2026年3月31日、Claude Codeのソースコードが流出した。
npmに公開されたパッケージにソースマップファイル(.map)が含まれており、そこからminify前のTypeScriptソースが完全に復元された。Chaofan Shou氏がX上で発見・公開し、GitHubにバックアップリポジトリが作られ瞬く間に拡散した。
流出コードを読んで、フィーチャーフラグで隠された未公開機能を6つ見つけた。そしてその設計パターンを自分のプロジェクトに移植した結果、以下のことができるようになった:
- AIエージェントが「性格」と「記憶」を持つようになった — セッションを跨いでも応答が一貫し、過去の成功/失敗パターンから学習する
- 毎朝4時に全サービスのKPIをAIが自動分析し、改善提案がSlackに届くようになった — 出社したらレポートが待っている
- 複数のAIタスクが並列実行されるようになった — 直列30秒だった処理が10秒に短縮
- MCPサーバーのコードが75%減った — 510行→129行。ツール追加が1行で済むようになった
- 複数Webサービスの死活監視が1分間隔で自動化された — ダウンしたら即通知
- 散在していた設定値の不整合を発見・修正した — 3種類のポート番号が混在する時限爆弾を解除
どれもClaude Codeの中に隠されていた設計思想がなければ、思いつかなかったか、思いついても実装方法がわからなかったものだ。以下がその全記録。
流出で発覚した未公開機能
それまでClaude Codeは難読化されたバンドル(cli.js 1ファイル)として配布されており、内部の設計思想を知る手段はなかった。公式ドキュメントには「何ができるか」は書いてあっても、「なぜそう作ったのか」「内部でどういう設計パターンを使っているのか」は一切公開されていなかった。
ソースを読んで驚いたのは、現在のClaude Code(v2.1.71)に既にコードとして含まれているが、フィーチャーフラグで無効化されている未リリース機能が複数あったことだ。
| 機能名 | ファイル | フィーチャーフラグ | 状態 |
|--------|---------|-----------------|------|
| CompanionSoul | buddy/companion.ts, buddy/types.ts | 不明(UI側で制御) | コード存在、一般未公開 |
| AutoDream | services/autoDream/autoDream.ts | tengu_onyx_plover | フラグでON/OFF制御 |
| Coordinator Mode | coordinator/coordinatorMode.ts | feature('COORDINATOR_MODE') + 環境変数 | フラグ+環境変数で制御 |
| Watcher | utils/hooks/fileChangedWatcher.ts | - | 内部利用中 |
つまりこれらはAnthropicが内部テスト中か、段階的ロールアウトを予定している機能だった。フィーチャーフラグが入っている以上、いずれ一般公開するつもりだった可能性が高い。
今回の流出がなければ、これらの機能の存在自体を知る方法はなかった。
実際のコードと、記事での応用の違い
正直に書いておくと、流出コードの実際の用途と、自分がプロジェクトに応用した形には違いがある。
CompanionSoulが最も違う。流出コードでの実態は、ユーザーIDのハッシュからペットのようなマスコットキャラを決定論的に生成するゲーミフィケーション機能だった:
- 種族: duck, goose, cat, dragon, octopus, owl, penguin, axolotl, capybara 等18種
- レアリティ: common(60%) / uncommon(25%) / rare(10%) / epic(4%) / legendary(1%)
- ステータス: DEBUGGING, PATIENCE, CHAOS, WISDOM, SNARK の5項目
- 装備: 帽子(crown, tophat, propeller, wizard等)、目のスタイル(·, ✦, ×, ◉等)
- Bones: hash(userId)から決定論的に生成される外見とステータス(不変)
- Soul: AIが生成するname + personality(configに保存)
自分はこの「Bones(決定論的な不変要素)+ Soul(蓄積される可変要素)」という2層構造の設計思想を抽出して、ビジネス向けの「AIエージェントに性格と学習記憶を持たせる」用途に拡大解釈して応用した。元ネタはマスコットキャラ生成だが、設計パターンとしては汎用的に使える。
AutoDreamはほぼそのまま。流出コードでも「24時間 + 5セッション経過で、バックグラウンドでメモリ統合を自動実行する」仕組みだった。自分はこれをcronベースの夜間KPI分析パイプラインとして応用した。
Coordinatorもほぼそのまま。流出コードではAgentツールでWorkerを並列起動し、SendMessageで継続、TaskStopで停止する完全なオーケストレーションシステムだった。
何を参考にして、何を作ったのか
自分は複数のWebサービスを1人で運営しているのだが、各サービスにAIエージェントを組み込んで自律的に改善させたいと思っていた。しかし以下の課題があった:
- AIの応答がセッションごとにブレる(昨日と今日で言っていることが違う)
- 過去の成功/失敗をAIが覚えていない(同じミスを何度も繰り返す)
- タスクが直列実行で遅い(並列にできるはずなのにやり方がわからない)
- MCPサーバーのツールが増えるたびにボイラープレートが爆増する
- 設定値が散在して、何が正しいのか誰もわからない状態
流出コードを読んで、Claude Codeがこれらの課題をまさに解決する設計パターンを持っていることに気づいた。「自分が欲しかったのはこれだ」と。
そこで6つのパターンを抽出し、PHP + Node.jsで自分のプロジェクトに実装した。以下がその全記録だ。
今後への期待
