Codex、Claude Code、DeepSeek Harnessはどう選ぶ？モデル切り替え・API接続・自動化構築の4軸比較

著者注：Codex、Claude Code、DeepSeek Harness の3つの Agent を対象に、モデル接続・ツール拡張・実行スケジューリングの方式を比較し、モデルの切り替え、API 接続、自動化の構築にそれぞれ何が必要なのかを明らかにして、明確な選択ができるようにします。

多くの開発者が選定時に Codex、Claude Code、DeepSeek Harness を並べて比較しますが、実は3つは同じカテゴリの製品ではありません。本記事では、モデル切り替えの自由度、API 接続方式、業務ツールの拡張、実行と自動化 の4つの観点から比較を展開し、明確なシーン別の推奨案を提示します。

これは「どれも一長一短に見える」といった折衷的な分析ではありません。また、捏造した実測スコアを示すこともありません。本記事の能力に関する記述は、すべて各社の公式資料に基づいており（検証日 2026年11月12日）、「公式の記述」「合理的な推測」「自身での検証が必要」という3種類の情報を明確に区別しています。

コアバリュー：本記事を読み終えれば、3つの問いに答えられるようになります。成熟したコーディング Agent をすぐに使いたいならどれを選ぶか、モデルを切り替えたいならどれが自由度が高いか、独自の自動化システムを構築したいならどれが適しているか。

Codex、Claude Code、DeepSeek Harness を単純に同種の製品と見なせない理由

理解しやすくするため、まず3つの製品に同じタスクを与えてみましょう。毎朝9時に最新のAIニュースを自動収集し、記事にする価値のあるトピックを選び出して資料パッケージと記事企画を生成し、その結果を会社のコンテンツ管理バックエンドに入力して保存し、翌日も自動実行を続ける、というタスクです。このタスクには、情報収集、コンテンツ生成、バックエンドへの入力、定時実行、モデル推論という5つの工程が含まれ、後述する比較対象の能力をちょうど網羅しています。

Codex と Claude Code は成熟したプログラミング Agentに属します。公式の製品形態、アカウント体系、利用枠を持ち、コードリポジトリの読み取り、コマンドの実行、テストの実行ができ、ブラウザ操作能力も備えています。Codex はさらに Codex Cloud を提供し、タスクをリモートの計算環境で実行できます。これらを使うのは「公式にトレーニングされたエンジニアを1人雇う」ようなもので、能力の境界と利用可能なモデルは基本的に公式が決めています。

DeepSeek Harness はこれとは異なります。MIT ライセンスのオープンソースプロジェクトで、公式のアーキテクチャドキュメントでは「Everything is a Plugin」と表現しています。モデルアダプター、ツールレジストリ、セッション記録、Agent Loop（モデルとツールが繰り返し対話する実行ループ）、ファイルシステムとコマンド実行、サンドボックス承認ポリシー、バックグラウンドタスク、Webhook は、いずれもプラグインと設定によって置き換え可能です。現在は Developer Preview 段階にあり、すぐに使える完成品というよりも、自ら改造できるシャーシのような存在です。

さらに補足すると、Codex にはプラットフォーム化の側面もあります。OpenAI は Codex Harness を公開し、SDK、App Server、codex exec という3つのプログラム的なアクセス方法を提供しています。ただし公式は、オープンソースの実行コードと、モデルアクセスおよびマネージドクラウドサービスを異なるレイヤーとして明確に区別しており、混同してはならないとしています。

