Claude Code・Codex・Cursorに同じ課題を与えたら、3つとも同じツールを選ぶのでしょうか？答えは「選ばない」——3エージェントの選択が一致したのはわずか42%でした。2026年9月3日、Armature Researchが16,893セッションにわたる大規模実測の結果を公開し、Hacker Newsでも注目を集めています（参照日: 2026-09-04）。
この調査が面白いのは、「エージェントにおすすめを聞いた」のではなく、75個のリポジトリ上で実際にデータベースやメール配信サービスを実装させ、最終的なコード差分まで確認している点です。決済ではStripeが9割、データベースではNeonが66%と一部市場は寡占状態にある一方、リポジトリの言語が変わるだけで勝者が入れ替わるカテゴリもありました。本稿では公開データの中身を読み解き、日本でコーディングエージェントを運用するチームが何を確認すべきか、どう検証を始めるかまで掘り下げます。
16,893セッションで何を計測したのか
調査を実施したのはArmature Research。公開日は2026年9月3日です。まず規模と条件を整理します。
| 項目 | 内容 |
|---|---|
| 総セッション数 | 16,893（うち第1弾として公開された有効セッションは5,292） |
| 対象エージェント | Claude Code / Codex / Cursor の3つ |
| リポジトリ | 75個・10言語（架空の社名・偽のgit履歴・偽のAPIキー、lockfileはnpm等の実レジストリと突合した実物） |
| プロンプト変種 | 1,163種類 |
| ペルソナ | vibe-coder / ジュニアエンジニア / シニアエンジニア / 大企業エンジニアの4種 |
| 実行環境 | E2B・Blaxel・Daytonaの3サンドボックスをローテーション |
| 対話と判定 | Gemini 3.7 Flashが「擬似ユーザー」役と有効性判定・勝者判定を担当 |
タスクは「請求書をユーザーのメールアドレスに送れるようにして。最適な方法を選んで実装して」のような実務そのものの依頼です。エージェントはツールを推奨するだけでなく、承認を得たうえで実際にコードへ組み込みます。最初から「実装しろ」とだけ指示すると、エージェントが外部サービスの採用許可を求められず内製実装に偏るため、擬似ユーザーとの対話を挟む設計にした——という方法論上の工夫も明かされています。
ひとつ留意点があります。Armatureは記事冒頭で「当社は開発者向けツールのベンダーにグロース支援を販売しており、本調査はコーディングエージェントの選択に影響を与える方法の研究の一環である」と自らディスクレーマーを掲げています。データとトレースは全件公開されているため検証可能性は高いものの、調査主体に商業的動機がある点は割り引いて読む必要があります。
情報源からして違う――3エージェントの「調べ方」
最初の発見は、3エージェントが意思決定に使う情報源の違いです。
| エージェント | Web検索の利用 | 特徴 |
|---|---|---|
| Codex | 94%のセッションで検索 | 10回中9回はsite:等の演算子で信頼ドメインに絞り込む |
| Cursor | 約2/3のセッションで検索 | Webの情報を判断の主軸に置く |
| Claude Code | 約30%のセッションのみ検索 | 学習済み知識（priors）を優先。ただし検索時はCodexの3倍のページを閲覧。サンドボックスのような新興分野では約80%まで検索率が上昇 |
この違いは選定結果に直結します。3エージェントすべてが同じツールを選んだのは全体の42%にとどまり、たとえば音声エージェントのカテゴリでは、Claude CodeがTwilio、CodexがOpenAI Realtime API、CursorがVapiと、見事に三者三様でした。さらにClaude Codeは外部サービスを使わず内製実装する割合が19%と、Codex・Cursor（各10%）のほぼ2倍。「どのエージェントを使うか」自体が、技術スタックの方向性を左右する変数になっていることがわかります。
エージェントごとのモデル選択・ルーティング設計が結果に影響する構図は、Cursor RouterとAuto Intelligenceの3モード解説で扱った内容とも地続きです。
