Command Code 徹底解説 — 開発者の accept / reject / edit 行動から継続学習する『taste-1』モデル、15+ の LLM プロバイダ対応、$1/月から始まる Pro プラン + $10 無料クレジット 『Code 10 倍速・レビュー 2 倍速・バグ 5 分の 1』を掲げるターミナル型 AI コーディングエージェント

Command Code はターミナル型 AI コーディングエージェント、独自 『taste-1』モデル で LLM に開発者行動からの継続的強化学習を組み合わせる。

4 つの要点:

1. 『taste-1』独自モデル — 開発者の accept/reject/edit 行動から継続学習
2. 『Code 10 倍速・レビュー 2 倍速・バグ 5 分の 1』 を主張
3. 15+ LLM プロバイダ対応 — Anthropic / OpenAI / Google / DeepSeek / Qwen / MiniMax 等
4. 料金明快 — 個人無料ティア、Pro 月額 $1 + $10 無料クレジット

2026 年の AI コーディングエージェント運用の壁:

- Claude Code / Cursor / Codex は 全ユーザーに同じ挙動 で応答
- 自分の命名規約・アーキテクチャパターン・スタイルは毎回プロンプトで指示が必要
- チーム標準（Rules ファイル、.cursorrules 等）で回避可能だが メンテナンスコスト高い
- 個人の暗黙的な好み（インライン関数派 vs 別ファイル派、tab vs space、etc.）を毎回説明できない

Command Code の答え: 『taste-1』が accept/reject/edit から嗜好を学習、時間経過と共に 『あなた専用の AI ペアプログラマ』 に育つ。

設計:
- ベースは既存の LLM（Anthropic / OpenAI / Google / DeepSeek / Qwen / MiniMax 等 15+）
- その上に プロプライエタリな強化学習レイヤー（taste-1）が乗る
- ユーザーが提案を accept（そのまま採用）、reject（拒否）、edit（修正して採用）した結果を学習信号として蓄積

学習される嗜好の例:
- コーディングスタイル（インデント、命名、フォーマット）
- アーキテクチャパターン（レイヤー分割、モジュール構造）
- ライブラリ選好（Zod vs Yup、React Query vs SWR、fetch vs axios）
- テスト方針（unit-heavy vs integration-heavy）
- コメント / ドキュメント密度

時間経過との効果: 使い続けるほど 『あなたが書きそうな』コード に近づく、テンプレート的な GPT / Claude 応答から離脱。

開発者アクションから自動キャプチャ:
- accept → 好み方向として補強
- reject → 逆方向として補強
- edit → 差分部分を学習信号として抽出

明示的なフィードバック不要、日常のコーディング行動そのものが学習データ。

3 つの動作モード:
- インタラクティブ CLI — 対話しながらコーディング（Claude Code 型）
- ヘッドレスモード — CI/CD 統合、自動化スクリプトから呼び出し
- サンドボックス環境 — 隔離実行、危険な操作の検証用

標準装備:
- ファイル操作 — read/write/edit
- シェルコマンド — bash 実行
- grep — 高速コード検索
- extended thinking — 複雑タスクの深い推論

プロジェクト固有の知識を永続化:
- 「このリポジトリでは Zod を使う」「テストは Vitest」「コンポーネントは PascalCase.tsx」等の暗黙知を 明示的にスキルとして保存
- セッションを跨いで永続化、次回起動時に自動ロード

チーム内でスキル・嗜好を共有:
- npx taste push — 自分のスキルをチームレジストリに公開
- npx taste pull — チーム標準スキルを取得
- 新メンバーが即座にチーム標準に沿った出力を得られる

個人化と標準化の両立 — 個々の嗜好は保ちつつ、チーム全体の基本ルールは共通化。

エージェントの応答スタイルを 17+ のバリアントから選択:
- 質問を多くするタイプ（grill-me スキル と類似）
- 一気に生成するタイプ
- 保守的タイプ
- 実験的タイプ
- レビュー特化タイプ

タスクに応じた最適な『エージェントの性格』選択が可能。

Model Context Protocol 統合により、既存 MCP サーバー（GitHub / Slack / Linear 等）と接続可能。Nous Portal や Claude Code と同種の外部連携基盤を持つ。

