ほとんどの開発者はClaude Code、Codex、Cursorをせいぜい30%の能力で — デフォルト設定での基本的なチャットベースのコード生成 — 使っている。Everything Claude Code（ECC）は、これらのツールをチャットボットではなく、完全なAIエージェントオーケストレーションプラットフォームとして扱うオープンソースの構成システムだ。84,000以上のGitHubスター、108以上のスキル、25以上の専門エージェント、そしてセッションをまたいで賢くなる継続学習システムを持つ。

チームがAI支援開発に投資していてECCのアーキテクチャを評価していないなら、重要な能力をテーブルに残している。

ハッカソン優勝から84kスターへ

Everything Claude Codeは一つの賭けから始まった。2025年9月、Affaan Mustafaとチームメイトの@DRodriguezFXはニューヨークで開催されたAnthropic × Forum Venturesハッカソンに参加した。100以上の競争チームの中で、彼らはClaude Codeだけを使って8時間で完全なAIプロダクト — zenith.chat — を構築した。彼らは1位を獲得し、15,000ドルのAnthropic APIクレジット賞を受け取った。

優勝を決めたのは斬新なアルゴリズムではなかった。Affaanが日々の本番使用を通じて蓄積してきた10か月のClaude Code構成の洗練だった。勝利後、彼はシステム全体をオープンソース化した。

Affaanの経歴はここで重要だ。彼はItô（予測市場アグリゲーター）の共同創業者、elizaOS（Web3で最も広く使われるAIエージェントフレームワーク、17k以上のスター）のコアコントリビューターであり、以前に7万人の同時視聴者と3,800万ドルのピークFDVに達した自律取引エージェントを構築した。彼はエージェントシステムを知っている。

リポジトリは2026年1月17日に9エージェント、14コマンド、11スキルでローンチされた。1月末までに50,000スターに達した。2026年3月時点で: 84,000以上のスター、30以上のコントリビューター、5言語への翻訳、997の合格テスト。GitHub史上で最も急速に成長する開発者ツールリポジトリの一つだ。

4層アーキテクチャ

ECCはヒントの寄せ集めではない。それぞれが下の層に基づいて構築される4つの明確な層を持つ構造化システムだ。このアーキテクチャを理解することが、Everything Claude Codeが機能する理由を理解する鍵だ。

第1層: ユーザーインタラクション — コマンドとルール

57以上のスラッシュコマンドが構造化ワークフローへのエントリポイントとして機能する:

  • コアワークフロー: /plan、/tdd、/e2eがタスク計画、テスト駆動開発、エンドツーエンドテスト用
  • コード品質: /code-review、/build-fix、/refactor-cleanがレビューと修復用
  • マルチエージェント: /multi-plan、/multi-execute、/orchestrateが並列エージェント作業の調整用
  • 学習: /learn-eval、/evolveがパターン抽出とスキル進化用

ルールは言語別に整理された常時ロードのガイドライン — 共通規約に加えてTypeScript、Python、Go、Swift、PHPなどの言語別セット。これらはコーディングスタイル、gitワークフロー、テスト要件（デフォルトのTDDカバレッジ80%）、パフォーマンスパターン、セキュリティプラクティスをカバーする。

第2層: インテリジェンス — エージェントとスキル

ここでClaude Codeの構成が面白くなる。ECCは25以上の専門エージェントを明示的な責任境界と制限されたツール権限で定義する:

  • オーケストレータ（Planner、Architect）は広いツールアクセスを持ち、他のエージェントに委任できる
  • 品質エージェント（Code Reviewer、Security Reviewer、Database Reviewer）は読み取り専用で動作
  • ビルダー（TDD Guide、Build Error Resolver、E2E Runner）が実装を処理
  • 言語スペシャリスト（Go Reviewer、Python Reviewer）が的を絞った分析を提供

108以上のClaude Codeスキルはオンデマンドでロードされるドメイン知識モジュールだ — 呼び出されるまでコンテキストトークンを消費しない。スキルはバックエンドパターン、フロントエンドパターン、データベース移行、API設計、Docker、デプロイ、セキュリティスキャン、Django、Laravel、Spring Boot、Swift、C++、Perlのフレームワーク別ワークフローをカバー。

エージェント/スキルの分離はクリーンだ: エージェントは誰が作業を行いどんな権限を持つかを定義し、スキルはドメイン知識と手順を定義する。

第3層: 自動化 — フックとスクリプト

イベント駆動のフックがライフサイクルステージで発火する — PreToolUse、PostToolUse、SessionStart、SessionEnd、PreCompact、Stop。これらはクロスプラットフォームのNode.jsスクリプトで（以前のバージョンは脆弱なbashワンライナーを使っていた）、ランタイム制御を持つ:

ECC_HOOK_PROFILE=minimal|standard|strict
ECC_DISABLED_HOOKS=hook1,hook2

これにより、品質ゲートがツール実行前に自動的に実行され、実行後に結果が検証され、セッション開始時にコンテキストがロードされ、セッション終了時にパターンが抽出される — 手動介入なしで。

