プログラマー向けAIツール実践：OpenClaw + Claude Codeによる24時間自動バグ修正

午前3時47分、PagerDutyの耳をつんざくようなアラートに私は夢の中から引きずり出されました。

またあの昔からある問題です——ユーザーの注文時における支払いコールバックのタイムアウト。私は目を細めながらノートパソコンを開き、SSHでサーバーに接続し、ログをめくり、バグを特定し、修正コードを書き、テストを走らせ、PR（Pull Request）を提出しました。すべてが終わった頃には、もう空が明るくなっていました。このオンコールの苦痛は、バックエンドの開発者なら誰もが分かるはずです。

しかし正直なところ、このレベルのバグは夜中に叩き起こされてまで対応する価値のあるものではありませんでした。これは典型的な「既知の問題タイプ」——ネットワークのタイムアウト後の再試行メカニズムが適切に書かれていなかっただけです。修正も非常にシンプルで、指数バックオフ（Exponential Backoff）を追加し、例外をキャッチし、ログを記録するだけです。このような反復的な作業を、なぜAIに代行させられないのでしょうか？

Alibaba Cloud - 開発者向けクラウドの第一候補、ライトサーバー15%OFF、プロジェクトの迅速な立ち上げを支援

15%割引を入手 →広告

その後、私は OpenClaw + Claude Code のハイブリッドなワークフローを構築しました。OpenClawが24時間体制でSentryを監視し、バグを発見すると自動的にタスクを振り分けます。Claude Codeがそのタスクを受け取り、ブランチを切り、コードを修正し、テストを実行し、PRを提出します。私は朝起きて、「3つの問題が自動修正されました。PRをレビューしてください」という一通のメールを見るだけで済むようになりました。

OpenClaw vs Claude Code——競合ではなく、補完関係

多くの人からこう聞かれます：OpenClaw と Claude Code、結局どちらを使えばいいの？

率直に言って、この2つは全く競合する関係ではありません。位置づけが完全に異なっており、組み合わせてこそ最強の切り札（王牌）となるのです。

OpenClaw は、24時間365日待機している「個人のAI執事」です。バックグラウンドに常駐し、Webhookを受け取り、様々なデータソースを監視し、あなたが寝ている間にも働き続けることができます。公式ではこれを “persistent personal AI”（永続的なパーソナルAI）と定義しています。複雑なコードを書くのは得意ではありませんが、物事が起こるのを「見張る」こと、そしてそれに応じて適切なアクションをトリガー（発動）することは大の得意です。

Claude Code は、専門的な「AIプログラマー」です。あなたのサーバーをどう監視するかは知りませんが、コードを読み、バグを修正し、ロジックをリファクタリングさせることにかけては右に出る者はいません。コードベースを深く理解し、どこをどう変更すれば安全かを熟知しています。

ご覧の通り、この2つは完璧に補完し合っています。一方が「監視」を担当し、もう一方が「実行」を担当するのです。

私は OpenClaw Directory で “Sentry → Auto-Debug → Open PR” というレシピ（設定ファイル）を見つけました。これはまさにこのようなシナリオのために設計されたようなものです。そのアプローチは以下の通りです：

1. Sentry がエラーを検知し、Webhook をトリガーする
2. OpenClaw がアラートを受信し、スタックトレース情報を分析する
3. OpenClaw がサブエージェント（Sub-agents）を派生させ、Claude Code を呼び出して修正させる
4. Claude Code が修正コードを生成し、テストを実行する
5. テスト通過後、自動的に GitHub PR を作成する

全体のプロセスは完全に自動化されており、人間の介入を必要としません。Substack でこれを使ってみた感想をシェアしている人がいましたが、この設定により “overnight code review with no human in the loop until the PR is ready”（夜中にバグが発生し、朝には準備完了したPRを見るだけ）を実現したそうです。

アーキテクチャ設計——ハイブリッドワークフローのコアコンポーネント

このワークフローを理解するには、まず OpenClaw の「サブエージェント（Sub-agents）」メカニズムを理解する必要があります。

OpenClaw 自身は「大管家（総支配人）」のようなものです。様々なイベント（Webhook、定期タスク、メッセージ通知）をリッスンする役割を担いますが、具体的な実行は「サブエージェント」に委任することができます。サブエージェントとは、特定のタスクに特化して一時的に作成される AI インスタンスのことです。