用語早見表：Codex、Claude Code、DeepSeek Harness の比較表を読み解く共通基盤

前述の「ニュース日報」タスクは以降も繰り返し登場するため、ここで同じ事例を使って重要用語を整理し、言葉のズレを避けます。

• API：プログラムとモデルサービス間で取り決めた「注文フォーマット」のようなもので、日報タスクの各呼び出しはすべてこれに依存します。
• APIキー：「あなたが誰か」を証明する資格情報で、荷物の受け取りコードに相当します。適切に管理する必要があります。
• ベースURL：リクエストの送信先となるサービスアドレスです。アドレスを設定できるからといって、プロトコルが必ず互換であるとは限りません。
• モデルアダプター：Agent 内部でモデルサービスに接続し、リクエストとレスポンスの形式を処理するコンポーネントです。
• ツール呼び出し：モデルが自分で答えを作るのではなく、「ちょっと検索して」と外部ツールに依頼する仕組みです。
• MCP：Agent を外部ツールやデータサービスに接続するプロトコルで、Codex と Claude Code の両方が対応しています。
• SDK：Agent の機能を自身のプログラムに組み込むための開発キットです。
• Webhook：外部イベントがアプリケーションに能動的に「チャイムを鳴らす」ためのインターフェースです。
• Agent Loop：モデルとツールが相互にやり取りを繰り返し、タスクが終了するまでの実行ループです。
• クラウドタスク：リモート環境で実行されるタスクで、権限やファイルの利用可否はその環境の設定によって決まります。

モデルを変えたい：Codex vs Claude Code vs DeepSeek Harness、自由度が高いのはどれか

「モデルを変えたい」は、多くのチームがAgentフレームワークに注目する直接の理由であり、3製品のこの点に対する考え方は大きく異なります。

Codexは2つの接続方法をサポートしています。ChatGPTアカウントでログインするか、自分のAPIキーを使うか（追加設定が必要）です。注意すべきは、前者はChatGPTプラン内のCodex利用枠を使い、後者はAPI課金で、2つの利用枠は互いに通じないということです。また、オープンソースのCodex CLIとサブスクリプション枠を混同すべきではありません。

Claude Codeは公式にサブスクリプションログイン、およびAnthropic Console、Amazon Bedrock、Google Vertex AI、Microsoft Foundryなどの接続方法を提供しています。Terminal CLI、VS Code、JetBrainsなどの開発インターフェースでは、サードパーティProviderの設定もサポートしています。ただし強調したいのは、すべてのClaude製品の入口が任意のモデルに置き換えられるわけではないということです。具体的なサポート範囲は、使用するバージョンの公式ドキュメントに準拠してください。

DeepSeek Harnessの自由度は最も高く、責任も最も大きくなります。そのモデルアダプター自体がプラグインであり、開発ドキュメントではDEEPSEEK_API_KEY、DEEPSEEK_BASE_URLの2つの環境変数を例に挙げています。APIキーは認証に使用し、Base URLはカスタムAPIアドレスを指定するために使用します。設定しない場合はデフォルトでDeepSeek公式APIを使用します。特に説明が必要なのは、カスタムBase URLはDeepSeekアダプターのサンプル設定であり、他のモデルサービスが正常に動作するかどうかは、実際のリクエストプロトコルとツール呼び出しの互換性に依存するということです。アドレスが設定可能であることは、すぐに使えることを意味しません。

もし元々GPT、Claude、DeepSeekなどのモデル間で頻繁に切り替えて比較したいのであれば、モデル層を統一インターフェース上に置くことで切り替えコストを大幅に削減できます。APIYI apiyi.comの公開資料によると、プラットフォームはOpenAI互換インターフェースを提供し、1つのAPIキーで多種の主要モデルを呼び出せ、従量課金で、新規ユーザーには無料テスト枠があります（以上はプラットフォームの公開説明であり、具体的なモデル互換性は実際のテストに基づくことを推奨します）。

上図の階層は本文を理解する鍵です。モデルサービス層は推論能力のみを提供し、Agent環境層がタスクの計画と実行方法を決定し、外部ツール層が実際にブラウザ、ファイル、企業バックエンドに到達します。モデルを変えることは最下層を解決し、自動化を構築することは中間層と最上層を解決します。両者は互いに代替できません。

