マルチプロバイダーサポート：AIバックエンドを選択

CCJKはプロバイダーに依存しない設計になっています。Claudeに最適化されていますが、複数のAIプロバイダーをサポートしており、ニーズに最適なモデルを選択できる柔軟性があります。

サポートされているプロバイダー

プロバイダー	モデル	最適な用途
Anthropic	Claude 3.5 Sonnet、Claude 3 Opus	複雑な推論、コード生成
OpenAI	GPT-4、GPT-4 Turbo、GPT-3.5	一般的なタスク、広範な互換性
Google	Gemini Pro、Gemini Ultra	マルチモーダルタスク
Local	Ollama、LM Studio	プライバシー、オフライン使用
Azure	Azure OpenAI	エンタープライズコンプライアンス

設定

基本プロバイダーセットアップ

hljs yaml
# .claude/config.yaml
providers:
  default: anthropic

  anthropic:
    api_key: ${ANTHROPIC_API_KEY}
    model: claude-sonnet-4-20250514
    max_tokens: 8192

  openai:
    api_key: ${OPENAI_API_KEY}
    model: gpt-4-turbo-preview
    max_tokens: 4096

  google:
    api_key: ${GOOGLE_API_KEY}
    model: gemini-pro

  local:
    endpoint: http://localhost:11434
    model: codellama:13b

環境変数

hljs bash
# .env またはシェルプロファイル
export ANTHROPIC_API_KEY="sk-ant-..."
export OPENAI_API_KEY="sk-..."
export GOOGLE_API_KEY="..."

プロバイダーの切り替え

コマンドライン

hljs bash
# デフォルトプロバイダーを使用
ccjk

# プロバイダーを指定
ccjk --provider openai

# モデルを指定
ccjk --provider anthropic --model claude-3-opus-20240229

セッション内での切り替え

あなた：/provider openai
OpenAI（gpt-4-turbo-preview）に切り替えました

あなた：/provider anthropic
Anthropic（claude-sonnet-4-20250514）に切り替えました

あなた：/model claude-3-opus-20240229
claude-3-opus-20240229に切り替えました

タスクごとのプロバイダー

hljs yaml
# .claude/skills/complex-analysis.yaml
name: complex-analysis
provider: anthropic
model: claude-3-opus-20240229  # 複雑なタスクにはOpusを使用

prompt: |
  以下の詳細な分析を実行してください...

プロバイダー固有の機能

Anthropic（Claude）

最適な用途：

• 複雑なコード生成
• マルチファイルリファクタリング
• 繊細なコードレビュー

設定：

hljs yaml
anthropic:
  model: claude-sonnet-4-20250514
  max_tokens: 8192
  features:
    extended_thinking: true  # 複雑な問題用
    artifacts: true          # 構造化された出力用

OpenAI（GPT-4）

最適な用途：

• クイックタスク
• 広範な言語サポート
• 関数呼び出し

設定：

hljs yaml
openai:
  model: gpt-4-turbo-preview
  max_tokens: 4096
  features:
    json_mode: true
    function_calling: true
    vision: true  # GPT-4V用

Google（Gemini）

最適な用途：

• マルチモーダルタスク
• 長いコンテキストウィンドウ
• Google Cloud統合

設定：

hljs yaml
google:
  model: gemini-pro
  max_tokens: 32768
  features:
    multimodal: true
    long_context: true

ローカルモデル（Ollama）

最適な用途：

• プライバシー重視の開発
• オフライン作業
• カスタムモデル

設定：

hljs yaml
local:
  endpoint: http://localhost:11434
  model: codellama:13b
  features:
    offline: true
    custom_models: true

Azure OpenAI

最適な用途：

• エンタープライズコンプライアンス
• 既存のAzureインフラストラクチャ
• 地域データ要件

設定：

hljs yaml
azure:
  endpoint: https://your-resource.openai.azure.com/
  api_key: ${AZURE_OPENAI_KEY}
  deployment: gpt-4-deployment
  api_version: "2024-02-15-preview"

プロバイダーの比較

パフォーマンス比較

タスク	Claude Sonnet	GPT-4 Turbo	Gemini Pro
コード生成	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
コードレビュー	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
リファクタリング	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
テスト生成	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
ドキュメント	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐
デバッグ	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
速度	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
コスト	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐

コスト比較

hljs yaml
# 概算コスト（100万トークンあたり）
pricing:
  anthropic:
    claude-sonnet-4: $3.00 入力 / $15.00 出力
    claude-opus: $15.00 入力 / $75.00 出力

  openai:
    gpt-4-turbo: $10.00 入力 / $30.00 出力
    gpt-3.5-turbo: $0.50 入力 / $1.50 出力

  google:
    gemini-pro: $0.50 入力 / $1.50 出力

  local:
    ollama: 無料（ハードウェアコストのみ）

高度な設定

フォールバック戦略

hljs yaml
# .claude/config.yaml
providers:
  default: anthropic

  fallback_chain:
    - anthropic
    - openai
    - google
    - local

  retry_policy:
    max_attempts: 3
    backoff: exponential
    timeout: 30s

ロードバランシング

hljs yaml
load_balancing:
  strategy: round_robin  # または weighted, least_latency
  providers:
    - name: anthropic
      weight: 50
    - name: openai
      weight: 30
    - name: google
      weight: 20

タスクベースのルーティング

hljs yaml
routing:
  rules:
    - task: code_generation
      provider: anthropic
      model: claude-sonnet-4-20250514

    - task: quick_questions
      provider: openai
      model: gpt-3.5-turbo

    - task: long_context
      provider: google
      model: gemini-pro

    - task: offline
      provider: local
      model: codellama:13b

プロバイダー固有の最適化

Anthropic最適化

hljs yaml
anthropic:
  model: claude-sonnet-4-20250514
  optimizations:
    # 複雑なタスクに拡張思考を使用
    use_extended_thinking: true