例えるなら、OpenClaw はプロジェクトマネージャーで、Claude Code はプログラマーです。プロジェクトマネージャーが要件（Sentryからのアラート）を受け取り、それを分析してプログラマー（サブエージェント）に割り当てます。プログラマーは作業を行い、終わったら報告します。

全体的なアーキテクチャは以下のようになります：

┌─────────────────────────────────────────────────────────────┐
│                           外部の世界                           │
│  ┌──────────┐  ┌──────────┐  ┌─────────────────────────┐   │
│  │  Sentry  │  │  GitHub  │  │  Slack/Discord/Telegram │   │
│  └────┬─────┘  └────▲─────┘  └──────────▲──────────────┘   │
└───────┼─────────────┼───────────────────┼──────────────────┘
        │             │                   │
        │ webhook     │ create PR         │ notify
        │             │                   │
┌───────▼─────────────┴───────────────────┴──────────────────┐
│                      OpenClaw Gateway                        │
│  ┌──────────────────────────────────────────────────────┐  │
│  │              OpenClaw メインエージェント（監視者）      │  │
│  │  • 24時間 Sentry の webhook を監視                     │  │
│  │  • エラーのタイプと深刻度を分析                          │  │
│  │  • 判断：自動修正 / 人工介入 / 無視                     │  │
│  └─────────────────────┬────────────────────────────────┘  │
│                        │ spawn                             │
│                        ▼                                   │
│  ┌──────────────────────────────────────────────────────┐  │
│  │            Claude Code サブエージェント（実行者）       │  │
│  │  • 最新のコードをプル                                    │  │
│  │  • バグの根本原因を分析                                  │  │
│  │  • 修正コードの作成                                      │  │
│  │  • テストの実行による検証                                │  │
│  │  • ブランチをプッシュして PR を作成                      │  │
│  └──────────────────────────────────────────────────────┘  │
└────────────────────────────────────────────────────────────┘

重要な点は、OpenClaw は直接コードを変更しないということです。それは「意思決定」と「調整」のみを行い、実際のコード修正は Claude Code サブエージェントに任せます。これにより、安全性（OpenClaw 側での権限管理）と修正の品質（Claude Code の専門性）の両方を確保しています。

データの流れは以下のようになります：

1. Sentry webhook → OpenClaw（エラーイベント、スタック情報、環境データ）
2. OpenClaw → Claude Code サブエージェント（修正指示、コンテキスト情報）
3. Claude Code サブエージェント → GitHub（修正コード、PR の説明）
4. GitHub → OpenClaw（PR の状態、CI の結果）
5. OpenClaw → Slack（人間にレビューを通知）

ここでの OpenClaw の状態管理能力は非常に重要です。各バグの処理状態を「受信済み」「分析中」「修正中」「レビュー待ち」「マージ済み」として記録することができます。これにより、万が一プロセスが中断されても、中断したポイントから再開することが可能です。

実践設定——監視からPR自動提出まで

さて、概念の解説はこれくらいにして、具体的な設定方法を見ていきましょう。

ステップ1：Sentry の webhook 設定

Sentry にログインし、プロジェクトの Settings（設定） → Integrations（統合） → Webhooks と進みます。あなたの OpenClaw webhook URL を追加します：

https://your-openclaw-gateway.com/hooks/sentry?sessionKey=bug-fix-pipeline

そして、Alert Rules（アラートルール）で新しいルールを作成します：エラーの発生回数（error count）が 5分間に 5回を超えた場合に webhook をトリガーするように設定します。

ステップ2：OpenClaw 監視エージェントの設定

OpenClaw 内に、Sentry のイベントを処理するための専用の agent を作成します。設定ファイルはおおよそ以下のようになります：

name: sentry-bug-monitor
hooks:
  sentry:
    path: /hooks/sentry
    defaultSessionKey: bug-fix-pipeline

steps:
  - id: parse-error
    command: json.parse stdin
    description: "Sentryのエラーデータをパースする"

  - id: classify
    command: llm-task "エラーのタイプと深刻度を分析する"
    args:
      error: $parse-error.stacktrace
      message: $parse-error.message
    schema: error-classification.json

  - id: decision
    command: state.set "action" $classify.recommended_action

  - id: auto-fix
    command: subagent.spawn
    args:
      type: claude-code
      task: "バグ修復: ${parse-error.title}"
      context: $parse-error
      repo: $parse-error.project.repo
    condition: $classify.severity == "medium" && $classify.auto_fixable == true