業務ツールを接続したい：Codex、Claude Code、DeepSeek Harness の拡張方法はどれがより柔軟か

日報タスクの第3ステップ「社内バックエンドへの記入」に戻ります。このステップで問われるのは、ツールの拡張能力です。

Codex は MCP を通じて外部ツールに接続し、SDK を通じて自身のプログラム内で Agent タスクを起動・管理します。App Server は他のアプリケーションがそのセッション、イベント、ツール呼び出し、承認フローに接続できるようにします。codex exec はスクリプトや CI のシナリオ向けで、再現可能な自動化タスクの構築に適しています。全体的な考え方は「公式の完成品＋標準化されたプログラミングインターフェース」です。

Claude Code の拡張体系は MCP、Hooks、Subagents を中心に展開されています。公式の MCP サンプルには、Google Drive の設計ドキュメントの読み取り、Jira からのタスク取得、PostgreSQL の照会、Gmail 下書きの作成、さらには外部イベントや Webhook 経由で Agent セッションにメッセージを送信するものまであります。Subagents は独立したコンテキスト、システムプロンプト、ツール権限、モデル選択を持ち、バックグラウンドで並列に動作できます。Hooks はツール呼び出しの前後、権限リクエスト、セッションの開始・終了などの段階でカスタムスクリプトを実行でき、フローに「チェックポイント」を追加するのに適しています。

DeepSeek Harness の拡張ロジックはさらに徹底しています。ツールレジストリ、Agent Loop、サンドボックス承認ポリシーをすべて置き換え可能で、つまり「ツールを追加する」だけでなく、「モデルがどのツールを呼び出すかをどう決定し、どう実行を継続するか」まで変更できるということです。その代償も明確です。すべてを自分で設定・保守する必要があり、公式のセキュリティ説明では、プロジェクトはまだセキュリティ監査を完了しておらず、本番環境に適したセキュリティソフトウェアとして見なすべきではないと明記されています。

自動化を構築したい：Codex、Claude Code、DeepSeek Harness の実行方式を比較

日報タスクで最も難しいのは「明日も自動で実行し続ける、できればPCを開かずに」という点です。ここで問われるのは実行とスケジューリングの能力で、まず三つの異なる能力を区別する必要があります。すなわちローカルプロセス実行、マネージドクラウドタスク、継続的なスケジューリングです。

Codex Cloud は OpenAI が管理するリモートコンピューティング環境を提供し、各タスクには独立したワークスペースがあります。PCがスリープ状態になっても、クラウド上のタスクは実行を続けられます。公式ヘルプドキュメントによると、保存された仮想マシンの状態は、デフォルトでタスクが最後に起動または復元されてから最大7日間まで復元できます（公式の説明）。「シャットダウン後も定期タスクを走らせたい」というシナリオでは、Codex Cloud は比較的直接的な公式ソリューションです。

Claude Code はローカル実行が中心で、バックグラウンドAgentやセッションをまたぐSubagentsは具体的な実行方式に依存します。PCのシャットダウン後も継続できるかどうかは、実行環境をどこにデプロイするかによります。公式はこれを「シャットダウン後も継続実行できる」クラウドタスク製品としては位置づけていません。

DeepSeek Harness は Background Jobs と Webhook を提供し、他の自動化システムに接続できますが、公式のローカルジョブバックエンドは実行中のプロセスに依存します。24時間稼働させたい場合は、常時稼働のサーバーやコンテナに自分でデプロイする必要があります。ブラウザ操作については、dsh-browser-use をインストールし、Playwright MCP、Chrome DevTools MCP、Stagehand などの実験的なプロバイダーを明示的に有効化する必要があり、ログイン状態はセッションログから自動的に復元されません。これらは「高い自由度」に伴うコストです。

注意しておきたいのは、ブラウザ検索、ブラウザの自動操作、デスクトップ制御は三つの異なるレベルの能力であり、評価時に混同してはいけないということです。ローカルの定期実行とクラウドでの継続実行もまた、同様に別物です。

Codex、Claude Code、DeepSeek Harness クイックスタート：まずはモデル層 API を動かす

最終的にどれを選ぶとしても、最初の一歩はモデル層を動かすことです。OpenAI 互換インターフェースを例にすれば、十数行のコードで最初の呼び出しが完了します。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 統一インターフェース、OpenAI 互換
)