今回の実装で最も楽しみなのは CompanionSoulのSoul(学習記憶)が時間とともに育つこと だ。現時点では学習データはほぼ空の状態だが、AIがタスクを実行するたびに成功パターンと失敗教訓が ai_execution_memory テーブルに蓄積されていく。3ヶ月後、半年後には各エージェントが独自の「経験」を持った存在になっているはず。
また、Coordinatorパターンは現状まだ直列実行に近い形だが、PHPの非同期処理やキューシステムと組み合わせれば、本当の並列実行エンジンに進化させられる。
フィーチャーフラグで無効化されているAutoDreamやCoordinatorが正式にリリースされたとき、自分の実装とClaude Code公式の実装を比較してみるのも面白いだろう。
1. CompanionSoul — AIに「性格」と「記憶」を持たせるパターン
流出コードの実態
流出コードでのCompanionSoulは、前述のとおりマスコットキャラ生成機能だ。buddy/companion.tsを見ると、Mulberry32というシードPRNGを使って、ユーザーIDのハッシュから決定論的にキャラクターを生成している。
// 実際の流出コード(companion.ts)
const SALT = 'friend-2026-401'
function roll(userId: string): Roll {
const key = userId + SALT
const value = rollFrom(mulberry32(hashString(key)))
return value
}
CompanionBones(外見・ステータス)はhash(userId)から毎回再生成され、CompanionSoul(名前・性格)だけがconfigに保存される。Bonesを永続化しないことで、種族名の変更や配列の並び替えが既存データを壊さない設計になっている。
自分の応用: AIエージェントに性格と学習記憶を持たせる
この「Bones(決定論的・不変)+ Soul(蓄積・可変)」の2層構造を、ビジネス用途に転用した。
どんなときに使えるか
- 複数のAIエージェントを運用していて、それぞれに異なる「キャラ」を持たせたい
- AIの応答がセッションごとにブレるのを防ぎたい
- 過去の成功/失敗をAIが覚えていて、次回に活かしてほしい
たとえばECサイトの「接客AI」と、社内向けの「分析AI」に同じモデルを使っていても、Bonesで性格を分ければ片方はフレンドリーに、もう片方は堅めのトーンで応答する。さらにSoulで「この言い回しだとユーザーが離脱した」といった過去の教訓を蓄積すれば、AIが自律的に改善していく。
実装例: Bones(決定論的な性格生成)
class AiBuddy
{
private const SALT = 'your-project-salt-2026';
/**
* エージェントIDから決定論的にプロファイルを生成
* 同じIDなら何度呼んでも全く同じ性格が返る(ランダム性ゼロ)
*/
public function getProfile(int $agentId): array
{
$hash = md5($agentId . self::SALT);
$traits = [
'boldness' => (hexdec(substr($hash, 0, 2)) % 100) / 100,
'creativity' => (hexdec(substr($hash, 2, 2)) % 100) / 100,
'urgency' => (hexdec(substr($hash, 4, 2)) % 100) / 100,
'formality' => (hexdec(substr($hash, 6, 2)) % 100) / 100,
'analytical' => (hexdec(substr($hash, 8, 2)) % 100) / 100,
];
return [
'agent_id' => $agentId,
'traits' => $traits,
'communication_style' => $this->deriveCommunicationStyle($traits),
'decision_bias' => $this->deriveDecisionBias($traits),
];
}
}
元のClaude Codeでは種族やレアリティを決めていたが、自分のプロジェクトでは boldness, creativity, urgency 等のビジネス向け性格特性に置き換えた。ハッシュから決定論的に導出する核心部分は同じだ。
実装例: Soul(学習記憶の蓄積)
Claude CodeではCompanionSoulはAIが生成する名前と性格の文字列だったが、自分の応用ではDBテーブルに成功/失敗パターンを蓄積する形に拡張した:
CREATE TABLE ai_execution_memory (
id INT AUTO_INCREMENT PRIMARY KEY,
agent_name VARCHAR(50) NOT NULL,
memory_type ENUM('success_pattern', 'failure_lesson', 'context_note'),
title VARCHAR(200),
content TEXT,
relevance_score INT DEFAULT 50,
access_count INT DEFAULT 0,
created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);
タスク実行時にこのテーブルから読み込んでシステムプロンプトに注入する:
public function buildSoulPrompt(PDO $pdo, string $agentName, int $maxEntries = 10): string
{
$limit = (int)$maxEntries; // PDOのLIMIT ?はstring化するので直接埋め込む
$stmt = $pdo->prepare(
"SELECT memory_type, title, content
FROM ai_execution_memory
WHERE agent_name = ?