  - id: notify-human
    command: slack.send "#alerts"
    args:
      message: "深刻なエラーが発見されました。人間による介入が必要です: ${parse-error.url}"
    condition: $classify.severity == "critical"

ここにはいくつかの重要なポイントがあります：

• classify ステップでは LLM を使用してエラータイプを分析し、自動修正に適しているかどうかを判断します。
• decision は深刻度に応じて分岐を行います：中程度の優先度で自動修正可能なものは Claude Code へ回し、深刻なものは人間に通知します。
• subagent.spawn はサブエージェントを派生させる命令であり、ここでは type として claude-code を指定しています。

ステップ3：Claude Code サブエージェントの設定

サブエージェントの任務は、具体的なコードの修正です。OpenClaw は、エラースタック、関連するコードファイル、環境情報などのコンテキスト（文脈情報）をサブエージェントに渡します。

サブエージェントのワークフロー：

# 1. 最新のコードをプルする
git clone $REPO_URL /tmp/fix-workspace
cd /tmp/fix-workspace

# 2. 修正用ブランチを作成する
git checkout -b auto-fix/$ERROR_ID

# 3. 問題の分析（Claude Code が介入）
claude-code --context $ERROR_CONTEXT --prompt "このバグの根本原因を分析してください"

# 4. 修正の記述
claude-code --prompt "修正コードを書いてください。必ずテストを含めること"

# 5. テストの実行
npm test

# 6. コミットとプッシュ
git add .
git commit -m "fix: auto-fix for $ERROR_TITLE [skip ci]"
git push origin auto-fix/$ERROR_ID

# 7. PR の作成
gh pr create --title "Auto-fix: $ERROR_TITLE" --body "..."

ここでの Claude Code の核心的な価値は「コードの理解」にあります。単にエラースタックに基づいて盲目的に修正するのではなく、以下のように行動します：

• 関連するコードファイルを読み、ビジネスロジックを理解する
• エラーの伝播経路を分析し、真の根本原因を見つける
• プロジェクトのコーディングスタイルに合わせた修正を作成する
• 修正効果を検証するための単体テスト（ユニットテスト）を生成する

ステップ4：GitHub PR の自動化

PR が作成された後、OpenClaw は引き続き GitHub の webhook を監視します：

- id: watch-pr
  command: github.watch-pr $auto-fix.pr_number

- id: ci-status
  command: poll "github.checks $auto-fix.pr_number"
  until: $ci-status.completed == true
  timeout: 30m

- id: notify-review
  command: slack.send "#dev"
  args:
    message: |
      自動修復 PR の準備ができました: ${auto-fix.pr_url}
      CI ステータス: ${ci-status.conclusion}
      レビューとマージをお願いします

こうすることで、あなたは PR のリンクと CI の結果が含まれた Slack メッセージを受け取ることができます。クリックしてコードをレビューし、問題がなければマージするだけです。プロセス全体を通して、あなたがコードを手動でプルしたり、修正を書いたり、テストを実行したりする必要は一切ありません。

高度なテクニック——ワークフローをよりスマートにする

基本設定が動くようになったら、さらに便利な高度な機能を追加できます。

バグのトリアージ（優先順位付け）処理

Vultr - 高性能NVMeクラウドサーバー、世界32拠点、Dockerワンクリック展開対応

価格を見る →広告

すべてのバグが自動修正の価値があるわけではありません。classify（分類）ステップにシンプルなルールエンジンを追加しました：

• P0（Critical/致命的）：システムダウン、データ損失 → 即座に人間に通知
• P1（High/高）：主要機能が利用不可 → 通知 + 自動修正の試行（人間の確認後にコミット）
• P2（Medium/中）：主要以外の機能の異常 → 完全な自動修正
• P3（Low/低）：エッジケース、最適化の提案 → バックログに記録し、毎週まとめて処理

人間によるチェックポイント

修正の中には、技術的には正しくてもビジネス上のロジックとして問題がある場合があります。そこで、approval（承認）ステップを追加しました：

- id: propose-fix
  command: claude-code.generate-fix

- id: human-approval
  command: slack.interactive
  args:
    message: "AI が以下の修正を提案しています。コミットを承認しますか？"
    buttons: ["承認", "拒否", "修正が必要"]
  timeout: 4h

