【2026年版】ウェブ開発AIツール比較｜コード・デザイン・テスト用途別ガイド

用途別おすすめツール一覧（2026年版）

コード補助ツールの選び方フローチャート

既存のVS Code環境で始めたい？
    YES → GitHub Copilot ($10/月)
    NO  ↓
大規模リファクタリングが中心？
    YES → Claude Code Pro ($20/月)
    NO  ↓
IDEとAIを深く統合したい？
    YES → Cursor Pro ($20/月)
    NO  ↓
自動化スクリプトを書きたい？
    YES → Claude API直接利用 (Haiku $0.80/1M)

APIでテスト自動生成を実装する

# test_generator.py
# 既存のPythonコードからユニットテストを自動生成する

import anthropic
from pathlib import Path

client = anthropic.Anthropic()

TEST_SYSTEM = """あなたはPythonのシニアエンジニアです。
与えられたコードの完全なユニットテストをpytestで書いてください。
- 正常系・異常系・エッジケースを含める
- モックを適切に使う
- テスト関数に日本語docstringを付ける"""

def generate_tests(source_file: str) -> str:
    """ソースファイルのテストを自動生成する"""
    source_code = Path(source_file).read_text()
    
    response = client.messages.create(
        model="claude-sonnet-4-5",   # テスト品質はSonnet推奨
        max_tokens=2000,
        system=TEST_SYSTEM,
        messages=[{
            "role": "user",
            "content": f"以下のコードのテストを作成してください:\n\n```python\n{source_code}\n```"
        }]
    )
    
    inp = response.usage.input_tokens
    out = response.usage.output_tokens
    cost = (inp * 3.00 + out * 15.00) / 1_000_000
    print(f"テスト生成コスト: ${cost:.4f} ({inp}+{out}トークン)")
    
    return response.content[0].text

def batch_generate_tests(src_dir: str = "src/") -> dict:
    """ディレクトリ全体のテストをまとめて生成する（Batches APIで50%オフ）"""
    import anthropic
    
    batch_client = anthropic.Anthropic()
    py_files = list(Path(src_dir).rglob("*.py"))
    
    requests = []
    for f in py_files:
        code = f.read_text()
        requests.append({
            "custom_id": str(f),
            "params": {
                "model": "claude-haiku-4-5-20251001",  # バッチはHaikuで安く
                "max_tokens": 1500,
                "system": TEST_SYSTEM,
                "messages": [{"role": "user", "content": f"テストを生成:\n```python\n{code}\n```"}]
            }
        })
    
    batch = batch_client.messages.batches.create(requests=requests)
    print(f"{len(requests)}ファイルのバッチ処理開始: {batch.id}")
    print("Haiku + Batches APIで通常比75%コスト削減")
    return {"batch_id": batch.id, "files": len(requests)}

# 使用例
# 単一ファイルの場合
test_code = generate_tests("src/utils/calculator.py")
print(test_code)

# ディレクトリ全体（バッチ処理）
# result = batch_generate_tests("src/")

デザイン生成ツールの使い分け

# design_generator.py
# Claude APIでデザイン用のプロンプトを最適化してから画像生成AIに渡す

import anthropic
import openai  # pip install openai

claude = anthropic.Anthropic()
oai = openai.OpenAI()

def optimize_design_prompt(rough_idea: str) -> str:
    """ラフなアイデアをMidjourney/DALL-E向けの最適プロンプトに変換する"""
    response = claude.messages.create(
        model="claude-haiku-4-5-20251001",  # プロンプト最適化はHaikuで十分
        max_tokens=200,
        messages=[{
            "role": "user",
            "content": f"""以下のアイデアをDALL-E 3向けの英語プロンプトに変換してください。
スタイル・色・構図・雰囲気を含めた詳細なプロンプトにしてください。
アイデア: {rough_idea}
英語プロンプトのみ出力してください。"""
        }]
    )
    return response.content[0].text.strip()

def generate_web_image(rough_idea: str) -> str:
    """アイデアをDALL-E 3で画像生成するまでのフル自動化"""
    # Step 1: Claude Haikuでプロンプト最適化（$0.80/1M）
    prompt = optimize_design_prompt(rough_idea)
    print(f"最適化プロンプト: {prompt[:100]}...")
    
    # Step 2: DALL-E 3で画像生成（$0.04/枚）
    response = oai.images.generate(
        model="dall-e-3",
        prompt=prompt,
        size="1024x1024",
        quality="standard"
    )
    
    return response.data[0].url

# 使用例
# image_url = generate_web_image("ミニマルなテックスタートアップのヒーロー画像")
# 合計コスト: Haiku$0.0002 + DALL-E $0.04 = 約$0.04/枚（6円）

あわせて読みたい

• Claude Code vs Cursor どちらを選ぶ
• AI画像生成ツールの選び方
• Claude Code 完全実装ガイド