第4層: 学習 — 新しい部分

これがEverything Claude Codeを整然としたdotfilesリポジトリから分けるものだ。

継続学習システム

ECCは2つの世代でセッションをまたぐ知識蓄積を実装している:

**バージョン1（スキルベース）**はセッション終了時にStopフック経由でコーディングパターンを抽出し、~/.claude/skills/learned/に保存する。学習可能なパターンの約50〜80%をカバーする。

**バージョン2（instinctベース）**はより野心的だ。PreToolUseとPostToolUseフックを通じてすべてのツールインタラクションを観察することで100%のカバレッジを達成する。各学習単位は「Instinct」 — 0.3から0.9の信頼度スコアを持つマイクロパターンだ。システムが3以上の関連するinstinctを蓄積すると、/evolveコマンドがそれらを再利用可能なSkillモジュールに集約する。

実用上の効果: Claude Codeのセットアップが使うほど測定可能に良くなる。機能するパターンは強化される。失敗するパターンは重みを下げる。チームはinstinctライブラリをインポート・エクスポートでき、ある開発者の苦労して得たパターンがチーム全体に移転する。

これはAIコーディングアシスタントのセットアップ空間に対する真に斬新な貢献だ。ほとんどの構成システムは静的だ — 一度セットアップして手動で維持する。ECCの学習層は動的で自己改善する。

エンタープライズチームが注目すべき理由

クロスハーネス互換性

Claude Code向けに生まれたが、ECCは今やClaude Code、Codex (OpenAI)、Cursor、OpenCode、Cowork、Antigravity全体で機能する。同じスキル、エージェント、パターンがツール間を移行する。複数のAIコーディングアシスタントを評価している、またはベンダーロックインをヘッジしているチームにとって、これは重要だ — AIエージェントハーネスへの投資が単一プラットフォームに縛られない。

セキュリティ: AgentShield

AgentShield統合（/security-scan）は1,282のテストとAIエージェントシステム専用に設計された102のセキュリティルールを提供する。これは汎用SASTではない — エージェントAIに特有の新たな攻撃面を狙う: プロンプトインジェクション、ツール誤用、エージェント委任を通じた権限昇格、コンテキストウィンドウを通じたデータ持ち出し。

AgentShieldはCerebral Valley × Anthropicイベントで紹介され、実質的なギャップに対処する。AIエージェントがファイルシステム、API、データベースへのアクセスを持つ本番に移行するにつれて、目的構築のセキュリティスキャンが不可欠になる。

本番検証

ECCは理論ではない。以下で検証されている:

  • Anthropicハッカソンでの優勝 — 8時間で完全なプロダクトを構築
  • 10か月以上の本番使用で実プロダクトを構築
  • 997の内部テストがエージェント、スキル、フック、パッケージングをカバー
  • 84,000以上のスターと30以上のコントリビューターが継続的フィードバックを提供
  • 2つのバイラルガイド（速報版と詳細版）が300万以上の追跡ビューと推定1,000万以上のクロスプラットフォームリーチ

はじめに

ECCはクロスプラットフォームサポートでnpm経由でインストール:

  1. リポジトリをクローン、またはecc-universal（npmパッケージ）経由でインストール
  2. フックプロファイルを選択 — minimalは低オーバーヘッド、standardはほとんどのチーム、strictは最大品質ゲート
  3. コアコマンドで開始: タスク分解は/plan、テスト駆動開発は/tdd、自動レビューは/code-review
  4. 継続学習システム（v2 instincts）が時間をかけてチームのパターンライブラリを構築するに任せる
  5. エージェントアクセスを持つものを本番システムに出荷する前に/security-scan経由でAgentShieldを実行

リポジトリにはGitHub Marketplaceアプリ経由で無料、プロ、エンタープライズティアのClaude Codeプラグインが含まれる。エージェント、スキル、コマンド、ルール、フック、翻訳のコントリビューションテンプレートが存在する。

Affaanが執筆した2つのガイド — Shorthand Guide（セットアップと哲学）とLongform Guide（トークン最適化、メモリ永続化、evals、並列化） — はカスタマイズに取り組む前の必読だ。

当社の見解

Big Hat Groupでは、OpenClawや類似プラットフォームを通じてAIエージェントをデプロイするエンタープライズチームと協力している。ECCのアーキテクチャは当社が日々使用するパターンに直接マッピングする — OpenClawは既に同様のスキルシステムを実行しており、多くのECCスキルは直接互換だ。

4層モデル（インタラクション → インテリジェンス → 自動化 → 学習）は、エージェントハーネスエンジニアリングを一つの規律として捉えるための、これまで見た中で最も明確なメンタルフレームワークだ。ECC以前、AIコーディングアシスタントの構成はアドホックだった — 散在するヒント、個別の設定ファイル、フォーラム投稿。ECCはこれを構造化され移転可能なものに形式化した。

チームがClaude Code、Codex、または同等のAIコーディングアシスタントを使用しているなら、Everything Claude Codeのパターンを評価すべきだ。システム全体を採用する必要はない — エージェント委任モデルや継続学習アーキテクチャを選り取りするだけでも、AI支援開発ワークフローは改善される。

リポジトリはMITライセンスでアクティブに維持されている: github.com/affaan-m/everything-claude-code。