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "用一句话总结今天的 AI 新闻要点"}],
)
print(response.choices[0].message.content)

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 統一インターフェース
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_news",
            "description": "搜索今天的 AI 新闻",
            "parameters": {
                "type": "object",
                "properties": {"keyword": {"type": "string"}},
            },
        },
    }
]

def search_news(keyword):
    # 実際のプロジェクトでは、ご自身の検索インターフェースや業務システムのインターフェースに置き換えてください
    return "关于 " + keyword + " 的示例新闻"

messages = [{"role": "user", "content": "搜索今天的 AI 新闻, 总结成一段日报"}]

for _ in range(5):
    # Agent Loop: モデルとツールがやり取りを繰り返し、タスクが完了するまで続ける
    response = client.chat.completions.create(
        model="gpt-4o-mini", messages=messages, tools=tools
    )
    msg = response.choices[0].message
    if msg.tool_calls:
        messages.append(msg)
        for call in msg.tool_calls:
            args = json.loads(call.function.arguments or "{}")
            result = search_news(args.get("keyword", "AI"))
            messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
    else:
        print(msg.content)
        break

このコードはまさに「モデル API は Agent 環境ではない」ということを説明しています。モデルは「ツールを呼ぶかどうか、どのツールを呼ぶか」を判断するだけであり、search_news こそがあなた自身が用意する実行層です。for ループが最もシンプルな Agent Loop にあたります。ツール関数を自分の業務インターフェースに置き換え、さらに Codex SDK、Claude Code の MCP、DeepSeek Harness のプラグイン体系を組み合わせれば、それぞれの自動化の雛形になります。ツール呼び出しの具体的なパラメータ形式や利用可能範囲は、選択したモデルとインターフェースのドキュメントに準拠してください。

🚀 クイックスタート：まずは APIYI apiyi.com でモデル層を動かし、APIキーと新規ユーザー向けの無料テスト枠を取得してから、統一インターフェースでツールとスケジューリングを段階的に接続するのがおすすめです。プラットフォームは複数の主要モデルを統一インターフェースで呼び出せるため、同じ環境で比較・切り替えがしやすくなっています（プラットフォームの公開説明による）。

⚠️ 注意：API 聚合サービスはモデルの接続や切り替えを支援しますが、ブラウザ操作、ファイル権限、クラウドコンピューティング、タスクスケジューリングの機能を自動的に提供するわけではありません。モデル API を呼び出すことと、Codex や Claude の製品サブスクリプションを持つことは、別物です。

ユースケース別おすすめ：モデル変更、API接続、自動化の構築はどう選ぶか

意思決定のアドバイス：まず自分にどれだけの自由度が必要か問いかける

1. 成熟したコーディングAgentをそのまま使いたい：Codex または Claude Code を選びましょう。どちらも開発ワークフローが整っており、保守の大部分を公式が担ってくれるため、タスクをそのまま任せてできるだけ早く成果を出したいチームに適しています。ただし、モデルの選択と利用量のルールが公式製品によって決まるという前提を受け入れる必要があります。
2. モデルと実行メカニズムを自由に差し替えたい：DeepSeek Harness を選びましょう。プラグインアーキテクチャによって最大の改造余地が得られますが、Developer Preview という現状、セキュリティ監査が未完了であるという注意事項、そして自前でのデプロイと自己責任での対応という全責任を受け入れる必要があります。
3. Agent を自社の業務ソフトウェアに統合したい：Codex SDK/App Server、Claude Agent SDK、DeepSeek Harness SDK という3つのプログラマティックな道筋を優先的に検討し、現在の技術スタックと求めるモデルの自由度に応じて組み合わせましょう。

💡 選択のアドバイス：どれを選ぶかは、どれだけの自由度が必要か、またどれだけの保守コストを負担できるかによって決まります。決定する前に、APIYI apiyi.com のような統合インターフェース上で、使用予定のモデルを1つずつ動作確認しておくことをおすすめします。モデル層のパフォーマンスを検証したうえで、どの Agent の形態を採用するかを決めるとよいでしょう。

