Gemini Vs HagiCode

主な機能

Google Gemini CLI の機能は Gemini モデルならではの優位性を中心に構成されています：

マルチモーダルなコード理解：Gemini はコード、スクリーンショット、アーキテクチャ図、設計書を同時に理解できます。テキストだけでなく画像情報も処理できるため、UI のスクリーンショットを貼るだけでコンポーネントコードを生成するといった作業に強みを持ちます。

超長コンテキスト処理：Gemini は百万レベルのトークンコンテキストウィンドウをサポートします。つまり大規模なコードベース、複数のドキュメント、長い設計資料を一度に読み込ませても、全体を一貫して理解できます。超大規模プロジェクトの分析に有利です。

ネイティブなコマンドライン統合：Gemini CLI はターミナルにおける完全なプログラミング体験を提供します。ファイル操作、コマンド実行、Git 連携などを統合しており、ターミナルから離れることなく開発ワークフローを完結できます。

モデルの特徴

Gemini には他の AI プログラミングツールと一線を画すモデルレベルの特徴がいくつかあります：

ネイティブなマルチモーダル：画像や図面を理解するために他のモデルのようにプラグインや追加適応を必要としません。マルチモーダル能力がモデルに組み込まれているため、UI モックアップ、アーキテクチャ図、ホワイトボードの写真を直接処理でき、設計書からコードへの変換がより自然です。

Google 検索とナレッジの統合：Gemini は Google 検索とナレッジグラフに接続でき、最新の技術情報、API ドキュメント、ベストプラクティスを取得できます。情報の鮮度が重要なタスクで特に有利です。

深い推論と長鎖思考：複雑な多段階のプログラミングタスクを扱う際、Gemini は長い推論連鎖を維持し、各ステップの論理関係を整理できます。一時的な解答ではなく、体系化された解決策を導き出せます。

エコシステムと統合

Gemini CLI のエコシステムは Google の技術スタックを中心に構成されています：

Google Cloud 統合：Gemini CLI は Google Cloud の各サービスと自然に繋がっており、Cloud Storage、BigQuery、Vertex AI などに直接アクセスできます。Google Cloud を使うチームにとってシームレスです。

オープンソースとコミュニティ駆動：Gemini CLI は GitHub でホストされるオープンソースプロジェクトです。コミュニティが機能の提案、バグ報告、コード貢献を通じて反復に参加しています。

ACP プロトコルのサポート：Gemini CLI は ACP（Agent Communication Protocol）をサポートし、他の AI ツールやプラットフォームとの標準化された通信を可能にします。

マルチスレッド並列：Gemini にコードの読解、設計の分析、コードの記述を同時にさせる

Gemini は一つのセッションの中で多くのことをこなせますが、実際の納品は一つのタスクずつ行われることはほとんどありません。

HagiCode は複数の Gemini セッションを並列実行でき、それぞれが隔離されたコンテキスト、明確な責任の境界、独立した進捗を持ちます。

これにより、AI 支援は単一の対話から、チームが実際にソフトウェアを構築する方法に合った並列エンジニアリングワークベンチへと変わります。

• スレッド A はバックエンドの API エンドポイントをブラッシュアップ;
• スレッド B はフロントエンドのコンポーネントをリファクタリング;
• スレッド C はユニットテストを記述;
• スレッド D はセキュリティ脆弱性のコード監査を実施。

OpenSpec 提案セッション：Gemini のすべての意思決定を追跡可能に

日常の開発で最もよくある混乱は、コードが書けないことではなく、あれこれ変更した結果、なぜ変更したのか、何を変更したのか、変更同士がどう関連しているのかを忘れてしまうことです。

HagiCode に組み込まれた OpenSpec 提案ワークフローは、この問題を根本から解決します。すべての開発タスクは提案として起動されます：

この「まず考えてから動く」アプローチは、Gemini の推論力をさらに輝かせると同時に、何ヶ月も後にコードを見返したとき意思決定の文脈を素早く理解できるようにします。

• まず、このタスクがどんな問題を解決するのか、なぜこの方法が理にかなっているのかを書き出します;
• 提案の枠組みの中で Gemini と技術方針を深く議論します。すべての会話と意思決定は提案の文脈に記録されます;
• 方針が確定したら、Gemini は提案の制約の中でコードを実装します;
• 最終的な提案ドキュメント、議論の記録、コード変更が完全な追跡チェーンを形成します。

