3行要約
- Anthropicが発表したターミナル完結型AI「Claude Code」の月額最大200ドルという高額設定が、開発者の間で大きな議論を呼んでいます。
- Block社（旧Square）が公開したオープンソースの「Goose」は、モデルを選ばない柔軟性とMCP対応により、Claude Codeとほぼ同等の機能を無料（API代別）で提供します。
- 開発者は「ベンダーロックインされた高額な公式ツール」か「モデルを自由に選べるOSS」かの選択を迫られており、AI開発ツールの主導権争いが激化しています。
何が起きたのか
開発環境の勢力図が、一晩で書き換わろうとしています。Anthropicが満を持して投入した「Claude Code」は、ターミナル上で対話しながらコードの執筆、テスト、デバッグ、さらにはデプロイまでを自律的にこなすAIエージェントです。私もAPIドキュメントを隅から隅まで読み込みましたが、その完成度は確かに高いです。特にClaude 3.7 Sonnetの「思考プロセス」と統合されたエージェント機能は、既存のCursorやGitHub Copilotとは一線を画す「自律性」を持っています。
しかし、問題はその価格設定です。月額20$から最大200$という、一般的なSaaSの枠を超えた強気なプライシングが発表されるやいなや、SNSやコミュニティでは「いくら何でも高すぎる」という悲鳴が上がりました。SIer時代にツールのライセンス1つ取るのに数ヶ月の稟議を通していた私からすれば、個人開発者が月3万円近い固定費を払うのは、かなりの覚悟が必要です。
この「高額すぎる公式ツール」への反旗を翻す形で注目を集めているのが、Block社がリリースした「Goose」です。Gooseは、Claude Codeが提供する機能の多くをオープンソースで実装しており、何より「使うモデルを自分で選べる」という圧倒的な自由度を持っています。Anthropicのモデルだけでなく、GPT-4oやGemini、あるいは私が自宅で運用しているRTX 4090 2枚挿しのサーバーで動かすLlama 3.1などのローカルLLMまで、好きなモデルをエージェントの脳として採用できるのです。
なぜ今、この対立が重要なのか。それは「AI開発ツールの民主化」が岐路に立たされているからです。特定のプロバイダーに財布の紐を握られる開発体験を選ぶのか、それとも自由だが自己責任のOSSを選ぶのか。このニュースは、単なるツールの比較ではなく、今後のエンジニアの生存戦略に直結する大きな転換点だと言えます。
技術的に何が新しいのか
Claude CodeとGoose、両者が目指しているのは「Agentic Workflow（エージェント的ワークフロー）」の完成です。従来のチャット型AIは、コードを出力して終わりでしたが、これらのツールは「自分の出力が正しいかを確認する」というステップを自律的に踏みます。
Claude Codeの技術的な凄みは、Anthropicが提唱する「Model Context Protocol (MCP)」をフル活用している点にあります。ターミナルという、開発者にとっての聖域にAIを住まわせ、lsコマンドでファイル構造を把握し、grepでバグを探し、npm testで挙動を確認する。これらの一連の流れを、人間が指示を出す前にAIが「計画（Plan）」を立てて実行します。
一方でGooseが技術的に面白いのは、その「プラガブル（差し替え可能）」な設計です。GooseもまたMCPに対応しており、拡張機能（extensions）を追加することで、AIにできることを無限に増やせます。例えば、Google Search拡張を入れれば最新のライブラリ仕様を調べさせることができますし、GitHub拡張を入れればPRの作成まで自動化できます。
ここでの決定的な違いは、コンテキストの管理方法です。Claude Codeは、Anthropicのサーバー側で高度に最適化されたコンテキスト保持を行っているため、大規模なプロジェクトでも迷子になりにくい特性があります。しかし、これは裏を返せば「すべてのコンテキストをAnthropicに送り続ける」ことを意味し、これがトークン消費量を爆発させ、高額な請求へと繋がる「トークン・スノーボール」現象を引き起こします。
Gooseの場合、モデルをローカルLLMに切り替えれば、この「トークン消費による課金」という呪縛から解放されます。もちろん、ローカルLLMの性能がSonnet 3.7に及ばない場面はありますが、日常的なリファクタリングやテストコードの生成であれば、私の環境（RTX 4090×2）で動かすLlama 3.1 70Bでも十分に実用レベルです。
数字で見る競合比較
| 項目 | Claude Code | Goose (OSS) | Cursor (Pro) | ChatGPT (o1/o3) |
|---|---|---|---|---|
| 月額料金 | $20 〜 $200 | 無料（OSS） | $20 | $20 |
| 推論コスト | トークン課金（高額） | 選択したAPI代 / 自前なら0円 | 限定枠あり | 込み |