3 段階:

$1/月 Pro の入り口価格は Claude Fable 5 プロモ や Nous Portal Plus $20 と比べて 極めて低い障壁、試用ハードルを最小化する戦略。ただし LLM API 呼び出しはクレジット消費のため、実際の総コストは使用モデルに大きく依存。

主要ベンダー:
- Anthropic Claude（Sonnet 5 / Opus 4.8 / Haiku 4.5 / Fable 5）
- OpenAI（GPT-5.6 / ChatGPT Work 下地）
- Google Gemini
- DeepSeek
- Alibaba Qwen
- MiniMax
- その他 10+

モデル選択の柔軟性が taste-1 の学習と組み合わさり、『どのモデルでも自分の好みで出力される』 状態を作る。

Node.js 環境が必要、npm パッケージとして配布。VS Code や Cursor 等の GUI エディタとは異なり CLI ネイティブ、Herdr（エージェント多重化）や Hunk（diff ビューア）と組み合わせやすい。

2026 年 AI コーディングエージェント市場:

Command Code の独自性: 『時間をかけて自分専用に育つ』 という価値を全面に押し出す唯一のプロダクト。他社が LLM 性能・エージェント自律性で競う中、開発者個人への継続適応 で差別化。

(1) 学習には時間が必要: 使い始めは他エージェントとほぼ同じ出力、taste-1 の効果が現れるまで数週間〜数ヶ月の使用が必要。

(2) プライバシー考慮: accept/reject/edit の行動データが Command Code サーバーに送信される可能性、機密性の高いプロジェクトでの利用は要確認。オンプレ / セルフホスト対応の可否を法務と協議。

(3) $10 クレジットの持続性: $40-$100 相当まで持つとされるが、Claude Opus 4.8 のような高性能モデル多用時は数日で消費、実用ではモデル選択のコスト意識必須。

(4) 主張性能の検証: 『Code 10 倍速・Bug 5 分の 1』は自社発表、独立ベンチマークでの検証は今後の待ち。

(5) チーム利用時の嗜好衝突: 個人化学習が強すぎるとチーム標準と乖離する可能性、npx taste push/pull によるバランス設計が重要。

個人開発者: Free ティアで即座に試用、Pro $1/月は試用ハードルが低いので早期加入で $10 クレジットを Claude Sonnet 5 や Qwen 3.6 と組み合わせて評価。

チーム開発: 1 名で Pro 試用、npx taste push/pull で チーム標準スキル を試験共有、効果が確認できたら Team プランへ拡大。

既存 Claude Code / Cursor ユーザー: 併用開始、taste-1 の学習効果を実感できるか を数週間観察、効果があれば Command Code を主力化。

Command Code は AI コーディングエージェント市場に『個人化学習』という新軸を持ち込む挑戦者。taste-1 モデルによる継続的強化学習、15+ LLM プロバイダ対応、npx taste push/pull によるチーム協業、MCP サーバー統合、Pro $1/月の低ハードル料金で 個人〜チーム開発者に幅広く訴求。Claude Code / Cursor / Codex の LLM 性能競争とは別軸で 『使い込むほど育つ』 価値を打ち出す。Herdr や Hunk と組み合わせて ターミナルネイティブ AI 開発スタック に組み込みやすいのも特徴。留保として学習期間の必要性、プライバシー、クレジット消費予測、性能主張の独立検証、チーム嗜好衝突の 5 点。

本トピックに関連する弊社サービスとして ソフトウェア開発・AI コンサルティング・Hermes Agent 導入セットアップ・OpenClaw 導入セットアップ があります。Command Code / taste-1 の企業導入設計、既存エージェントとの使い分け戦略、チームスキルレジストリ運用のご相談は お問い合わせ から。

- Command Code 公式サイト
- 関連コラム: Claude Sonnet 5・Claude Fable 5 プロモ・Cursor iOS 対応・OpenAI ChatGPT Work・Nous Portal Cloud・Herdr（エージェント多重化）・Hunk（diff ビューア）・Crit.md（HITL レビュー）