    # 構造化された出力にアーティファクトを使用
    use_artifacts: true

    # プロンプトキャッシングを有効化
    enable_prompt_caching: true

    # 最適なトークン使用
    max_tokens: 8192

OpenAI最適化

hljs yaml
openai:
  model: gpt-4-turbo-preview
  optimizations:
    # 構造化された出力にJSONモードを使用
    json_mode: true

    # ツール統合に関数呼び出しを使用
    function_calling: true

    # 応答時間を改善
    stream: true

    # コストを削減
    max_tokens: 4096

ローカルモデル最適化

hljs yaml
local:
  endpoint: http://localhost:11434
  model: codellama:13b
  optimizations:
    # GPUアクセラレーションを有効化
    gpu_layers: 35

    # コンテキストサイズを増やす
    context_size: 8192

    # バッチ処理を使用
    batch_size: 512

    # スレッドを最適化
    threads: 8

モニタリングとメトリクス

使用状況の追跡

hljs yaml
# .claude/monitoring.yaml
tracking:
  enabled: true
  metrics:
    - provider_usage
    - token_consumption
    - response_time
    - error_rate
    - cost_estimation

  export:
    format: json
    interval: daily
    destination: .claude/metrics/

コスト管理

hljs yaml
cost_management:
  budget:
    daily: 10.00
    monthly: 200.00
    currency: USD

  alerts:
    - threshold: 80%
      action: notify
    - threshold: 100%
      action: switch_to_cheaper_provider

  optimization:
    auto_switch: true
    prefer_cheaper: true
    cache_responses: true

ベストプラクティス

1. 適切なプロバイダーを選択

hljs yaml
# タスクに基づいてプロバイダーを選択
tasks:
  complex_reasoning:
    provider: anthropic
    model: claude-3-opus-20240229

  quick_tasks:
    provider: openai
    model: gpt-3.5-turbo

  long_documents:
    provider: google
    model: gemini-pro

  offline_work:
    provider: local
    model: codellama:13b

2. コストを最適化

hljs yaml
cost_optimization:
  # 安価なモデルから始める
  default: gpt-3.5-turbo

  # 必要に応じてアップグレード
  upgrade_conditions:
    - complexity: high
    - context_length: > 4000
    - task_type: code_generation

3. 応答をキャッシュ

hljs yaml
caching:
  enabled: true
  ttl: 3600  # 1時間
  strategies:
    - prompt_caching  # 同じプロンプト
    - response_caching  # 同じ応答
    - context_caching  # 同じコンテキスト

4. フォールバックを実装

hljs yaml
fallback:
  enabled: true
  chain:
    - primary: anthropic
      fallback: openai
      condition: rate_limit

    - primary: openai
      fallback: google
      condition: timeout

    - primary: google
      fallback: local
      condition: network_error

トラブルシューティング

一般的な問題

問題1：APIキーエラー

hljs bash
# APIキーを確認
echo $ANTHROPIC_API_KEY
echo $OPENAI_API_KEY

# 設定を検証
ccjk config validate

問題2：レート制限

hljs yaml
# レート制限を設定
rate_limiting:
  anthropic:
    requests_per_minute: 50
    tokens_per_minute: 100000

  openai:
    requests_per_minute: 60
    tokens_per_minute: 150000

問題3：接続エラー

hljs yaml
# リトライ設定
retry:
  max_attempts: 3
  backoff: exponential
  timeout: 30s
  on_error:
    - network_error
    - timeout
    - rate_limit

移行ガイド

プロバイダー間の移行

hljs bash
# 現在の設定をエクスポート
ccjk config export --provider anthropic > anthropic-config.yaml

# 新しいプロバイダー用に変換
ccjk config convert \
  --from anthropic-config.yaml \
  --to openai \
  --output openai-config.yaml

# 新しい設定をインポート
ccjk config import openai-config.yaml

段階的な移行

hljs yaml
# 段階1：両方のプロバイダーを設定
providers:
  - anthropic  # 既存
  - openai     # 新規

# 段階2：新しいプロバイダーをテスト
test_mode:
  enabled: true
  provider: openai
  compare_with: anthropic

# 段階3：徐々に移行
migration:
  strategy: gradual
  percentage: 10  # 10%のトラフィックから始める
  increase_rate: 10  # 毎日10%増加

まとめ

CCJKのマルチプロバイダーサポートにより、柔軟性とコスト最適化が可能になります：

1. 複数のプロバイダー：Anthropic、OpenAI、Google、ローカルモデルをサポート
2. 簡単な切り替え：コマンドラインまたは設定で切り替え
3. タスクベースのルーティング：タスクに最適なプロバイダーを使用
4. コスト管理：予算を設定してコストを追跡
5. フォールバック：信頼性のためのフォールバック戦略
6. 最適化：各プロバイダーに固有の最適化

ニーズ、予算、要件に基づいて適切なプロバイダーを選択してください。

よくある質問

複数のプロバイダーを同時に使用できますか？

はい、タスクベースのルーティングまたはロードバランシングで複数のプロバイダーを使用できます。

どのプロバイダーが最もコスト効率が良いですか？

Gemini ProとGPT-3.5 Turboが最もコスト効率が良いですが、タスクの複雑さによって異なります。

ローカルモデルはクラウドモデルと同じくらい良いですか？

ローカルモデルはプライバシーとオフライン使用に優れていますが、複雑なタスクではクラウドモデルの方が優れています。

プロバイダーを簡単に切り替えられますか？

はい、CCJKはプロバイダー間のシームレスな切り替えをサポートしており、設定の移行ツールも提供しています。