よくある質問（FAQ）

Codex、Claude Code、DeepSeek Harness の核心ポイント Key Takeaways

• 位置づけの違い：Codex と Claude Code は成熟したコーディングエージェント、DeepSeek Harness はオープンソースのエージェント実行フレームワークです。
• モデルの自由度：Harness はアダプターを交換でき、カスタム Base URL にも対応。前者2つは公式の接続チャネルに制約されます。
• 拡張方法：MCP と SDK が共通言語。Hooks、Subagents は Claude Code ならではの特徴で、Harness は Agent Loop まで交換できます。
• 実行の違い：Codex Cloud は PC がスリープしても実行を継続。Harness の定時タスクには、常駐環境を自分で用意する必要があります。
• セキュリティ境界：DeepSeek Harness は Developer Preview で、セキュリティ監査は未完了。自前で構築する場合は最小権限を徹底してください。
• 導入順序：まずモデル層の API を通し、続いてツールとスケジューリングを段階的に接続。一気に全自動を目指さないことが大切です。

まとめ

3つの製品をそれぞれ本来の位置に戻すと、結論は明確です。

1. Codex：成熟したコーディングエージェントに、Codex Cloud のクラウドタスクを加えたもの。「タスクを任せたい」チームに適しています。
2. Claude Code：成熟したコーディングエージェントで、MCP、Hooks、Subagents が柔軟な拡張エコシステムを形成。既存の開発ワークフローに深くカスタマイズしたい場合に適しています。
3. DeepSeek Harness：MIT ライセンスのオープンソースで改変可能な土台。モデルと実行メカニズムを交換でき、自前で自動化システムを構築し、メンテナンスとセキュリティの責任を負える開発者に適しています。

最後に、最も重要な境界線に戻りましょう。モデル API が推論能力を決め、エージェント環境が「モデルが何を呼び出せるか、どう実行するか、どう結果をユーザーに届けるか」を決めます。モデルの交換、API の接続、自動化の構築は3つの異なるレイヤーの話であり、「モデル層 → ツール層 → スケジューリング層」の順に段階的に検証する方が、一気にやり遂げるより確実です。APIYI apiyi.com でモデル層の効果を素早く検証することをおすすめします。プラットフォームでは OpenAI 互換インターフェース、複数モデルの統一アクセス、新規ユーザー向けの無料枠を提供しています。

参考資料

1. GitHub – Codex：OpenAI 公式オープンソースリポジトリ
2. リンク： github.com/openai/codex

3. 説明： CLI ソースコード、アカウントおよび APIキーによる接続方法の解説

4. Codex as a platform：OpenAI 開発者ブログ

5. リンク： developers.openai.com/blog/codex-as-a-platform

6. 説明： オープンソースの Harness、SDK、App Server、マネージドサービスの階層構造についての解説

7. Using Codex Cloud：OpenAI 公式ヘルプドキュメント

8. リンク： help.openai.com/en/articles/20001545-using-codex-cloud

9. 説明： リモート計算環境、独立したワークスペース、仮想マシンの状態復元ルール

10. Claude Code Docs：Anthropic 公式ドキュメント

11. リンク： code.claude.com/docs/en/overview

12. 説明： 接続方法、MCP、Subagents、Hooks の機能説明

13. GitHub – DeepSeek Harness：DeepSeek 公式リポジトリ

14. リンク： github.com/deepseek-ai/deepseek-harness

15. 説明： プラグインアーキテクチャ、モデルアダプター設定、ブラウザサブシステム、セキュリティに関する説明

16. APIYI開発者ガイド：プラットフォーム公開紹介

17. リンク： help.apiyi.com/apiyi-wentuozhongxin-shangxian-kaifazhe-zhinan.html
18. 説明： OpenAI 互換インターフェース、統一 APIキー、複数モデル接続の説明