ORDER BY relevance_score DESC, created_at DESC
LIMIT {$limit}"
);
$stmt->execute([$agentName]);
$memories = $stmt->fetchAll(PDO::FETCH_ASSOC);
$successes = $failures = $contexts = [];
foreach ($memories as $mem) {
$line = "- {$mem['title']}: {$mem['content']}";
match ($mem['memory_type']) {
'success_pattern' => $successes[] = $line,
'failure_lesson' => $failures[] = $line,
default => $contexts[] = $line,
};
}
$prompt = "\n\n## 過去の学習記憶\n";
if ($successes) $prompt .= "### うまくいったパターン\n" . implode("\n", $successes) . "\n";
if ($failures) $prompt .= "### 失敗から学んだこと(繰り返さない)\n" . implode("\n", $failures) . "\n";
if ($contexts) $prompt .= "### 補足情報\n" . implode("\n", $contexts) . "\n";
return $prompt;
}
最後にBonesとSoulを結合する:
public function buildFullPrompt(array $profile, PDO $pdo, string $agentName): string
{
$bones = $this->buildPersonalityPrompt($profile); // 性格(不変)
$soul = $this->buildSoulPrompt($pdo, $agentName); // 記憶(成長する)
return $bones . $soul;
}
実測値として、Bones単体で約600文字、Soul追加で約1,200文字。この差分がAIの「経験」になる。
落とし穴: PDOのLIMITバインドバグ
// NG: LIMIT '10' になりMySQLでSQLエラー
$stmt = $pdo->prepare("SELECT ... LIMIT ?");
$stmt->execute([10]);
// OK: intキャストして直接埋め込み(値は内部由来なのでSQLi安全)
$limit = (int)$maxEntries;
$stmt = $pdo->prepare("SELECT ... LIMIT {$limit}");
PDOのプリペアドステートメントはバインド値をすべて文字列として扱う。LIMIT句はINTが必要なので、(int) キャストして直接埋め込むのが正解。
2. AutoDream — 夜間にAI分析を自動実行するパターン
流出コードの実態
services/autoDream/autoDream.ts に完全な実装がある。フィーチャーフラグ tengu_onyx_plover で制御されており、以下の3段階ゲートを順にチェックする:
- 時間ゲート: 前回の統合から24時間以上経過しているか
- セッションゲート: 前回以降に5セッション以上のトランスクリプトがあるか
- ロックゲート: 他のプロセスが統合中でないか
すべてのゲートを通過すると、runForkedAgent でバックグラウンドエージェントを起動し、過去のセッションを読み込んでメモリファイルを統合する。Bashツールは読み取り専用に制限される。
自分の応用: cronベースの夜間KPI分析
Claude Codeのゲート判定ロジックをcronベースの4フェーズパイプラインに変換した。
どんなときに使えるか
- 毎朝出社したら、昨日のデータ分析結果がSlackに届いていてほしい
- KPI・売上・エラーログなどをAIに要約させたい
- 「朝の定例会議」をAIレポートで置き換えたい
実装例: 4フェーズパイプライン
#!/bin/bash
# autodream.sh — 毎朝4:00にcronで実行
# フェーズ1: データ収集
mysql -e "SELECT COUNT(*) as signups FROM users WHERE created_at >= CURDATE() - INTERVAL 1 DAY" > /tmp/kpi.txt
curl -s "https://api.stripe.com/v1/charges?created[gte]=$(date -d yesterday +%s)" -u $STRIPE_KEY: >> /tmp/kpi.txt
# フェーズ2: AI分析(Claude API呼び出し)
ANALYSIS=$(curl -s https://api.anthropic.com/v1/messages \
-H "x-api-key: $CLAUDE_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d "{
\"model\": \"claude-sonnet-4-5-20250929\",
\"max_tokens\": 2048,
\"messages\": [{\"role\": \"user\", \"content\": \"以下のKPIデータを分析して改善提案を出して:\n$(cat /tmp/kpi.txt)\"}]
}" | jq -r '.content[0].text')
