tech-research

Tech Research Skill

技術やツール、フレームワークの使い方や最新情報を、信頼できるソースから優先順位に基づいて調査するためのガイダンス。

概要

技術調査は subagent (Task ツール) を起動して行う。調査対象に応じて適切なソースを優先順位に基づいて選択し、正確な情報を取得する。

調査ソースの優先順位

以下の優先順位でソースを使い分ける:

優先度	ソース	用途	ツール
1	LSP	コードベース内の定義・参照・型情報の調査	goToDefinition, findReferences, incomingCalls, outgoingCalls
2	deepwiki MCP	OSS リポジトリの Wiki・ドキュメント	mcp__deepwiki__read_wiki_structure, mcp__deepwiki__read_wiki_contents, mcp__deepwiki__ask_question
3	Gemini MCP	Google 検索による最新情報の取得	mcp__gemini__ask-gemini
4	context7 MCP	ライブラリの公式ドキュメントとコード例	mcp__context7__resolve-library-id, mcp__context7__query-docs
5	WebFetch	公式サイト・GitHub・特定 URL のコンテンツ取得	WebFetch
6	WebSearch	最新情報・ブログ・リリースノートの検索	WebSearch

例外 (上記の優先順位より優先):

• terraform に関する内容は terraform MCP (mcp__terraform__*) が最優先
• Google Cloud に関する内容は google-developer-knowledge MCP (mcp__google-developer-knowledge__*) が最優先
• Claude Code に関する内容は claude-code-guide agent (subagent_type: "claude-code-guide") が最優先

作業開始前の準備

必須: 作業開始前に TaskList で残存タスクを確認し、存在する場合は全て TaskUpdate({ status: "deleted" }) で削除する。その後、TaskCreate ツールで以下のステップをタスクとして登録する:

TaskCreate({ subject: "調査対象の分類", description: "リクエストをカテゴリに分類し、使用するソースを決定", activeForm: "調査対象を分類中" })
TaskCreate({ subject: "subagent の起動", description: "Task ツールで調査用 subagent を起動", activeForm: "subagent を起動中" })
TaskCreate({ subject: "ソースからの情報取得", description: "優先順位に基づいてソースから情報を取得", activeForm: "情報を取得中" })
TaskCreate({ subject: "結果の構造化", description: "調査結果を構造化してまとめる", activeForm: "結果を構造化中" })

各ステップの開始時に TaskUpdate で in_progress に、完了時に completed に更新する。

調査手順

1. 調査対象の分類

調査リクエストを以下のカテゴリに分類する:

• コードベース内の調査: 関数の定義、参照元、呼び出し関係 → LSP を使用
• OSS ライブラリの仕組み: 内部実装、アーキテクチャ → deepwiki MCP を使用
• Google 検索による最新情報: リリース情報、公式発表 → Gemini MCP を使用
• ライブラリの使い方: API、設定方法、コード例 → context7 MCP を使用
• 特定ページの情報: 公式ドキュメント、GitHub Issues → WebFetch を使用
• 最新情報・トレンド: リリース情報、ベストプラクティス → WebSearch を使用

2. subagent の起動

Task ツールで調査用の subagent を起動する。subagent には以下を指定する:

• subagent_type: 調査の性質に応じて選択
  • コードベース探索: Explore
  • 汎用調査: general-purpose
• prompt: 調査内容を具体的に記述
• model: 軽量な調査は haiku、複雑な調査は sonnet

並列調査: 独立した複数の調査対象がある場合、複数の Task を同時に起動して並列実行する。

3. 各ソースの使い方

LSP (優先度 1)

コードベース内の調査に使用する。Grep ではなく LSP を優先する。

goToDefinition: 関数・クラスの定義元を特定
findReferences: 特定のシンボルの参照箇所を列挙
incomingCalls: 関数の呼び出し元を追跡
outgoingCalls: 関数が呼び出す先を追跡

deepwiki MCP (優先度 2)

OSS リポジトリの内部ドキュメントを調査する。

1. ToolSearch で deepwiki ツールをロード
2. mcp__deepwiki__read_wiki_structure: リポジトリの Wiki 構造を確認
3. mcp__deepwiki__read_wiki_contents: 特定ページの内容を取得
4. mcp__deepwiki__ask_question: 特定の質問に回答を得る

リポジトリの指定形式: owner/repo (例: facebook/react, vercel/next.js)

Gemini MCP (優先度 3)

Google 検索グラウンディングで最新の Web 情報を取得する。

1. ToolSearch で gemini ツールをロード
2. mcp__gemini__ask-gemini: プロンプトに google_web_search ツールの使用を指示

重要: プロンプトには必ず google_web_search ツールを使うよう指示を含める。

mcp__gemini__ask-gemini:
  prompt: "google_web_search ツールを使って <検索対象> の最新情報を調べてください"

例:

• "google_web_search ツールを使って React 19 の最新リリース情報を調べてください"
• "google_web_search ツールを使って Next.js 15 の新機能を調べてください"

主な用途:

• 最新リリース情報・バージョン確認
• 公式発表・ニュースの取得
• 最新のベストプラクティス・トレンド

context7 MCP (優先度 4)

ライブラリの公式ドキュメントとコード例を取得する。

1. ToolSearch で context7 ツールをロード
2. mcp__context7__resolve-library-id: ライブラリ ID を解決
3. mcp__context7__query-docs: ドキュメントを検索・取得

WebFetch (優先度 5)

特定の URL からコンテンツを取得する。

WebFetch:
  url: "<対象 URL>"
  prompt: "<抽出したい情報の説明>"

主な用途:

• 公式ドキュメントページの特定セクション
• GitHub Releases / Changelog
• API リファレンス

WebSearch (優先度 6)

最新情報やトレンドを検索する。

WebSearch:
  query: "<検索クエリ>"

検索クエリのコツ:

• 年を含める (例: "React Server Components 2026")
• 公式ソースを優先 (site:github.com, site:docs.*)
• 具体的なキーワードを使用

4. 結果の構造化

調査結果を以下の形式でまとめる:

## 調査結果: <対象名>

### 概要

<1-2 文で要約>

### 詳細

<調査で得られた具体的な情報>

### ソース

- [ソース名](URL) - 取得した情報の概要

ソース選択のフローチャート

調査対象は何か？
├── コードベース内の定義・参照 → LSP
├── OSS の内部実装・アーキテクチャ → deepwiki MCP
├── Google 検索で最新情報取得 → Gemini MCP
├── ライブラリの使い方・API → context7 MCP
├── 特定 URL のコンテンツ → WebFetch
└── 最新情報・トレンド → WebSearch

上位ソースで情報が不足する場合、次の優先度のソースにフォールバックする。

Additional Resources

Reference Files

詳細なプロンプトテンプレートやソースごとの使い分けガイド:

• references/source-guide.md - 各ソースの詳細な使い方と具体例