AI コミット：Gemini のコード出力を自動コミット

コードを書き終えた後にコミットメッセージを書くのは、多くの開発者にとって精神的な摩擦になります。雑に書けば後で重要なコミットを見つけられず、きっちり書けば時間の無駄に感じます。

HagiCode の AI コミット機能はこれを完全に Gemini に任せます。コードの変更を分析し、意図と影響範囲を理解した上で、構造が明確で意味的に正確なコミットメッセージを自動生成します。さらに重要なことに、AI コミット中は HagiCode がリポジトリを自動的にロックし、並行操作による状態の衝突を防ぎ、安全で信頼できるコミットを実現します。

注意力は創造のためにとっておき、コミットの事務作業は Gemini に任せましょう。

Code Server ブラウザエディタ：マルチモーダル分析から視覚的な編集へ

Gemini がコードを分析し、問題のあるファイルを特定し、該当行まで示してくれた後、おなじみの気まずい瞬間が訪れます。AI の対話ウィンドウを離れ、IDE に戻り、またファイルを探し、手動で正しい位置までジャンプしなければなりません。この分析から編集への文脈の断絶は、流れを中断するだけでなく、AI の価値を「問題の場所を教える」止まりにしてしまい、「直接編集モードに入るのを助ける」まで届きません。

HagiCode に組み込まれた Code Server ベースのブラウザエディタは、まさにこの断絶を解消するために設計されています：

Code Server の統合により、HagiCode はコードを分析できるフロントエンドページにとどまらず、Gemini の分析が直接編集アクションとして着地する完全なワークステーションになります。AI 分析と実際の編集のあいだのツール切り替えコストを最小化します。

• 分析から編集へワンクリック：Gemini が提案の中で変更が必要なファイルを特定したら、HagiCode はそのファイルをワークベンチで直接開いて編集できます。ツールを切り替えたりファイルを再検索したりする必要はなく、分析結果から直接編集までの距離はゼロです。
• ローカル、コンテナ、リモートを完全カバー：プロジェクトがローカルマシン、Docker コンテナ、リモートサーバーのいずれで動いていても、HagiCode の Code Server はブラウザからプロジェクトディレクトリを開いて編集できます。「このプロジェクトは特定の環境でしか編集できる」という制約から解放されます。
• Vault の直接編集：Vault に登録したコード参照ライブラリや学習プロジェクトも、Code Server から直接開いて閲覧できます。Gemini がサンプルコードを参照した際、いつでも飛んで深入りした学習や実習が可能です。

Preset Task：Gemini のマルチモーダル能力をテンプレ化

Gemini の能力は強力ですが、毎回手作業で要件を打ち込むのは効率的ではありません。さらに重要なのは、コミュニティが既に質の高い Skills を数多く生み出していることです。コードレビューのテンプレートからフルスタック CRUD ジェネレータ、ドキュメント自動生成からテストケースのオーケストレーションまで。これらの実証されたプラクティスは各地に散らばっており、統一的にホストして呼び出す場所がありません。

HagiCode の Preset Task 機構はこの問題を解決するために設計されました。単なるショートカットコマンドではなく、拡張可能な Skills 統合プラットフォームです：

Preset Task は、Gemini との協業を「毎回ゼロからコミュニケーションする」ものから「コミュニティの肩の上に立ち、成熟したワークフローをワンクリックで呼び出す」ものへとアップグレードします。あなたがテンプレートを選び、Gemini が実行する。これが真のワークフロー自動化であり、その過程全体が視覚的にも楽しいものです。

• すぐ使えるコミュニティ Skills：HagiCode は人気のコミュニティ Skills を Preset Task としてインポートできます。複雑なプロンプトをゼロから作り込む必要はありません。コミュニティが既に質の高いタスクテンプレートを蓄積しています。インポートすれば即座に利用可能で、新しい CRUD モジュール、包括的なコードレビュー、API ドキュメント生成など、すべてに出来合いのソリューションがあります。
• 拡張可能な Skills システム：独自のプロジェクト要件やチームの規約があれば、コミュニティ Skills の上にカスタマイズや合成を行えます。チェックリストを調整し、チームのコーディング規約を追加し、複数の Skills を繋いで完全な開発パイプラインを構築し、チーム独自のタスクテンプレートライブラリを作れます。
• 視覚的操作でプレーンテキストの退屈さに別れ：これが HagiCode と純粋なコマンドラインツールの根本的な違いです。Preset Task の選択に、ターミナルでコマンドを打ち込んでパラメータを組み立てる必要はありません。丁寧に設計された視覚的インターフェースで完結します。クリックでタスクを選び、ドロップダウンでパラメータを切り替え、ドラッグ＆ドロップでタスクを並べ替える。すべてのステップに明確な視覚的フィードバックとステータス表示があります。人と機械のやり取りは「AI を呼ぶためにコードを書く」から「UI で AI を指揮する」へと移行します。

