Spec-driven Development入門:AI時代に効く「仕様中心」開発とGitHubがSpec Kitをリリース

AIエージェント・ワークフロー

▼ 人気記事

 


  • AI開発/PoC/AIコンサルティング、ワークフロー開発のご相談
  • 売上成長を3-5倍にするマーケティング支援
  • AIによるコスト削減と成長の設計と実行の伴走を行います

お問合せはこちらから


 

AINOW(エーアイナウ)編集部です。Githubが2025年9月3日に発表した、Spec Kit。生成AIが書くコードは高速ですが、意図とズレる、設計が合わない、保守に耐えない──そんな悩みを減らす鍵がspec-driven development(仕様中心開発)です。本稿は英語版原稿を踏襲しつつ、Spec Kitというオープンソースのツールキットを軸に、4つのフェーズ(Specify/Plan/Tasks/Implement)、導入手順、なぜ有効か、どの場面で効くか、そして今後の展望までを実践的に解説します。

この記事のサマリー

  • spec-drivenは「仕様を唯一の真実」に据え、AI出力のブレを減らす。
  • Spec Kitは4フェーズを手順化し、計画・タスク化・検証を自動支援。
  • グリーンフィールド、機能追加、レガシー刷新で特に効果が高い。

spec-driven developmentとは何か:コードより先に意図を固定する

spec-driven developmentの概要

spec-driven developmentは、まず仕様(spec)を作り、それを唯一の参照点として計画、タスク、実装を進める開発手法です。やりたいことや設計思想に関してはAmazonの提供するKiroに近いものがありますね。

仕様は静的文書ではなく、プロジェクトとともに育つ実行可能なアーティファクト。AIツール(例:GitHub CopilotClaude CodeGemini CLI)が仕様を読み取り、設計の逸脱を抑えます。

Spec-driven development with AI: Get started with a new open source toolkit
Developers can use their AI tool of choice for spec-driven development with this open source toolkit.

なぜ「仕様中心」か

LLMは推測に強いが、前提の欠落には弱い。先に仕様で境界・成功条件・ユーザ体験を言語化することで、曖昧なプロンプトによる意図ミスを減らし、差分検証を容易にします。

Spec Kitとは

Spec Kitは、仕様→計画→タスク→実装を一連のコマンドで運用するOSSツールキットです。使い慣れたAIコーディングツールと併用でき、チェックポイントごとに検証を挟む運用を支援します。

4つのフェーズ:Specify / Plan / Tasks / Implement

4フェーズの流れ

英語版の骨子に沿って、各フェーズの目的と通過条件を整理します。次に進むのは、現フェーズの妥当性が確認された後です。

1) Specify:何を・なぜ作るか

ユーザ像、課題、成功指標、体験フローを明確化。スタックやUI詳細は置き、まず「意図=インテント」を固めます。ここが曖昧だと後工程が揺らぎます。

2) Plan:どう作るか

採用スタック、アーキテクチャ、SLO/非機能、制約、レギュレーション、既存システム連携、デザインシステムの準拠などを整理。複数案を比較検討し、選定理由を残します。

3) Tasks:作業を小さく分解する

仕様と計画を具体的タスクに分割。「レビュー可能な最小差分」を意識し、検証ポイントを明示します。例:「メール形式を検証するユーザ登録APIを追加」。

4) Implement:検証を挟みながら実装

AIはコードを出し、人は合意済みの仕様・計画・タスクに照らして妥当性をレビュー。巨大な差分より、小さく正しい差分を積み上げます。

セットアップ:Spec Kitの導入と基本コマンド

Spec Kitのセットアップ

導入はシンプルです。まずプロジェクトを初期化し、仕様・計画・タスクの器を作ります。

初期化

uvxを使った例:
uvx --from git+https://github.com/github/spec-kit.git specify init <PROJECT_NAME>

主要コマンド

/specifyで高レベルの要件から仕様を生成。/planで技術計画を作成。/tasksでタスクに分解。以降はタスク単位で実装・検証を進めます。

なぜ効くのか:曖昧プロンプトの限界を超える

なぜ有効かの理由

LLMは「パターンの補完」には強いが「前提の推測」には限界があります。仕様・計画・タスクを先に用意すると、AIは「何を」「どう」「どの順で」作るかを誤解しにくく、スタックが変わっても原理は同じです。大規模組織では、セキュリティやコンプライアンス、デザイン規約など、散逸しやすい要件を仕様と計画に集約し、AIが参照できる形にします。

反復の力

方向転換も簡単です。仕様を更新→計画を再生成→タスクを組み直す。大きな作り直しではなく、合意の更新により軌道修正します。

どこで特に効くか:3つのシナリオ

効果が高い3シナリオ

英語版の観点を踏襲し、以下の3シーンで効果が高いことが示されています。

1) グリーンフィールド(0→1)

小さな初期投資で、仕様と計画を先に整えることで、AIが「あなたの意図」に沿って作ります。「よくある実装」に流されにくくなります。

2) 既存機能の追加(N→N+1)

もっとも力を発揮。複雑なコードベースに新機能を追加する際、仕様で接点を定義し、計画で制約と依存を明示。新しいコードが「馴染む」ように設計できます。

3) レガシー刷新

失われた意図を仕様で再構成し、計画で新アーキテクチャを設計。AIが下支えすることで、負債を持ち越さずに段階的に置き換えられます。

今後の実装は何が大切?コードから「意図」が唯一の真実へ

今後の展望

「コードが唯一の真実」から、「意図・設計が唯一の真実」へ。AIにより仕様は実行可能となり、何が作られるかを規定します。Spec Kitはその転換を現実のワークフローで実践する試みであり、VS Code連携、実装比較、組織的スケールの運用など、今後の拡張領域が示されています。

関連ガイド:Cursor AIGitHub CopilotClaude CodeClaude CodeレビューGemini CLI

あなたの現場でも、仕様を中心に据えるだけで、AIが生み出すスピードと、現実の制約の両立がぐっと簡単になります。今日、仕様作成から始めてみましょう。

サービスが見つかりません。

Copied title and URL