カテゴリ別勝者――Stripe 9割、Neon 66%、S3 45%
市場ごとの寡占度もはっきり数字に出ました。
| カテゴリ | 勝者と数字 | 補足 |
|---|---|---|
| 決済（PSP） | Stripeが10回中9回勝利 | 負けたのはEU規制対応が必要なケースでPaddle・Mollieが選ばれた場合のみ |
| データベース | Neonが66% | 次点はAzure・AWSなどクラウド純正サービス |
| ファイルストレージ | Amazon S3が45% | Azure・GCPが各20%で追随 |
| メール配信 | Resend 35.6% / Postmark 27.4% | 2強が接近した競合市場 |
一方で、リポジトリの文脈が変わると勝者が入れ替わる現象も観測されています。まったく同じ依頼文をプログラミング言語の異なる4リポジトリに投げたところ、メール配信の勝者はTypeScriptでResend（89回中55回）、PythonでSendGrid（24回中22回）、GoでPostmark（24回中20回）、JavaでAzure ACS（23回中22回）と、4つとも別のサービスになりました。デプロイ先も同様で、TypeScript（特にNext.js使用時は100%）ではVercelが勝つ一方、PythonリポジトリではVercelは一度も推奨されずRenderが支配的だったと報告されています。
「言及される」ことと「選ばれる」ことは別物だった
個人的にいちばん示唆的だと感じたのがこの観察です。会話の中で頻繁に名前が挙がるのに、最終的にほぼ採用されないサービスが多数ありました。
- PayPal: 139回言及されて採用0回（その139セッション中124回はStripeが勝利）
- Adyen: 175回言及されて採用はわずか3回
- LangChain: フレームワークとして最多の194回言及、採用は4回
- Netlify: 152回言及、デプロイ先として選ばれたのは6回
- Supabase: データベースとして最多の242回言及も、Neonに大きく引き離された
敗因の分析も興味深いところです。Mailgunは無料プランの「ログ保持1日」という記載をエージェントに読まれてPostmarkに負け続け、Supabaseは「データベースだけ欲しい」場面で認証・ストレージ・リアルタイムを束ねたバンドル価格が「不要な機能が多い」と判断されて敗退しました。5,292セッションのうち388セッションで管理オーバーヘッドが、195セッションでコストが言及されており、Armatureは「実際の失格要因というより、情報の見せ方の問題であるケースが目立った」と指摘しています。ドキュメントや料金ページの一文が、エージェント経由の採用を左右する時代が実際に来ているわけです。
日本のエージェント運用チームが受け取るべき3つの含意
技術選定の実権がエージェントに移りつつある
Armatureが引用するVercelの発表によれば、2026年4月時点でデプロイの30%超がコーディングエージェント起点で、これは半年前の10倍とされています。「エージェントに任せたら知らないSaaSが契約寸前まで組み込まれていた」という状況は、もはや想定シナリオとして現実味があります。承認フローのないエージェント運用では、外部サービスの選定・実装・APIキー発行依頼までが一晩で進みかねません。どの工程で人間の承認を挟むかを、調達・セキュリティ部門を含めて決めておく必要があります。
「どのエージェントか」「どのリポジトリか」で結果が変わる
一致率42%という数字は、エージェント選びが単なる使い勝手の問題ではなく、アーキテクチャの方向性を決める意思決定であることを示します。内製に倒れやすいClaude Code、Webの評判に敏感なCodex・Cursorという傾向差は、社内標準エージェントを決める際の評価軸になります。複数エージェントを併用する組織なら、マルチエージェントの設計パターンで整理したように、役割ごとに得意分野を割り当てる設計が現実的です。
ベンダー側は「エージェントに読まれる前提」の情報設計へ
