
【研究者の思考法】泥臭い業務を抽象化し、Claude×MCPで「人間承認つき自動投稿パイプライン」を構築した全記録
この記事は私がClaudeにこの内容で記事作って!と打ち込むだけで作られています。
Claudeからnoteへ投稿するまでの流れを図解したので追記しておきます。

この記事の投稿の流れ
Claudeにて記事原稿作成&画像生成用プロンプト作成&Slackへ記事原稿と画像生成用プロンプトを投稿
Slackにて私が画像生成プロンプトを用いて画像生成&記事内容を確認し、承認判断 ※Chat GPTなどに課金するか、廉価な画像生成AIのAPIを使えば画像生成も自動化の流れに組み込むことは可能です。
否認された場合、Slackにて記事の修正方向を指示し、1.の記事原稿作成からやり直し
承認された場合、noteを開いて記事とヘッダー画像を追加して、タグもつけて投稿
あえてSlackを挟むことでHuman in the loop (HITL) を実現し、AIの暴走を未然に防ぐ設計になっています。
記事末にも記載していますが、需要があればこの自動化方法を詳しく説明する記事も書こうと思いますので、コメントやXへのDMなどでコンタクトください。
研究者の仕事は、華やかな発見の裏側に、途方もない量の「泥臭い作業」で成り立っている。
サンプルのラベリング、実験ログの整形、同じような報告書を毎週書き直す作業、そして分析結果をまとめて社内向けに何度も体裁を整え直すレポーティング。
これらは知的生産ではなく、ただの反復だ。だが私は、この反復作業こそが研究者にとって最高の訓練場になると考えている。なぜなら、泥臭い作業を効率化しようとする過程で、否応なく「この作業の本質的な構造は何か」を問い直すことになるからだ。
これが抽象化思考であり、私が分子生物学・分析化学の実験で培ってきた思考法そのものだ。
プログラミングも独学で身につけた。研究職としての専門教育を受けたわけではないが、「手順を分解し、再現性のある形に落とし込む」という実験科学の作法は、そのままソフトウェア設計の作法と地続きだった。今回、私はこの思考法をそのままソフトウェア開発に持ち込み、「Claude×MCPで人間承認つきの自動投稿パイプラインを作る」という個人プロジェクトに挑戦した。本記事は、そのアーキテクチャと設計思想、そして開発中にぶつかった生々しい壁の全記録である。
なぜ完全自動化ではなく「Human-in-the-Loop」なのか
自動化と聞くと、多くの人は「人間の手を完全に離れること」をゴールにイメージする。しかし私はあえて、人間の承認を挟む「Human-in-the-Loop(HITL)」の設計を選んだ。理由は単純で、研究における実験設計の発想と同じだ。
どれほど優れた分析装置でも、出力結果をそのまま論文に転載する研究者はいない。必ず人間がデータを検証し、外れ値や解釈の誤りがないかを確認してから初めて成果として世に出す。AIによる文章生成も同じだと考えている。生成AIは驚くほど自然な文章を作るが、事実誤認や文脈のズレ、あるいは意図しない表現の混入を完全には排除できない。特に「公開範囲が不特定多数に及ぶnoteへの投稿」という行為は、実験ノートの誤記とは比較にならないリスクを伴う。一度公開してしまえば、実験のように条件を変えて再試行するわけにはいかない。
だからこそ私は、AIに「下書きの生成」までを任せ、「公開の最終判断」だけは必ず人間に残す設計にした。効率と安全性を両立させるための、意図的な妥協点である。
アーキテクチャ解説:Claude Desktop × MCP × Puppeteer × Slack
システムの中核は、Claude DesktopからMCP(Model Context Protocol)経由で呼び出す自作ツール「note-automator」だ。全体の流れは次のようになっている。
まずClaudeが記事の下書きとタグ、アイキャッチ画像用のプロンプトを生成し、slack_approvalというこれまた自作のMCPツールを呼び出す。
このツールはSlackのSocket Mode経由でチャンネルにメッセージを送信する。Webhookを公開せずに済むSocket Modeを選んだのは、自宅のマシンを外部に露出させたくなかったからで、研究でいえば「実験系を外部要因から隔離する」感覚に近い。
Slack上のメッセージには、承認ボタンと修正依頼ボタンを備えたインタラクティブなモーダル(Block Kit)が添付される。
人間がボタンを押すと、その結果がイベントとしてローカルのMCPサーバーに戻り、Claudeの次の一手(再修正 or 本投稿)が決まる仕組みだ。
修正依頼の場合はテキスト入力欄から自由記述の指示を受け取り、それをClaudeへの追加コンテキストとしてそのまま渡している。
承認が下りると、Claudeはもう一つのツール`note_post_article`を呼び出す。noteには公式のAPIが存在しないため、裏側ではPuppeteerによるヘッドレスブラウザ操作で、ログイン・タイトル入力・本文貼り付け・タグ付け・公開ボタンのクリックまでを自動で行っている。
開発でぶつかったリアルな壁
理屈の上では美しいこの設計も、実装は泥沼だった。
一つ目の壁は、Puppeteerのバージョン差分だ。ChromeのHeadless実装が「Headless」から「Headless (new)」へ移行したタイミングで、これまで動いていたスクリプトの挙動が突然変わり、要素の待機処理が軒並み失敗するようになった。原因究明に丸一日を費やし、最終的にはタイムアウト値を固定せず、DOM変化を監視する`waitForFunction`ベースの待機に全面的に書き換えた。
二つ目は、ログイン画面の操作確実性である。noteのDOM構造はA/Bテストなどで頻繁に変化し、固定のセレクタに依存すると簡単に壊れる。最終的には、テキストやaria属性など複数の手がかりを組み合わせて要素を特定する、冗長だが壊れにくい方式に落ち着いた。さらに、毎回ログインし直すとセキュリティ通知のリスクが増すため、Cookieセッションを安全に永続化し、セッション切れを検知したときだけ再ログインする仕組みも必要になった。
三つ目は、Slackとのファイル連携だ。モーダルに長文の記事本文を埋め込もうとすると、Block Kitのペイロードサイズ上限に引っかかる。試行錯誤の末、本文はテキストブロックとして分割送信し、画像プロンプトなど補足情報は別スレッドに投稿する形に落ち着いた。地味な調整の積み重ねだが、この種の「境界条件への対処」こそ、実験系のトラブルシューティングと驚くほど似ていた。
まとめ:AIを「丸投げの道具」ではなく「思考を拡張するパートナー」にする方法
一連の開発を通じて改めて実感したのは、AI活用の本質は「作業を渡すこと」ではなく「判断の質を上げること」だという点だ。研究者が装置の出力を鵜呑みにしないのと同じように、AIの出力も無条件に信用すべきではない。だが、だからといって全てを自分の手でやる必要もない。
下書きの生成はAIに、最終判断は人間に。この役割分担を明確に設計することこそが、AIを「丸投げの道具」ではなく「思考を拡張するパートナー」として使いこなす鍵だと、今回のプロジェクトを通じて確信した。実験と同じで、良い結果は良い設計から生まれる。次回は、需要があればこのパイプラインを実際どうやって実装したのかを詳しく紹介したい。