ゲーム化インターフェース：ターミナルでのマルチモーダル体験を直感的に

プログラミング自体は退屈にもなりますが、楽しくもなれます。HagiCode のゲーム化されたインターフェース設計は、コマンドラインツールの冷たい体験から脱却します：

Gemini が知性を、HagiCode が体験を提供する。両者が組み合わさることで、AI プログラミングは「生産性ツール」から「本当に開きたくなる開発環境」へと変わります。

• 明確な視覚的フィードバック：各セッションの実行状態、進捗、結果が直感的なインターフェース要素で示されます。ターミナル出力を必死にスクロールする必要はありません。
• 達成と進捗の可視化：タスク完了、コードコミット、提案承認といったマイルストーンが目に見える達成物としてまとめられ、開発プロセスにリズムと達成感を与えます。
• 低い参入障壁：マウスクリック、ドラッグ＆ドロップ、キーボードショートカットの組み合わせにより、純粋なターミナルワークフローに慣れない開発者でも Gemini の全機能を簡単に活用できます。

Agents 管理：Gemini のマルチタスク並列を組織化されたオーケストレーションに

並列セッションは便利ですが、複数同時に動かすようになると、次は連携がボトルネックになります。

HagiCode の Agents 管理層は、各 Gemini ワーカーを、可視のステータス、割り当てられたスコープ、独立した設定を持つ名前付きでスケジュール可能な Agent に変えます。

「たくさんのターミナルが開いている」状態から「小さな AI チームを一カ所で連携している」状態へと移行します。

• Agent のアイデンティティとステータスの可視化：どの Agent が実行中か、待機中か、ブロックされているか、アーカイブ可能かを一目で確認できます。
• タスクと Agent のバインディング：提案、レビュー、リファクタリング、テスト作業をそれぞれ専用の Agent に割り当てられます。
• 独立した Agent 設定：異なる Agent が、互いに干渉することなく異なるモデルルート、Skills、コンテキスト範囲を使用できます。

Monospecs マルチリポジトリ管理：Gemini の超長コンテキストを真に有用にする

実際のプロジェクトでは、コードが単一のリポジトリに収まることは稀です。フロントエンド、バックエンド、ドキュメント、共有ライブラリは異なるリポジトリに分散しており、一つの機能変更で複数のリポジトリを同時に触る必要が生じることもあります。Gemini にとってシングルリポジトリモードは機能しますが、リポジトリ間の関係を本来は理解しておらず、毎回の会話で「この変更はあと 2 つのリポジトリにも同期が必要」と手動で伝えなければならず、明らかに非効率です。

HagiCode の Monospecs 機構は、マルチリポジトリシナリオのために設計された構造化されたソリューションです。.hagicode/monospecs.yaml 設定ファイルを通じて、プロジェクト群のすべてのサブリポジトリのアドレス、名前、関係を宣言し、提案を起動する際に Gemini に自動的にリポジトリ間の地図を提供します：

Monospecs は実質的に、リポジトリをまたぐ協業における Gemini の認知の死角を取り除きます。Gemini の推論は強力ですが、変更範囲を特定するには正確な地図が依然として必要であり、Monospecs はその体系的に管理されたプロジェクトの地図です。

• 自動的なリポジトリ関係の認識：開発提案を作成する際、Gemini は Monospecs 設定からサブリポジトリ一覧を直接読み取れます。「この変更のフロントエンドコードは repos/frontend、API 定義は repos/backend、ドキュメントは repos/docs」と把握し、毎回どのリポジトリが関わるかを手動で列挙する必要はなくなります。
• リポジトリ間の変更追跡：提案が複数のサブリポジトリにまたがる場合、OpenSpec の提案ディレクトリはメインリポジトリに置かれ、サブリポジトリはコードの変更だけを担います。これにより仕様とコードが分離され、サブリポジトリはクリーンに保たれますが、変更全体の意思決定チェーンと議論の記録は一カ所に集約されます。アーカイブ時には commit_when_archive が仕様をメインリポジトリに自動コミットすることもでき、手動のバージョン管理の手間を省けます。
• AI コミットの賢い送り先判定：AI コミットの際、HagiCode は変更内容を Monospecs 設定と照らして、コミットの送り先リポジトリを自動的に提案します。ターミナルで各ディレクトリに cd する必要はなく、HagiCode がこのコードがどのリポジトリに属するかを判断します。
• リポジトリごとの AGENTS.md：各サブリポジトリは独自の AGENTS.md を持ち、そのリポジトリの技術スタック、コーディング規約、開発の慣習を Gemini に伝えられます。Gemini は異なるリポジトリを操作する際に対応するガイダンスを自動的に読み込み、常にチームの基準に沿って行動します。

