
【Codex消費ゼロ】ChatGPT×GitHub連携で月3,000円Plusプランで個人開発の限界突破してみた
個人開発者の皆さん、Codexの利用枠、足りていますか? カリンちゃんは月3,000円のChatGPT Plusを利用していますが、開発が本格化するとCodexの利用枠が気になってきます。海外の開発者コミュニティを見ても、同じように困っている方が結構いるようです。
カリンちゃんは現在、SoftBank Air ターミナル6へのOpenWrt移植に取り組んでいます。Linuxカーネルの修正、デバイスドライバの開発、ブートローダの解析、5Gモデムの制御など、なかなか手ごわい開発です。しかもカリンちゃん、プログラマーでもなければ、Linuxカーネルの専門家でもありません。
それなのに、実機でOpenWrtを起動させ、現在は5Gモデムの制御にまで開発を進めています。AIに毎月何万円も払っているわけではなく、契約しているのは月3,000円のChatGPT Plusだけです。どうしてそんなことができるのでしょうか?

実は最近、ちょっと面白い開発方法を使っています。
ChatGPTにGitHubを直接接続して、Codexを使わずにソースコードを書いてもらうんです。
これがなかなか具合がいいんですよ!
ChatGPTとCodex、実は別々の利用枠
まず知っておいていただきたいのが、ChatGPTとCodexの利用枠の違いです。どちらも同じPlusプランで使えますが、通常のChatGPTの会話とCodexでは利用枠が別になっています。つまり、ChatGPTからGitHubを操作して開発を進めても、それだけではCodexの利用枠を消費しないんです。
カリンちゃんも以前は、ソースコードを修正するたびにCodexを使っていました。もちろんCodexは非常に優秀で、自分でファイルを調べ、プログラムを書き換え、テストまで進めてくれます。でも、何でもかんでもCodexにお願いしていると、利用枠がもったいないんですよね。
そこで考えました。
GitHubのソースコードを直接読み書きできるなら、普通のChatGPTでもかなりの開発ができるんじゃないかしら?
実際に試してみたら、できてしまったんです。
GitHubをMCPで接続する
GitHubは、ソースコードとその変更履歴を管理するサービスです。カリンちゃんも複数の開発プロジェクトをGitHubで管理しています。ここにChatGPTから直接アクセスできるようにするのが、今回のポイントです。
利用するのは、GitHubに対応したMCP連携ツールです。MCPとは、AIが外部のサービスやツールを利用するための共通規格で、ChatGPTからGitHubの機能を呼び出せるようになります。名前は難しそうですが、利用する側は一度接続を設定すれば、普段のチャットから操作できます。
ChatGPTの「設定」から「プラグイン」を開き、GitHubを探して接続します。GitHub側でアクセスを許可し、必要なリポジトリを選択すれば準備完了です。最初は実験用のリポジトリで試してみるのがおすすめです。
なお、GitHub連携には読み取り専用のものと、書き込み操作にも対応したものがあります。今回の方法では、ソースコードの作成・更新・コミットが可能な連携を利用します。接続するツールの権限と利用可能な機能は確認してくださいね。
普段のチャットが、そのまま開発環境になる
設定が終わったら、あとはChatGPTに普段どおり話しかけるだけです。カリンちゃんは最近、こんな指示を出しています。専門的なコマンドを長々と入力する必要はありません。
「設計はこれで決まったね。GitHubにコードを書いて」
「GitHubのこのリポジトリを読んで、現在の実装状況を調べて」
「問題点が見つかったら修正して、コミットまで進めて」
「GitHub Actionsのビルドエラーを確認して、直しておいて」
ChatGPTはGitHubのソースコードを読み、関連するファイルを調べ、必要な修正を考えます。そして書き込み機能を利用してファイルを更新し、コミットまで進めてくれるんです。しかも、その間はCodexの利用枠を消費しません。

もちろんChatGPT側の利用制限はありますし、無制限に使えるわけではありません。でも、これまでCodexにお願いしていた作業の相当部分を、普段のチャットに移せるようになりました。これはカリンちゃんにとって、結構大きな変化でした。
コンパイルはGitHub Actionsに任せる
さて、ChatGPTがソースコードを書けるようになったとして、そのコードが正しく動くかどうかは別問題です。特にLinuxカーネルやOpenWrtの開発では、実際にコンパイルしてみないことにはわかりません。そこで利用するのがGitHub Actionsです。
GitHub Actionsは、GitHub上でビルドやテストを自動実行する仕組みです。ChatGPTがコードを修正してGitHubに反映すると、あらかじめ設定したワークフローによってコンパイルが始まります。失敗したら、そのエラーログをChatGPTに読み取ってもらい、また修正するわけです。
カリンちゃんの環境では、自宅のLinuxマシンをGitHub Actionsのセルフホストランナーとして登録しています。これなら、自宅にあるコンピューターの計算能力を利用して、OpenWrtのビルドを実行できます。AIはソースコードを考え、GitHubが作業を管理し、自宅のマシンがコンパイルを担当するという役割分担です。
ソースコードの修正、ビルド、エラー調査、再修正。この循環をChatGPTとGitHubで回せるようになったことが、今回の開発方法の大きな特徴です。人間は途中の結果を確認しながら、次に何を調べるか、どの方向に進めるかを考えます。
