OpenCode 使い方ガイド：導入・モデル接続から料金確認まで

まずは、内容を把握しているバグと、すでに持っているモデルのアカウントで試しましょう。実際の修正内容と費用を確認してから、コーディング用のサブスクリプションを追加する価値があるか判断できます。

OpenCodeで何ができる？

OpenCodeは、ターミナルのインターフェースを通じてプロジェクトを読み取り、ファイルを編集し、コマンドを実行します。ターミナルが作業台で、接続するモデルがエンジンに当たります。エンジンを替えれば、推論の特性、速度、料金も変わります。作業対象となるリポジトリはそのままです。OpenCodeの概要、Ollamaとの連携

プロバイダーは、モデルを提供するサービスです。APIキーは、プログラムがそのサービスを利用し、紐づく請求アカウントに料金を計上するための認証情報です。ローカルモデルは、自分のマシン上の推論サーバーで動作します。これらは、エージェントの操作画面を選ぶこととは別に検討する項目です。

プロバイダーとの互換性も、実際のタスクで確かめる必要があります。ツール呼び出しとは、ファイルの読み取りやコマンドの実行といった操作をモデルが要求することです。OpenCodeは、ツール呼び出しとコード生成の両方をうまくこなせるモデルは比較的少ないと説明しています。大規模なリファクタリングを任せる前に、小さなタスクでモデルを見極めましょう。モデル選びの指針

OpenCodeをインストールしてプロジェクトを開く

公式ドキュメントに沿ってインストールし、作業したいリポジトリ内で起動します。Node.jsとnpmが導入済みなら、ドキュメントに記載されているパッケージでのインストール方法は次のとおりです。

npm install -g opencode-ai
cd /path/to/project
opencode

プロジェクトのパスは自分の環境に置き換えてください。ドキュメントにはcurl -fsSL https://opencode.ai/install | bashも記載されています。Homebrewでは、brew install anomalyco/tap/opencodeのtapが推奨されています。インストール方法はいずれかを選びます。Windowsでは、Linuxツールを実行できる環境であるWSLが推奨されており、npm、Chocolatey、Scoopでの導入方法も案内されています。公式のインストール・初回起動手順

起動すると、ターミナル内にテキストベースの操作画面であるTUIが開きます。/で始まるコマンド（/connectなど）は、この画面内で実行します。opencodeで始まるコマンド（opencode statsなど）は、シェルで実行します。

Gitリポジトリを使い、新しいブランチで作業を始めましょう。Gitが変更を記録するため、コミットする前に、追加・削除された行を示す**差分（diff）**を確認できます。

契約済みのモデルサービスを接続する

/connectを実行してプロバイダーを選び、ドキュメントに記載された認証手順を完了します。その後、/modelsでモデルを選択します。主要なプロバイダーはあらかじめ設定されていますが、独自のエンドポイントやローカルサーバーでは追加設定が必要になる場合があります。モデルの選択方法

これはOpenCodeの公開プロバイダーページに記載された接続方法です。個々の有料アカウントで利用できる内容を保証するものではありません。プロバイダー別の接続手順

チャットのサブスクリプションに、API利用枠が自動的に含まれるわけではありません。 Anthropicは、Claude ProにはClaude ConsoleのAPI利用が含まれないと説明しています。OpenCodeのAnthropic向けの項目でも、Claude Pro/Maxの認証プラグインについて警告しています。この接続ではAnthropicのAPIキーを使うか、サブスクリプションを使いたい場合はClaude Codeを利用します。OpenAIも、APIのトークン料金とサブスクリプションでの利用を区別しています。Claude Proの課金について、OpenCodeのAnthropicに関する注意事項、OpenAIのサブスクリプションとAPI料金

Ollamaを使う場合は、OllamaとOpenCodeをインストールしてからollama launch opencodeを実行し、ローカルモデルを選びます。セッションを開かずに設定だけ行うには、ollama launch opencode --configを使えます。ランチャーにはローカルモデルとクラウドモデルの両方が表示されるので、意図した実行先を選びましょう。OllamaでのOpenCode設定

ローカル接続を手動で設定する場合、OpenCodeのプロバイダー設定例では@ai-sdk/openai-compatible、ローカルアドレスのhttp://localhost:11434/v1、配信するモデルと一致するモデルIDを使います。LM Studioには専用の設定例があります。一覧にないOpenAI互換サービスでは、/connect → Otherを選び、対応するプロバイダーID、アドレス、モデル設定をopencode.jsonに記載します。ローカル・カスタムプロバイダーの設定