# フェーズ3: 結果を保存
echo "$ANALYSIS" > /var/log/ai-analysis/$(date +%Y-%m-%d).md
# フェーズ4: 通知(Slack/LINE/メール等)
curl -X POST "$SLACK_WEBHOOK" -d "{\"text\": \"📊 本日のAI分析レポート:\n$ANALYSIS\"}"
注意点: ローカルとサーバーでパスが違う問題
# 環境を自動判定して切り替える
if [ -d "/Users" ]; then
# macOS(ローカル開発)
DATA_DIR="$HOME/Projects/myapp/data"
LOG_DIR="$HOME/Projects/myapp/logs"
else
# Linux(本番サーバー)
DATA_DIR="/var/www/myapp/data"
LOG_DIR="/var/www/myapp/logs"
fi
3. Coordinator — サブタスクを並列実行するパターン
流出コードの実態
coordinator/coordinatorMode.ts には、Claude Codeの完全なオーケストレーションシステムが実装されている。環境変数 CLAUDE_CODE_COORDINATOR_MODE で有効化される。
流出したシステムプロンプトによると:
- AgentツールでWorkerを並列起動
- SendMessageで既存Workerにフォローアップ指示
- TaskStopで方向転換時にWorkerを停止
- 4フェーズワークフロー: Research(並列)→ Synthesis(Coordinator)→ Implementation(Worker)→ Verification(Worker)
- 「並列化はあなたの超能力。独立したWorkerは同時に起動しろ。直列化するな。」と明記
自分の応用
どんなときに使えるか
- 「月次レポート作成」→ 売上分析・ユーザー分析・技術分析を並列に走らせて最後にマージ
- 複数のAIエージェントにそれぞれ違うタスクを割り振りたい
- 処理時間を短縮したい(直列30秒 → 並列10秒)
実装例
class TaskCoordinator
{
public function processGoal(int $goalId): array
{
// 1. 実行可能なサブタスクを取得
$subtasks = $this->getReadySubtasks($goalId);
// 2. 依存関係のないタスクを抽出
$parallel = array_filter($subtasks, fn($t) => empty($t['depends_on']));
// 3. 各タスクにエージェント固有のプロンプトを付与して実行
$results = [];
foreach ($parallel as $subtask) {
$agentId = $subtask['agent_id'];
$profile = $this->buddy->getProfile($agentId);
$prompt = $this->buddy->buildFullPrompt($profile, $this->pdo, $subtask['agent_name']);
$results[] = $this->executeWithPrompt($subtask, $prompt);
}
// 4. 結果を統合
return $this->aggregateResults($goalId, $results);
}
}
ポイントはパターン1のCompanionSoulと組み合わせること。Coordinatorがタスクを実行するとき、そのタスクの担当エージェントのBones+Soulをシステムプロンプトに注入する。
4. Watcher — リアルタイム監視デーモン
流出コードの実態
utils/hooks/fileChangedWatcher.ts と hooks/useTaskListWatcher.ts で、ファイル変更やタスク状態の監視が実装されている。また services/teamMemorySync/watcher.ts ではチーム間のメモリ同期を監視している。
自分の応用: Webサービスの死活監視
どんなときに使えるか
- 自分が運営する複数のWebサービスをまとめて監視したい
- UptimeRobotなどの外部サービスに頼らず自前で監視したい
- ダウン検知→自動復旧(PM2 restart等)まで一気通貫でやりたい
実装例: Node.js + PM2
// watcher.js — PM2で常駐させる
const yaml = require('js-yaml');
const fs = require('fs');
// 監視対象をYAMLで管理(設定ファイル駆動)
const config = yaml.load(fs.readFileSync('services.yaml', 'utf8'));
async function checkHealth(url) {
try {
const res = await fetch(url, { signal: AbortSignal.timeout(10000) });
return res.ok ? 'ok' : `error:${res.status}`;
} catch (e) {
return `down:${e.message}`;
}
}
// 60秒間隔で全サービスをチェック
setInterval(async () => {
for (const svc of config.services) {
const status = await checkHealth(svc.url);
if (status !== 'ok') {
console.error(`[ALERT] ${svc.name}: ${status}`);