Codexは実機調査の専門家に
では、Codexは使わなくなったのでしょうか? いいえ、もちろん使っています。カリンちゃんの場合、Codexには実際の機械を調べたり、操作したりする仕事を中心にお願いしています。
例えば、SoftBank Air ターミナル6にSSH接続してLinuxカーネルのログを調べる作業です。CPUやメモリ上のレジスタを調査したり、デバイスドライバの状態を確認したりすることもあります。こうした実機の調査は、GitHubに保存されたソースコードを読むだけではできません。
ちなみに、Codexは普段、GPT-6 Lunaの軽い推論設定(Low)で回しています。 Lunaは比較的軽量な処理を効率よく進めるためのモデルで、実機から情報を取得したり、決められた手順で調査したりする用途にも使っています。難しい問題にぶつかったときには、必要に応じて高性能なモデルや設定を選べばいいわけです。
つまり、何でも一番高性能なAIにお願いする必要はないんです。GitHubだけで完結する開発作業はChatGPTに任せ、実機の調査が必要になったらCodexを使う。さらにCodexでも、作業内容に応じてモデルを使い分けています。
これなら、限られた利用枠をずいぶん有効に使えますよね。
GitHubがAI同士の共通作業場になる
もうひとつ、この方法には大きな利点があります。ChatGPTとCodexが、同じGitHubリポジトリを中心に開発できることです。実はこれが、カリンちゃんにとって非常に便利なんです。
Codexが実機を調査したら、その結果をGitHubに記録します。ChatGPTは記録された内容を読み、次の修正や実装を進めます。さらに実機確認が必要になれば、Codexに調査をお願いすればいいんです。
作業のたびに、長い説明を一からやり直す必要もありません。ソースコード、調査結果、未解決の問題、作業の経緯をGitHubに残しておけば、どちらのAIも必要な情報を参照できます。GitHubが、単なるコードの保管場所から、AI同士の共通作業場になるんです。
カリンちゃんは、ほかにも複数のAIを使っています。AIが増えるほど、どのAIが何を知っているのかという問題が出てきます。でも、共通の作業記録をGitHubに置いておけば、AIを交代させたり、別の役割を担当させたりすることも容易になります。
月3,000円の内訳
ここで、カリンちゃんの開発環境を整理してみます。
担当役割ChatGPT Plus設計、コード作成、修正、レビューGitHubソースコードと開発履歴の管理GitHub Actions自動ビルド、テストCodex(Luna Low)SSH接続、実機調査、動作検証自宅Linuxマシンコンパイルなどの計算処理カリンちゃん開発方針の判断、実験、結果の確認
ChatGPTとCodexは、同じ月3,000円のPlusプランで利用しています。GitHubも個人開発で使える無料枠があり、自宅のLinuxマシンを利用することで、ビルド用のクラウドサーバーを別途借りずに済んでいます。もちろん実験機材や電気代などは別ですが、AIのために高額な月額料金を払っているわけではありません。
大切なのは、それぞれのサービスに得意な仕事を分担させることです。ChatGPTに実機を操作させようとする必要もありませんし、Codexにソースコードの修正を全部お願いする必要もありません。それぞれが得意なところを担当すれば、全体としてかなり複雑な開発まで進められるんです。
OpenWrtの移植までできてしまった
今回のSoftBank Air ターミナル6へのOpenWrt移植は、カリンちゃんにとっても大きな挑戦でした。Linuxカーネルを起動させ、ネットワークやWi-Fiを動かし、現在は5Gモデムの制御に取り組んでいます。まだまだ課題はありますが、最初に比べれば、ずいぶん遠くまで来たものです。
もちろん、AIが書いたプログラムがすべて正しいわけではありません。実機を壊しかねない操作もありますし、検証せずに進めるわけにはいきません。それでも、専門家でなければ手を出せなかったような開発に、個人で挑戦できるようになったのは大きな変化だと思います。
そして、この方法はOpenWrtの移植に限りません。Webアプリケーションでも、スマートホームでも、便利な自作ツールでも応用できます。むしろ普通のアプリケーション開発なら、実機調査の必要がない分、ChatGPTとGitHubだけで進められる範囲はもっと広いでしょう。
限界を突破したのは、AIの性能ではなく使い方
カリンちゃんは以前、AIに開発をお願いするなら、できるだけ高性能なモデルを使ったほうがいいと思っていました。でも最近は、必ずしもそうではないと感じています。高性能なAIをひとつ使い倒すより、いくつかのサービスを組み合わせるほうが合理的な場合もあるんです。
今回紹介した方法も、何か特殊な裏技を使っているわけではありません。ChatGPTとGitHubを接続し、Codexと役割分担しているだけです。それだけで、月3,000円のPlusプランでも、以前よりずっと多くの開発作業を進められるようになりました。
そして何より、カリンちゃんはプログラミングの専門家ではありません。やりたいことを考え、AIに相談し、実際に試してみることを繰り返してきました。そうしているうちに、OpenWrtの移植なんていう、以前なら考えもしなかったところまで来てしまったんです。
「自分には作れない」と思っていたものが、作れるようになる。
カリンちゃんにとって、AIを使った個人開発の一番面白いところは、そこなのだと思います。
月3,000円のAIで、どこまでできるのか。
まだまだ限界は見えていません。
気に入っていただけたら「スキ」をお願いします!励みになります!!
この記事もおすすめ