LLM に自社データとタスクを扱わせる方法は三つ - すべてをコンテキストウィンドウに入れる、RAG（Retrieval-Augmented Generation）を接続する、モデルをファインチューニングする。各アプローチにはコスト、知識の更新速度、精度の上限が異なる。以下では仕組み、違い、チャットボット・サポートアシスタント・社内 copilot 向けの戦略選びを説明する。
ブログ
Codex は、言語モデルでコードの作成・修正・デバッグを行う OpenAI のプロダクトです。名称は 2021 年、初代 GitHub Copilot を支えたモデルとともに登場しました。2026 年中期には Codex は ChatGPT と GPT-5.6 エコシステム内の本格的な coding エージェントへと成長しています。Cursor、Claude Code、GitHub Copilot など他の AI アシスタントも並存し、開発を加速しますがワークフローへの組み込み方は異なります。以下では Codex の現状、プログラミングアシスタントの仕組み、ツール選びを説明します。
- Codex - OpenAI の coding エージェント：リポジトリ編集、ターミナル、テスト、ChatGPT Work 連携
- GPT-5.6 Sol - コード向け OpenAI フラッグシップ；Terra と Luna は低コスト版
- AI アシスタント - Tab 補完からプロジェクトを読みコマンドを実行するエージェントまで
- ツール選択 - IDE、社内ポリシー、予算、自動化の深さに依存
Ollama は、PC やサーバー上で大規模言語モデル（LLM）をローカル実行するためのツールです。モデルのダウンロードと管理、CLI と HTTP API を提供し、クラウド契約や第三者へのデータ送信は不要です。以下では、ローカルモデルの利点、Windows / macOS / Linux での Ollama インストール、モデル選定、アプリ連携方法を説明します。
- プライバシー - プロンプトとドキュメントが外部に出ない
- オフライン - モデル取得後はインターネット不要
- 無料 - トークン課金なし（ハードウェアと電力のみ）
- API - OpenAI 互換形式で Cursor、n8n、LangChain などに接続可能
GEO（Generative Engine Optimization、生成エンジン最適化）とは、生成型検索システム - ChatGPT、Perplexity、Google AI Overviews、Copilot、Gemini - が自社のコンテンツを見つけ、引用し、ユーザーの回答の中でブランドを推奨できるよう、サイトとコンテンツを最適化することです。従来の SEO も重要ですが、AI 検索は仕組みが異なります。モデルはリンク一覧ではなく、複数ソースから 回答を合成 します。以下では GEO の意味、SEO との違い、新しい現実に備えたサイト準備の方法を説明します。
AI エージェントは、言語モデルを基盤としたソフトウェアで、質問に答えるだけでなく行動します。CRM でデータを検索し、チケットを作成し、メールを送り、文書を分析し、定められたルールの範囲で判断します。ビジネスにとっては、シナリオごとに別 backend を書かずにルーティンを自動化する手段です。以下では、エージェントの定義、チャットボットや従来の自動化との違い、段階的な導入手順を説明します。
RAG（Retrieval-Augmented Generation、検索拡張生成）は、言語モデルが回答する前にナレッジベースから関連する断片を検索し、そのうえでテキストを生成する手法です。すべてのドキュメントをモデルの重みに「覚えさせたり」、コンテキストに丸ごと載せたりする代わりに、必要な部分を探してプロンプトに差し込みます。以下では RAG の意味、パイプラインの仕組み、本番で使うべき場面を説明します。
2026年半ば、AI支援開発を形づくる3つのツールがあります。Cursor - リポジトリ全体を扱うエージェント付きエディタ、Claude Code - Anthropicのターミナルエージェント、GitHub Copilot - VS Code と JetBrains の定番拡張です。いずれも自動補完、チャット、複数ファイル編集がありますが、思想、エコシステム、価格は異なります。以下はシナリオ別の比較で、1つまたは意図的な組み合わせを選ぶためのガイドです。
MCP（Model Context Protocol、モデルコンテキストプロトコル）は、AI アシスタントと外部データ・ツールの接続を標準化するオープンプロトコルです。各サービス（GitHub、データベース、CRM、ファイルシステム）ごとに個別統合を書く代わりに MCP サーバーを立て、クライアント - Cursor、Claude Desktop、Zed など - が単一の契約で接続します。以下では MCP とは何か、アーキテクチャの仕組み、本番環境でプロトコルが重要な理由を説明します。
Cursor は VS Code をベースにした AI コードエディタです。慣れ親しんだ UI、拡張機能、ショートカットはそのままに、モデルとのチャット、Tab オートコンプリート、エージェントモード、開いているファイルだけでなくプロジェクト全体のコンテキストを追加します。以下では Cursor IDE の概要、通常のエディタとの違い、乗り換えが意味する場面を説明します。
コンテキストウィンドウは、言語モデルが1回のリクエストで「見る」テキスト量です。プロンプト、チャット履歴、アップロードしたドキュメント、モデルの返答が含まれます。コードベース全体、長い契約書、短いチャットだけが1回のAPI呼び出しに収まるかはウィンドウサイズ次第です。以下では、コンテキストウィンドウの意味、トークンでの測り方、モデル選定における重要パラメータである理由を説明します。