- id: submit-if-approved
  command: github.create-pr
  condition: $human-approval.choice == "承認"

これにより、機密性の高い操作に対しては、AIが独断で行動することはありません。

失敗時の再試行とフォールバック（ロールバック）

Claude Code も常に完璧に修正できるとは限りません。テストに失敗した場合は、自動的に再試行できます：

- id: fix-attempt
  loop: 3
  sub-lobster: claude-code-fix
  break-on: $fix-attempt.tests_passed

- id: escalate-if-failed
  command: slack.send "#dev-escalation"
  condition: !$fix-attempt.tests_passed

もし3回とも失敗した場合は、人間に引き継ぐための通知を送ります。

マルチリポジトリ（複数倉庫）への対応

私たちの会社には十数のマイクロサービスがあり、それぞれ独立したリポジトリを持っています。OpenClaw には複数のプロジェクトのマッピングを設定できます：

projects:
  payment-service:
    repo: github.com/acme/payment
    sentry_project: payment-api
    auto_fix: true

  user-service:
    repo: github.com/acme/users
    sentry_project: user-api
    auto_fix: false  # これは今のところ自動修正を無効にする

このように設定することで、1つの OpenClaw インスタンスで複数のプロジェクトを管理できます。

効果の評価と注意事項

このシステムを3ヶ月間稼働させた結果、次のようなデータが得られました：

Railway - モダンなデプロイプラットフォーム、煩わしい運用から解放、数分で公開

今すぐ始める →広告

• 合計捕捉バグ：127件
• 自動修正に成功：89件（70%）
• 修正後にテストを通過：78件（61%）
• 人間のレビュー後にマージ：72件（57%）

つまり、約6割のバグに対して私が手動で対応する必要がなくなり、朝に PR を確認してマージボタンをクリックするだけで済むようになりました。

時間の節約はさらに明白です。以前の典型的なワークフロー：発見（平均2時間）→ 特定（30分）→ 修正（30分）→ テスト（20分）→ PR提出（10分）。合計4.5時間。

現在：発見（リアルタイム）→ AIによる修正（10分）→ 人間によるレビュー（5分）。4.5時間から15分に短縮されました。

しかし、正直なところ、このシステムにも限界があります：

適したシナリオ：

• 既知の問題タイプの反復的なバグ（Nullポインター、境界条件、APIタイムアウトなど）
• 明確なスタック情報を持つランタイムエラー
• コードベースの構造が明確で、テストカバレッジが良好なプロジェクト

適さないシナリオ：

• アーキテクチャ設計の問題（人間の意思決定が必要）
• 複数のシステムにまたがる複雑なバグの調整
• テストカバレッジがないレガシーコード（AIが修正してもマージする勇気が出ない）

リスクコントロール（危機管理）：

• AI には本番環境の直接の書き込み権限を絶対に与えないこと
• すべての自動修正は PR を通じ、通常のレビュープロセスを経るようにすること
• 監査ログを完全に保持し、AI が何を修正したか把握できるようにすること
• AI の修正品質を定期的に確認し、モデルの prompt （プロンプト）を調整すること

まとめ

色々とお話ししましたが、OpenClaw + Claude Code のハイブリッドワークフローの本質は「監視」と「修正」という2つのステップを自動化することです。OpenClaw は得意ではないが必要なこと（24時間監視）を行い、Claude Code は得意なこと（コードを書く）を行います。両者が結合することで、「決して疲れないジュニアプログラマー」を生み出します——彼らは作業をしてくれますが、あなたのチェックを必要とします。

この設定の核心的な価値は「プログラマーを置き換えること」ではなく、反復的な作業を排除し、あなたが人間の知恵を本当に必要とする場所に集中できるようにすることです。

もしあなたもオンコール（夜間対応）の苦痛に悩まされていたり、チームが頻繁に反復的なバグに直面していたりするなら、このアプローチを試してみることをお勧めします。最もシンプルなシナリオ——例えば、特定のエラータイプの自動修正——から始めて、徐々に範囲を広げていってください。

将来のプログラミングワークフローは、おそらくこのような「人間の意思決定 + AI の実行」というモデルになるでしょう。早くこれを受け入れ、早く仕事を終わらせて帰りましょう。

6 min read · 公開日: 2026年2月27日 · 更新日: 2026年3月3日

Easton

AI・インテリジェンス