OpenCode 使い方ガイド：最初の実務タスクを進める

エージェントを動かす前に、正しい動作を説明できるバグを選びます。たとえば、空のメールアドレスを受け付けてしまう登録フォームは、アプリケーション全体の再設計よりも初回のタスクに向いています。

まず、プロジェクトを初期化します。 /initを実行すると、今後のエージェントセッションに向けた指示を記載するMarkdownファイル、AGENTS.mdが作成または更新されます。内容を読み、コマンドや前提に誤りがあれば修正してから先に進みましょう。プロジェクトの初期化

次に、計画を立ててもらいます。 Tabを押してPlanを選択します。@で、リポジトリ内の実際の実装ファイルやテストファイルを参照します。メールアドレスのバグなら、次のように依頼できます。

これはタスクの依頼例であり、テストを実施した結果ではありません。自分のプロジェクトにあるバグとファイルに置き換えてください。Planは権限設定によって編集やシェルコマンドを制限しますが、隔離された実行環境ではありません。エージェントとPlanの動作、ファイルの参照方法

続いて、合意した範囲を実装します。 TabでBuildに切り替え、バグを再現する回帰テストを追加し、必要最小限の修正を行うよう依頼します。元の動作ではテストが失敗し、修正後には成功することを示してもらい、その後で関連する既存のチェックを実行します。Buildは、ツールが有効になっているデフォルトのエージェントです。Buildエージェント

最後は、自分で結果をレビューします。 差分を読み、テストのアサーションが意図した動作を検証しているかを確かめ、無関係な変更も調べます。誤った動作を検証するテストが成功しても、ほとんど意味はありません。実際に実行したコマンドと、解決できなかった失敗を報告するようエージェントに求めましょう。

修正が意図から外れた場合、/undoで直前のメッセージとその変更を取り消せます。/redoは取り消したメッセージを復元します。どちらもGitを利用します。取り消しとやり直し

AGENTS.mdとルールを実務に役立てる

経験のある開発者が、このリポジトリで作業するために必要な指示を書きます。内容は、確認できる程度に具体的にしてください。

• 実際のインストール、ビルド、lint、テストのコマンド。実行順序が重要なら、その順序も記載します。
• アプリケーションコード、共有パッケージ、生成ファイルの配置場所。
• 従うべき規約と、その実例になる既存のモジュール。
• 完了の条件。関連するチェックと、変更後の動作の要約も含めます。

プロジェクトのファイルはコミットし、チームで共有します。個人用のルールは~/.config/opencode/AGENTS.mdに置きます。対応するOpenCodeのルールファイルがない場合は、CLAUDE.mdを代わりに使えます。ルールとファイルの配置場所

設定ファイルはopencode.jsonです。instructions配列から既存のガイドを読み込めるので、開発への貢献方法を記したガイドをAGENTS.mdに複製する必要はありません。次の例では、編集とシェルコマンドの実行前に確認を求める設定も追加しています。

{
  "$schema": "https://opencode.ai/config.json",
  "instructions": ["CONTRIBUTING.md"],
  "permission": {
    "edit": "ask",
    "bash": "ask"
  }
}

プロジェクト内に実在する指示ファイルの名前を使い、既存の設定ファイルにこれらの設定を統合してください。AGENTS.mdに別のファイルへの参照を書くだけでは、その内容は自動的に展開されません。ファイルを読み込ませたい場合は、instructionsを使います。カスタム指示の設定

ルールは期待する動作を記述し、権限設定はツールの操作を実行できるかどうかを制御します。多くの権限の初期値はallowなので、確認を求めたい場合は、権限設定を意識して選びましょう。権限の設定方法

プラグインは用途が決まってから追加する

プラグインは、ツールの実行やセッションが待機状態になるといったイベントを通じてOpenCodeを拡張する、JavaScriptまたはTypeScriptのコードです。たとえば、作業完了をローカルで通知したり、リポジトリ独自のワークフローを組み込んだりできます。プラグインのフックと使用例

特定のプロジェクトだけで使うローカルプラグインは.opencode/plugins/に、すべてのプロジェクトで使うものは~/.config/opencode/plugins/に置きます。OpenCodeは起動時にこれらのファイルを読み込みます。公開済みのnpmパッケージを使う場合は、plugin配列に追加する設定をopencode.jsonに記載します。ドキュメントにはopencode-wakatimeなどの例があります。パッケージと依存関係は、起動時にBunで自動インストールされます。開発環境に実行可能なコードを追加する前に、プラグインのソースと保守状況を確認しましょう。プラグインの読み込み方法