| 実行環境 | CLI (ターミナル) | CLI / UI | IDE (VS Code) | Web / Desktop |
| ローカルLLM | 不可 | 可能 | 限定的 | 不可 |
| 拡張性 (MCP) | 公式対応 | フル対応 | 非対応（独自） | 非対応 |
この表を見てわかる通り、Claude Codeの価格設定は、従来の「月額20ドル」というAIツールの相場を破壊しています。実務でヘビーに使う場合、1リクエストで数万トークンを消費することも珍しくありません。セッションが長引けば、1回のデバッグ作業だけで数百円が飛んでいく計算になります。
一方でGooseは、バイナリ自体は無料です。OpenRouterなどを経由して安価なモデル（DeepSeek-V3など）を使えば、Claude Codeの1/10以下のコストで運用することも可能です。この「10倍の価格差」を埋めるほどの価値が、Claude Codeの公式ならではの「安定性」にあるのか。そこが判断の分かれ目になります。
開発者が今すぐやるべきこと
まず、Claude Codeに200ドル払う前に、自分の開発スタイルを冷静に分析すべきです。もしあなたが、毎日数千行のコードを書き、常に最新のAIの恩恵を受けたいなら、一度はGooseを触ってみることを強くおすすめします。
具体的なアクションとしては、以下の3つを推奨します。
GooseのインストールとMCPサーバーの試行
brew install goose（Macの場合）で即座に導入できます。導入後、まずは「Google Search」や「Memory」といった拡張機能を有効にしてみてください。AIが「自分の過去の発言を記憶し、わからないことはググる」という体験を、無料の枠組みで実現できる衝撃は大きいはずです。APIコストの可視化と上限設定 もしClaudeのAPIキーをGooseで使うなら、Anthropicのコンソールで「Usage Limits」を必ず設定してください。エージェントは自律的に動くため、放置しておくと無限にAPIを叩き続け、気づいたら100ドル溶けていた、という悲劇が起こり得ます。
ローカルLLM環境の構築検討 「AIにお金を払い続けるのが嫌だ」と感じるなら、今のうちにハードウェアへの投資を検討すべきです。32GB以上のRAMを積んだPCや、VRAMの多いGPUを用意し、Ollama経由でGooseと連携させる。これが、将来的に最も安上がりで、かつプライバシーを守れる開発環境になります。
私の見解
正直に言います。Claude Codeの「月額200ドル」という数字を見た時、私は「Anthropicは、自分たちのモデル性能に過信しすぎているのではないか」と感じました。確かにClaude 3.7 Sonnetは現状、コーディングにおいて最強のモデルです。しかし、エンジニアという人種は、本質的に「ブラックボックスな高額課金」を嫌います。
私はSIer時代、ライセンス料をケチるためにOSSを組み合わせてシステムを構築してきました。その経験から言えるのは、「公式ツールは初期導入は楽だが、自由度が奪われる」ということです。Claude Codeは、Anthropicの経済圏に開発者を閉じ込めようとしています。対してGooseは、開発者に「道具を選ぶ権利」を返してくれます。
私は、自宅のRTX 4090をフル回転させてGooseを動かしています。APIコストを気にせず、AIに100回でも200回でもリトライを命じることができる快感は、月額課金のツールでは味わえません。もちろん、勝負どころの複雑なロジック実装ではClaude 3.7を使いますが、それを「どのツールで呼ぶか」は、私が決めたい。
結論として、Claude Codeは「金で時間を買う企業向けツール」であり、Gooseは「自由とコスパを愛するハッカー向けツール」です。私は迷わず後者を支持しますし、3ヶ月後には多くのエンジニアが「自前のMCPサーバー」を自慢し合っている未来が見えます。
よくある質問
Q1: Claude Codeの方が、Gooseより賢いのではないですか？
モデルが同じ（Claude 3.7 Sonnet）であれば、賢さのベースは同じです。ただし、Claude CodeはAnthropicが「ターミナル操作」に特化してプロンプトや環境をチューニングしているため、初期状態での「打率」はClaude Codeの方が高い傾向にあります。
Q2: 実務のプロジェクトでGooseを使っても安全ですか？
ローカルLLMを使えば、コードが外部サーバーに送信されないため、セキュリティ面ではむしろ安全です。APIを使う場合は、各プロバイダーのデータ利用ポリシー（学習に使われないか等）を確認する必要があります。Block社が開発しているという点でも、信頼性は一定以上あります。
Q3: なぜBlock社（Square）はこんなツールを無料で出したのですか？
彼らは特定のLLMベンダーに依存することをリスクと考えているからです。自社の開発効率を上げるために、特定のAI企業にロックインされない「自由なエージェント基盤」が必要だったのでしょう。それをOSS化することで、エコシステム（MCPサーバーの増加など）を広げる狙いがあります。