作者: APIYI 技術チーム
技術交流: APIYI サイトのトップページからお気軽にご連絡ください。モデル接続に関するその他の資料は docs.apiyi.com ドキュメントセンターでご覧いただけます。

関連記事

• Gemini 4 Carbon と Claude Opus 5.5 の比較:主要な複数の違いと3つのシナリオ別の選び方:仕様、価格、思考メカニズム、プロトコル、公式モデルカードのスコアという7つの観点からGemini 4 CarbonとClaude Opus 5.5を比較し、「どのタイプのタスクをどちらに任せるか」というモデル選定の提案を示す。
• DSHとTencent WorkBuddyの選び方：5つの利用シーン別に選定アドバイス:開発自動化、オフィス協業、データコンプライアンス、コスト管理、チーム導入の5場景からDSH（DeepSeek Harness）とTencent WorkBuddyの位置づけの違いを比較し、APIYIを通じて関連モデルを統一的に呼び出す方法を説明します。
• 大肥魚が人気になる5つの段階：DeepSeekコミュニティの二次創作「クジラ娘」がいかに新たなプロダクト文化の議題となるか:DeepSeekの鯨娘現象について、キャラクター誕生、二次創作リレー、形象をめぐる論争からAI Agentが「大肥魚」としてB站のコメント欄に参加するまで、タイムライン、データ、プロダクト文化への示唆を完全に整理する。
• DeepSeek Super-agentとClaude Code、Codexを比較：6つの視点から違いがモデルとオーケストレーションシステムのどちらにあるかを見極める:DeepSeekがSuper-agentの研究用プロトタイプをオープンソース化した今、Claude CodeやCodexとの本質的な違いを、モデル・プログラミングツール・スケジューリングシステムの3層の能力を6つの観点から分析し、作業形態に応じた選択の指針を示します。
• GPT Image 2.6 APIの隠れた制限を解説：GIF・SVG・部分編集の組み合わせにおける5種類の制約:GPT Image 2.6 APIにおけるGIF、SVG、マークアップの部分編集のエンドポイント制限、パラメータの競合、移行時の注意点を解説し、「モデル名を変えるだけで使える」という開発者の誤解を防ぎます。
• ChatGPTの定時タスク、Codexエージェント、Dotの全自動化を比較：3つの自動化における6つの主な違い:起動、実行、継続的な統括の3つの観点から、ChatGPTの定期タスク、Codexエージェント、ChatGPT Dotの全自動化能力、費用、信頼性、選定の指針を比較する。
• 徹底解説：1つのキーですべてのエージェントを接続、オープンソースのmagpieでAPIゲートウェイを一元化（Claude Code、Codex、Pi、Hermesを例に）:そのまま実践できるチュートリアル：所要時間は約30分で、Claude Code、Codex、Pi、Hermesなど、あなたのマシン上のすべてのコーディングエージェントで1つのAPIキーとゲートウェイアドレスを共有できます。magpieの画面キャプチャ、手順に沿った接続方法、ネイティブ設定の比較、エラーのトラブルシューティング表も含まれています。
• 154万デイリーアクティブユーザー、92兆トークン、3.5万プラグイン：DeepSeek Harnessはエージェントのプラットフォーム化をどこまで進めたのか:DeepSeek Harnessが公式に公表した日間アクティブユーザー154万人、1日当たり92兆トークン、プラグイン3万5000件の3つのデータを分析し、エージェントのプラットフォーム化における機会とリスクを評価したうえで、モデルのバックエンド選定とコスト管理に関する5つの提案を示してください。
• 10週間で本番環境向けGitバックエンドを構築：OpenAIはいかにしてCodex AgentチームにPandoの5つの技術的課題を解決させたか:OpenAI Pandoを解説：1人のエンジニアがコアを設計し、複数のCodex Agentチームが実装、少数のエンジニアがデプロイして10週間で本番稼働に至るまでを追い、テスト体系、段階的な移行、参考にできる手法を重点的に分析します。