まずは標準のワークフローから始めます。繰り返し発生する作業を具体的に挙げられ、その手間を減らせるときにプラグインを追加しましょう。利点を得る前にプラグインを増やすと、設定やデバッグの負担が増えることがあります。

OpenCodeとZenの料金をどう考える？

エージェントの作業環境と、モデルの利用料金を分けて考えます。対応する既存のサブスクリプションなら、そのアカウントの利用枠を使います。APIキーなら、プロバイダーが使用量に応じて課金します。ローカル推論では、マシンの処理能力と運用費用が関わります。Zenは、モデル利用を購入するための別の選択肢で、利用は任意です。プロバイダーの選択肢

OpenCode Zenは従量課金のモデルサービスです。 公開ページには、残高$20とカード決済手数料$1.23という案内があります。つまり、案内されている購入額は**$21.23**で、利用に充てられる残高は$20です。リクエストへの上乗せ料金はなく、月間支出の上限を設定でき、$20の自動チャージは残高が$5になった時点で行われると説明されています。これは残高と決済に関する条件であり、月額サブスクリプションの料金ではありません。入金前に、その時点の条件を確認してください。Zenの公開料金ページ

接続するには、/connectでOpenCode Zenを選び、アカウントと請求の設定を進めてAPIキーを取得します。そのキーをOpenCodeに貼り付け、/modelsでモデルを選びます。ほかのプロバイダーで目的を満たせるなら、Zenを使う必要はありません。Zenへの接続手順

AnthropicのAPI料金でセッション費用を試算する

Anthropicの直接APIでClaude Sonnet 4.6を使う例を、公開されている標準料金で試算します。料金は、入力100万トークンあたり$3、出力100万トークンあたり$15です。トークンは、モデルが処理または生成するテキストの小さな単位です。セッション内のすべてのリクエストを合計し、キャッシュされていない入力が200,000トークン、出力が20,000トークンだったと仮定します。Anthropicのモデル・ツール料金

これは計算例であり、OpenCodeのセッションを実測した結果でも、バグ修正の料金を保証するものでもありません。直接APIの標準料金、キャッシュなし、追加のサービス料金なしという前提です。指示、繰り返し送られる会話の文脈、ツールの実行結果など、リクエストに含まれるものはすべて計上してください。キャッシュの読み取りと書き込みには別の料金があり、サービスやモデルの選択によっても金額は変わります。この試算はZenの料金を示すものではありません。

この使用量を仮定すると、20セッションで$18、30セッションで$27になります。比較の目安として、Claude Proの米国での公開価格は月額$20で、利用上限付きのClaude Codeが含まれています。変動するAPI費用が、固定のユーザー単位の料金を上回る境目を見るための比較です。同じ結果や同じ利用枠が得られること、あるいは自分の作業ではどちらが安いかを示すものではありません。Claude Proの料金とAPIとの区別

シェルでopencode statsを実行すると、使用量と費用の統計を確認できます。直近の1日分を見るには、opencode stats --days 1を使います。特定のセッションでは、opencode exportでセッションを選び、データをJSONとして書き出せます。実際に課金するサービスの明細と照合してください。トークン数に基づく見積もりは、サブスクリプションの利用枠に含まれるタスクの料金ではありません。使用量を確認するコマンド

試す価値のある6つのタスクを、実務での効果順に選ぶ

繰り返し発生し、成果を自分で評価できる仕事から始めます。以下はワークフローの提案であり、実測した時間短縮の報告ではありません。

プロバイダーとワークフローの設定が済んでいれば、非対話型のopencode runにプロンプトを渡して、スクリプトから作業を実行できます。繰り返し使う自動化は、確実な検証方法ができてから導入しましょう。CLIのrunコマンド

OpenCode、Claude Code、Piはどう使い分ける？

モデル選びを重視し、標準のPlan・Buildエージェントに加えて、プロジェクトのルールやプラグインを使いたいならOpenCodeが候補になります。プロバイダーメニューを通じて、複数のサービスやローカル環境を共通の操作画面から使えます。これはワークフローに基づく推奨であり、ほかより優れたコードを生成するという主張ではありません。OpenCodeのモデル、エージェント

主にClaudeを使っており、ドキュメントに記載されたターミナルやIDEとの連携を通じてClaude ProまたはMaxのサブスクリプションを利用したいなら、Claude Codeが候補になります。ClaudeとClaude Codeは、プランの利用上限を共有します。課金の選択肢はClaude Codeの料金：2026年版で比較できます。Claudeのサブスクリプション連携