Vault クロスプロジェクトのナレッジベース：Gemini の超長コンテキストに永続的な価値を

Gemini のコンテキストウィンドウは大きいですが、新しいセッションは毎回ゼロから始まります。前回の提案で蓄積した経験、分析したプロジェクト構造、議論したベストプラクティスは、セッションが終わるとすべて「忘れられます」。純粋な対話ツールではこれを受け入れるしかありませんが、HagiCode では Vault システムが状況を変えます。

Vault は HagiCode のクロスプロジェクトな永続ナレッジ層です。中核の設計思想は「一度登録すれば、どこでも再利用」です：

Monospecs が Gemini にプロジェクトがどこにあるかを理解させるものだとすれば、Vault は Gemini に前に何を学んだかを覚えさせるものです。前者は Gemini の空間的な視野を広げ、後者は Gemini の時間的な記憶を延ばします。両者が揃って、Gemini は毎回自己紹介し直すよそ者ではなく、あなたのプロジェクトの全体像とナレッジの蓄積を本当に理解する長期的なパートナーになります。

• 複数タイプのナレッジコンテナ：Vault は 4 つのタイプをサポートします。folder（一般的なファイルディレクトリ）、coderef（オープンソースプロジェクトの学習専用で、標準化されたディレクトリ構造を自動初期化）、obsidian（既存の Obsidian ノートを直接接続）、system-managed（システム自動管理のプロジェクト設定とプロンプトテンプレートライブラリ）。あちこちに散らばったコードリポジトリ、学習ノート、設計ドキュメントを Vault に登録でき、Gemini はどんな提案でもこれらのナレッジリソースの存在を自動的に認識します。
• 自動的な AI コンテキスト注入：新しい提案が始まるたび、HagiCode は登録された Vault 情報を Gemini のコンテキストに自動的に注入します。コード断片を手動でコピーしたりプロジェクトの背景を再説明したりする必要はありません。Gemini は提案を受け取る時点で、どのような学習リソースや参照プロジェクトを利用できるかを既に把握しており、既存のナレッジから直接作業を始められます。
• きめ細かいアクセス制御：各 Vault は reference（読み取り専用）または editable としてマークできます。オープンソースプロジェクトの参照コードライブラリは読み取り専用に設定し、Gemini は読んで分析できても変更できず、誤った変更を防げます。自分のプロジェクトの Vault を editable に設定すれば、Gemini が直接コードを書くのを支援できます。この境界により、AI の自由度は常に制御可能です。
• クロスプロジェクトのナレッジ再利用：プロジェクト A を分析しながら「デザインパターン参照」Vault を登録すれば、その後のどんな提案でも Gemini がそれにアクセスできます。ナレッジベースを繰り返し構築する必要はなく、Vault は学習成果と参照リソースを継承可能な長期的な資産に変えます。

OmniRoute モデルルーティング：Gemini CLI に複数の道を与える

チームは、好みのワークフローを維持しつつ、モデルアクセスを一つのベンダーや一つのサブスクリプション経路に縛られるべきではありません。

OmniRoute はインタラクション層とモデルルーティング層を分離し、HagiCode はワークフローに Gemini を残したまま、その下でモデルソースを切り替えられます。

これにより、より良いコスト管理、より良いタスクとモデルの適合、そしてモデルの価格や可用性が変化した際のワークフローの混乱の減少が得られます。

• 既に好みの CLI やインタラクションスタイルを維持しつつ、その下のモデルルートだけを変更できます。
• 一つのルーティング戦略を、HagiCode に接続された複数の Agent と複数の AI ツールで共有できます。
• 迅速なコーディング、深いレビュー、アーキテクチャ計画など、異なるワークロードに異なるモデルルートを調整できます。
• 個々のワークフローを作り直すのではなく、ルーティング層で一度コストと能力を調整できます。