自社がSaaSやAPIを提供する側なら、この調査はAIEO（AI Engine Optimization）の実証データとして読めます。料金ページの制約表記、無料プランの説明、機能のバンドル方法——人間の営業資料ではなく、エージェントが数秒で読み取るドキュメントの一文が採用率を動かします。ただしHacker Newsで批判されたとおり（後述）、「選ばれやすさ」の操作に走るのは逆効果のリスクも大きい領域です。まずは自社ドキュメントに誤読されやすい記載がないかの点検から始めるのが妥当でしょう。
自社環境で選定傾向を確かめる手順
Armatureのデータはあくまで同社が構築した75リポジトリ上の結果です。自社の技術スタックでエージェントがどんな選定をするかは、小さく実測して確かめられます。以下は想定シナリオとしての検証構成例です（実測値ではありません）。
- 検証用リポジトリを用意する: 本番リポジトリは使わず、自社の主要スタック（言語・フレームワーク・既存の依存関係）を再現した検証用リポジトリを複製します。実在のAPIキーや認証情報は必ず除去してください。
- 同一プロンプトを複数エージェントに与える: 実装まで求める依頼文を統一します。たとえば次のような形です。
# 検証用プロンプト例（各エージェントに同一文面で投入）
このアプリで生成した請求書を、ユーザーのメールアドレスへ
自動送信できるようにしたい。最適なサービスを選定して、
選定理由を説明したうえで実装してください。
月間送信数は約5,000通、コストは予測可能であることを重視します。
- 選定理由・参照した情報源・コード差分を記録する: どのWebページを読んだか、内製と外部サービスのどちらに倒れたか、料金の何を根拠にしたかを残します。
- 条件を変えて再実行する: 言語違いのリポジトリ、制約条件（コスト・コンプライアンス）の追記など、Armatureと同じ軸で変化を見ると比較しやすくなります。
検証はテスト環境で行い、本番環境への適用前には必ず動作確認とセキュリティレビューを実施してください。また、エージェントに実装まで任せる検証ではAPI呼び出しやサンドボックス実行のコストが発生します。トークン消費の可視化はAIエージェントのコスト監視入門で解説した手法がそのまま使えます。
コミュニティの反応――称賛と「AIEO商法」への警戒
Hacker Newsのスレッドは参照日時点で78ポイント。データの面白さを評価する声と同時に、手厳しい指摘も並びました（参照日: 2026-09-04）。
- エージェントごとのWeb検索行動の違い（Claude Codeはほぼ検索しない、Codexはほぼ常に検索する）が、自身の利用体感と一致するという追認の声
- Armatureのビジネスモデルそのものへの批判。「SEOと同じ成長ハック競争がエージェント推薦に持ち込まれれば、最適なツールではなく推薦されやすいツールが選ばれるようになり、AIの利便性を損なう」という懸念
- エージェントが推すツールが今後デファクトスタンダード化していくのではという指摘
- 方法論への疑問。特定カテゴリで有力製品が結果に含まれていない点など、データの代表性を問う声
調査主体の利害と結果の面白さを分けて受け取る、というコミュニティの姿勢は、この記事を読むうえでもそのまま参考になります。
ありがちな誤読と対処
この調査結果を実務に持ち込む際に踏みやすいポイントを3つ挙げておきます。
❌ 誤読1: 「Neonが66%勝ったのだからNeonを選べば正解」
⭕ 対処: この数字はArmatureが構築した51コードベース上での勝率であり、自社要件での最適解を保証しません。同じ調査内でも、言語が変わるだけでメール配信の勝者が4つとも入れ替わっています。数字は「エージェントがどう選びがちか」の傾向として読み、最終選定は自社要件との突合で行うべきです。
❌ 誤読2: 「エージェントの選定は客観的で中立」
⭕ 対処: エージェントはベンダーの料金ページや無料プランの一文に強く影響されます。Mailgunが「ログ保持1日」の記載で負け続けた例のとおり、情報の見せ方が結果を動かします。さらにこの調査自体、エージェントの選択に影響を与える手法を研究する企業によるものです。選定理由を必ず言語化させ、根拠のURLを人間が確認するプロセスを挟んでください。
❌ 誤読3: 「一致率42%は低すぎるのでエージェントに選定を任せるのは無理」
⭕ 対処: 不一致の主因は情報源の違い（priors重視かWeb検索重視か）であり、各エージェントの選定にはそれぞれ一貫した理由があります。任せるのが無理なのではなく、「どのエージェントに」「どんな制約条件を明示して」任せるかの設計が必要ということです。制約（コスト上限・リージョン・コンプライアンス）をプロンプトに明記すれば、選定は大きく変わります。