小さなコアを基に、拡張機能、プロンプトテンプレート、スキル、テーマで自分の環境を作りたいなら、Piが候補になります。Piも複数のプロバイダーに対応しているので、モデル選択の柔軟さだけでは、PiよりOpenCodeを選ぶ理由になりません。Piの公開概要では、プランモードはコアに標準搭載する代わりに、拡張機能で追加できると説明されています。私の推奨は、用意されたワークフローを使いたいならOpenCode、ワークフロー自体をより多く設計したい開発者ならPiです。Piの公開概要

ターミナル型エージェントを広く比較したい場合は、Gemini CLIとClaude Codeの比較も参照してください。モデルの利用枠、好みの作業手順、支払い方法を、それぞれ分けて比較しましょう。

OpenCodeを基に作れる2つのサービス

最も有望な案：リポジトリ専用のレビューワークフロー

小規模な開発チーム向けに、繰り返し起きるミスを確認し、再現できる根拠を添えて懸念を返すレビューワークフローを提供する案です。需要の手がかりは、米国における「ai code review」の月間検索数が約1,300件というDataForSEOの推定値です。確認日は2026年10月4日です。CodeRabbitのEssentialsの公開価格は、年払いで開発者あたり月額$24相当、月払いでは$30で、有料サービスが成立している分野の具体的な価格例になります。DataForSEOのキーワードデータ、CodeRabbitの料金

販売できる最小構成は、チームのレビューチェックリストとプロジェクトの指示を読み込み、渡された差分を調べ、ファイルの場所、検証手順、記録したモデル使用量を添えた短いレポートを返すものです。まずは繰り返し実行できるローカルコマンドとして作り、手作業を減らせる箇所にだけプラグインのフックを追加します。

課題は競合と信頼です。汎用的なレビュー機能を包むだけでは、既存ツールに対する利点はほとんどありません。有望な対象を見つけるには、その業務で繰り返し適用するルールと、提案がレビュアーの負担を減らすという根拠が必要です。検索数は分野への関心を示すものであり、OpenCodeを使った製品への需要を示すものではありません。それでも、この案を最も有望と考えるのは、レビューが繰り返し発生し、実際の差分に照らして有用性を評価できるからです。

受託開発会社向けの、動作確認済みOpenCode導入キット

受託開発会社向けに、顧客の各リポジトリについて、動作するプロバイダー接続、正確なAGENTS.md、最小限の設定、レビュー済みの初回タスクをそろえるセットアップサービスも考えられます。同じDataForSEOの確認では、米国における「open source ai coding assistant」の月間検索数は約1,600件で、この分野への関心がうかがえます。DataForSEOのキーワードデータ

MVPは、セットアップのチェックリストとリポジトリ専用の設定です。成功を確認した検証コマンドと、明確な課金経路を納品物に含めます。汎用的なコーディングエージェントの操作画面を新たに作る必要はありません。課題は、インストール方法はすでに無料のドキュメントで説明されており、検索への関心が支払い意欲を示すわけではないことです。顧客ごとのセットアップと、継続して更新する引き継ぎ内容に受託開発会社が価値を認める場合に限り、その仕事に料金を設定しましょう。

最後に自分で判断すること

OpenCodeを使っても、モデルが業務要件を理解したかどうかは自分で判断する必要があります。テスト、コードレビュー、デプロイの判断は引き続き自分の役割です。プロバイダーを替えたら、出力の品質と実際の費用を改めて確認します。

ローカル推論では、ホスト型モデルの利用料に代わって、ハードウェアの処理能力とセットアップの手間が必要になります。エージェントの操作画面がローカルでも、クラウドのプロバイダーに接続していれば、モデルへのリクエストはそのプロバイダーに送られます。プロンプトを入力する場所と、推論を実行する場所は別に決めましょう。

修正方法が分かっているごく小さな変更では、セットアップとレビューにかかる注意や手間が、変更そのものを上回ることがあります。要件が曖昧なプロジェクトでは、エージェントに実装を頼む前に受け入れ条件を決めます。価値があるのは、正しく、レビューを終えた変更です。

次の月曜日にやること： 再現できるバグをひとつ選び、新しいブランチを開き、プロバイダーを接続します。読む、計画する、編集する、テストする、レビューする、という流れを最後まで進めましょう。使ったモデル、成功したチェック、セッションの課金方法を記録すれば、次にツールを選ぶときの判断材料になります。

チーム専用のコーディングやレビューのワークフローを作りたい場合は、AIエージェント開発が次のステップになります。