとの統合）
使用理由: ローカルLLM はマルチモーダル非対応、CC は画像読み取りは可能だが大量バッチ処理でコストがかかる
フロー:

CC が _inbox/screenshots/ 内の画像ファイルを検出する
Gemini API（gemini-2.0-flash モデル）に画像とプロンプト「この画像の内容を Obsidian ドキュメント形式（Markdown）で構造化してください。図表はテーブルに、フローは箇条書きに変換してください」を送信する
Gemini が構造化テキストを返す
CC が対象ドキュメントを特定し、適切なセクションに挿入する（ファイルが不明な場合は _inbox/pending/ に仮置き）
処理済み画像を _inbox/screenshots/processed/ に移動する

Devin シナリオ

D1: Publishing パイプラインスクリプトの機能追加

ワーカー: Devin（Cognition AI、非同期・自律コーディング）
トリガー: 著者が vault_worker.py または publishing_ops.py への機能追加を決定し、CC に要件を伝える
使用理由: 実装・テスト・デバッグのサイクルが長く（数十分〜数時間）、CC のコンテキスト占有が大きい。Devin に非同期委託することで CC はほかのタスクに集中できる
フロー:

CC が要件定義書（仕様・受け入れ条件・既存コードの参照箇所）を Markdown で作成し、Devin セッションに貼り付ける
Devin がリポジトリをクローン（または既存環境を参照）し、実装・テストを非同期で実行する
Devin が実装完了後に GitHub PR を作成し、著者に通知する
CC が PR の差分をレビューし、CLAUDE.md の規約・Vault 整合性・セキュリティを確認する
著者が承認し、マージする

D2: 評価スクリプト改善（auto_scorer.py 拡張）

ワーカー: Devin（Cognition AI、非同期・自律コーディング）
トリガー: JailBreak 評価・エージェント評価のスコアリングスクリプトに改善要件が生じた時（例：M21 再評価対応、新しいカテゴリ追加）
使用理由: LiteLLM / Anthropic API との接続・例外処理・バッチ処理などの長い実装を CC が逐次実行するとトークンコストが大きい
フロー:

CC が改善要件（例：「M21 OOM 時の自動スキップと再試行ロジックの追加」）を仕様書化し、60_AgenticTasks/LLM-Eval/ の既存スクリプト・ドキュメントへの参照を添付して Devin に委託する
Devin が auto_scorer.py を修正し、Node4 または Node3 環境でテストを実行する
テスト結果（成功件数・エラーログ）とともに PR を作成する
CC が差分レビューと評価ロジックの整合性確認を行い、著者に報告する

D3: Vault 定型整備タスクの非同期委託

ワーカー: Devin（Cognition AI、非同期・自律）
トリガー: CC のトークン使用量が逼迫し、Vault の定型整備タスク（LabLog 集計・frontmatter 検証・UC整合確認など）を CC が処理するよりも Devin に委託するほうがコスト対効果で優位と判断した時
対象リポジトリ: mnbz-sol/obsidian-publishing（GitHub）
使用理由: ファイル横断の grep・集計・一括置換など繰り返し性の高い作業は CC のコンテキストを圧迫するが、Devin はリポジトリを自律的に操作して PR を出せる
フロー:

CC がタスク指示文（対象フォルダ・処理内容・出力形式・受け入れ条件）を Markdown で作成する
著者が指示文を Devin UI にペースト、または Devin MCP 経由で CC が直接セッションを作成する（後述）
Devin が mnbz-sol/obsidian-publishing をクローンし、ブランチを切って作業する
Devin が変更をコミットし、GitHub PR を作成して著者に通知する
CC が gh pr view <番号> で差分を確認し、CLAUDE.md 規約との整合性・内容の正確性をレビューする
著者が承認し、gh pr merge でマージする

Devinに適した具体的タスク例:

タスク	指示の目安
LabLog 一覧表生成	`50_Lab_Logs/` の frontmatter を読み date・uc_ids・topic・status の Markdown テーブルを生成
frontmatter 検証	`uc_ids` 形式・必須キー欠損・`status` 値の整合を grep チェックし修正 PR を出す
UseCase-Master 整合確認	`UseCases/*.md` の `status` と `UseCase-Master.md` の状態列を比較し不整合を修正
Quartz ビルド・デプロイ	ファイル変更後の `node quartz/bootstrap-cli.mjs build` と `npx wrangler deploy`
EXIF 除去・セキュリティ確認	画像追加時の EXIF 除去と `sourceMappingURL` の存在チェック

CCからDevinへの依頼方法（2択）:

方法	必要な準備	手順	実証状況
手動ペースト	なし	CC がタスク指示文を生成 → 著者が Devin UI にコピペ	✅ 実証済み（PR #4〜#6）
Devin REST API（推奨・自律実行）	`DEVIN_API_KEY` 環境変数 + `devin_api.sh`	CC が `devin_create "$(cat 指示書.md)"` を実行してセッションを直接起動	✅ 実証済み（PR #7、CC自律キック）

Devin MCP について: npm パッケージ @devin-ai-integration/devin-mcp は 2026-05-10 時点で存在しない（404）。MCP ではなく REST API 経由での実装が唯一の自律化手段。

REST API ヘルパー（60_AgenticTasks/DevinTasks/devin_api.sh）:

source 60_AgenticTasks/DevinTasks/devin_api.sh
SESSION_ID=$(devin_create "$(cat 指示書.md)")  # セッション起動
devin_summary "$SESSION_ID"                      # ステータス確認
devin_send "$SESSION_ID" "追加指示"              # メッセージ送信

D4: Vault 品質監査の非同期委託

ワーカー: Devin（Cognition AI、非同期・自律）
トリガー: Vault のマスターファイル（Risk-Master.md・UseCase-Master.md など）に ID 不整合・WikiLink 切れ・フォーマット違反が蓄積し、CC が一括チェックするよりも Devin に委託するほうがコスト対効果で優位と判断した時
対象リポジトリ: mnbz-sol/obsidian-publishing（GitHub）
使用理由: grep ベースの全件走査・存在確認・レポート生成は繰り返し性が高く CC のコンテキストを圧迫する。Devin は自律的に grep・ls・PR 作成まで完結できる
フロー:

CC が監査指示書（対象ファイル・チェック項目・レポート形式・受け入れ条件・禁止事項）を Markdown で作成する
CC が devin_api.sh を source し devin_create "$(cat 指示書.md)" でセッションを直接起動する（著者の手動ペースト不要）
Devin が対象ファイルを grep 走査し、問題箇所を特定・修正する
Devin が修正差分＋調査レポートを PR の説明文にまとめて GitHub PR を作成する
CC が gh pr view で差分・レポートを確認し、CLAUDE.md 規約・データ正確性を評価する
著者が承認し、gh pr merge --squash でマージする
git pull origin main で Vault に反映する

実証事例: 2026-05-10 D7（Risk-Master棚卸し）

修正: [[260422-001]] → [[R260422-001]]、[[260422-002]] → [[R260422-002]]（本体＋優先度サマリー）
レポート: UC WikiLink 43件全件存在確認、対処済み候補スキャン（0件）、Risks/個別ファイル欠損確認
所要時間: 約7分（Devin側）、PRレビュー約5分（CC）

D4 に適した具体的タスク例:

タスク	監査内容
Risk-Master 棚卸し	ID プレフィックス欠落・UC WikiLink 存在確認・対処済み候補スキャン
UseCase-Master 整合確認	`UseCases/*.md` の status と Master の状態列を比較し不整合を列挙
frontmatter 品質チェック	`uc_ids` 形式・必須キー欠損・date 形式違反を全 LabLog で grep
孤立ファイル検出	Master 未登録の `Risks/.md`・`UseCases/.md` を検出してレポート

対応リスク

← ユースケース一覧に戻る

シンギュラリティ志向ライフ

Claude Codeオーケストレーション（CC×マルチAIエージェント分業設計：Gemini / Devin / ローカルLLM）

Claude Codeオーケストレーション（CC×マルチAIエージェント分業設計：Gemini / Devin / ローカルLLM）

目的（ゴール）

アクター

開始条件（起動トリガー）

事前条件

事後条件

メインフロー

代替フロー

例外フロー

備考

シナリオリスト

ローカルLLM グループ（定型大量生成・コストゼロ）

Gemini グループ（大容量コンテキスト・マルチモーダル）

Devin グループ（自律コーディング・長時間非同期タスク）

シナリオ記述

ローカルLLM シナリオ

L1: Lab Log → 出版メモ変換

L2: AtomicNote 生成

L3: 章ドラフト生成

L4: CBF 分類

Gemini シナリオ

G1: 全 Vault 横断の知識統合

G2: スクリーンショット・図表のテキスト化

Devin シナリオ

D1: Publishing パイプラインスクリプトの機能追加

D2: 評価スクリプト改善（auto_scorer.py 拡張）

D3: Vault 定型整備タスクの非同期委託

D4: Vault 品質監査の非同期委託

対応リスク

目次

バックリンク