await notify(`⚠️ ${svc.name} がダウン: ${status}`);
}
}
}, 60000);
PM2で起動:
pm2 start watcher.js --name service-watcher
pm2 save
5. メタデータ駆動ツール定義 — MCPサーバーのボイラープレート75%削減
流出コードの設計思想
Claude Codeは各ツール(関数)をメタデータとして宣言的に定義していた。個別のハンドラ関数やswitch文ではなく、ツールの属性を構造化データとして持ち、共通エンジンがそこから自動でハンドラを生成する。
どんなときに使えるか
- MCPサーバーを自作していてツール数が10を超えた
- ツール追加のたびにswitch文・ハンドラ・型定義の3箇所を修正していて面倒
- 権限管理やカテゴリ分けをツール定義に含めたい
Before: 手続き的なMCPサーバー(510行)
const ACTION_MAP = {
'items_list': { action: 'items.list', method: 'GET' },
'items_get': { action: 'items.get', method: 'GET' },
// ... 35個分続く
};
server.setRequestHandler(CallToolRequestSchema, async (request) => {
switch (request.params.name) {
case 'items_list': return await handleItemsList(request);
// ... 35個分のswitch文
}
});
After: メタデータ駆動(129行)
const TOOLS = {
items_list: { apiAction: 'items.list', isReadOnly: true, category: 'items' },
items_get: { apiAction: 'items.get', isReadOnly: true, category: 'items' },
items_create: { apiAction: 'items.create', isReadOnly: false, category: 'items' },
checkout_create: {
apiAction: 'checkout.create',
isReadOnly: false,
category: 'checkout',
requiredRoles: ['buyer'],
},
};
const { createMcpServer } = require('./mcp-core');
createMcpServer('my-service', TOOLS);
510行 → 129行(75%削減)。
6. 設定値の一貫性チェック — 「動いている」と「正しい」は別
流出コードから得た教訓
流出コードを読んで自分のプロジェクトの設定を見直した結果、AIプロキシのポート番号が3種類に分散していることが発覚した。
| ファイル | 設定値 | 実態 |
|---------|--------|------|
| proxy-server.js | 3456(デフォルト) | PM2で3457に上書きして動作 |
| config.php | 3005(古い値) | 実はつながっていなかった |
| coordinator.php | 3457 | 正しい |
システムが「動いていた」のは、PM2の起動コマンドで PORT=3457 を明示的に指定していたから。
チェック方法
grep -rn ':3005\|:3456\|:3457' --include='*.php' --include='*.js' --include='*.sh' .
7ファイルを一括修正して統一した。「動いている」≠「正しく設定されている」。PM2やDockerが再起動してデフォルト値にフォールバックした瞬間に壊れる時限爆弾だった。
まとめ
| # | パターン | 流出コードの実態 | 自分の応用 |
|---|---------|----------------|-----------|
| 1 | CompanionSoul | マスコットキャラ生成(duck等18種+レアリティ) | AIエージェントの性格+学習記憶 |
| 2 | AutoDream | 24h+5セッションでメモリ自動統合 | cronベースの夜間KPI分析 |
| 3 | Coordinator | Worker並列オーケストレーション | Goal→Subtask並列実行 |
| 4 | Watcher | ファイル変更・タスク状態監視 | 複数サービスの死活監視 |
| 5 | メタデータ駆動 | ツールの宣言的定義 | MCPサーバーのコード75%削減 |
| 6 | 設定の一貫性 | (自分のプロジェクトで発覚) | 7ファイルのポート番号統一 |
今回の流出が意図されたものでないことは明らかだし、Anthropicにとっては不本意だろう。ただエンジニアとして言えるのは、ソースコードを読むことの価値は、APIドキュメントからは得られない設計思想を直接学べる点にある。
CompanionSoulの「Bones + Soul」2層構造は、マスコットキャラという遊び心のある用途に使われていたが、その設計パターン自体はビジネスAIにも、ゲーム開発にも、どんな文脈にも応用できる。AutoDreamの3段階ゲート(時間→セッション数→ロック)は、バッチ処理の設計として教科書に載せたいレベルだ。
フィーチャーフラグの裏に隠されたこれらの機能が正式リリースされる日を楽しみにしている。そのとき、自分の「いいとこどり実装」がどれだけ本家に近かったか答え合わせができるだろう。