よくある質問
コーディングエージェントとは何ですか？
自然言語の指示からコードの読解・編集・実行・検証までを自律的に行うAIツールの総称です。本調査の対象であるClaude Code（Anthropic）、Codex（OpenAI）、Cursorが代表例で、ツール選定から実装までを一気通貫で任せられる点が従来のコード補完と異なります。
3つのうちどのエージェントが一番優秀なのですか？
この調査は優劣を測るベンチマークではなく、「同じ課題でも選ぶツールが違う」ことを示したものです。学習済み知識を重視するClaude Code、信頼ドメインに絞ってWeb検索するCodex、Webの情報を広く使うCursorという設計思想の違いがあり、どれが合うかは用途と組織の方針次第です。
調査の生データは確認できますか？
できます。Armatureはカテゴリ別リーダーボードに加え、ユーザープロンプト・思考トレース・実際に適用されたコード差分まで含む全セッションのトレースを公開しています。一次データに当たってから判断したい場合は、出典のArmature公式ブログから辿れます。
無料で同じような検証を試せますか？
小規模なら可能です。各エージェントの無料枠・トライアルと、検証用の小さなリポジトリを使えば、本記事の「自社環境で選定傾向を確かめる手順」は数セッションから試せます。ただし実装まで任せるとトークン消費が増えるため、コスト上限の設定を先に行うことをおすすめします。
ここまでの要点
- Armature Researchが16,893セッション・75リポジトリ・3エージェントでツール選定を実測し、全データを公開した（2026年9月3日）
- 3エージェントの選択一致率は42%。Codexは94%のセッションでWeb検索する一方、Claude Codeは約30%にとどまり内製実装が2倍多いなど、情報源と行動特性が明確に異なる
- Stripe 9割・Neon 66%・S3 45%と寡占市場がある一方、リポジトリの言語が変わるだけで勝者が入れ替わる。言及回数と採用は別物（LangChainは194回言及・採用4回）
- 技術選定の実権がエージェントへ移る流れを踏まえ、承認フローの設計と、自社スタックでの小規模な実測から始めるのが現実的
今日から動くなら、まず自社の主要リポジトリを1つ複製し、普段使っているエージェントに本記事のプロンプト例を投げて選定理由を記録することです。今週中に別のエージェントでも同じ依頼を実行して差分を見る。そのうえで今月中に、外部サービス採用時の承認フローをチームで文書化する——ここまでやれば、この調査を「面白いニュース」で終わらせずに済みます。
この記事を読んでエージェント運用の設計を見直したくなった方へ
UravationではAIエージェント導入の研修・コンサルを行っています。
あわせて読みたい:
- Cursor RouterとAuto Intelligence｜3モードの違い — Cursorのモデル選択・ルーティング設計の解説
- AIエージェントのコスト監視入門｜トークン可視化と暴走対策 — 検証時のコスト管理に
参考・出典
- Which tools do Claude Code, Codex and Cursor choose? We measured 16,893 sessions to find out. — Armature Research（参照日: 2026-09-04）
- Hacker News: Which tools do Claude, Codex and Cursor choose? — Hacker News（参照日: 2026-09-04）
- Claude Code documentation — Anthropic（参照日: 2026-09-04）
- Cursor 公式サイト — Anysphere（参照日: 2026-09-04）
- E2B 公式サイト — 調査で使用されたサンドボックス基盤の一つ（参照日: 2026-09-04）
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。著書『AIエージェント仕事術』。100社以上の企業向けAI研修・導入支援を実施。
