Claude Task Master の使い方｜PRDからCursorでタスク自動生成
AI を使ったコーディングで最も頭を悩ませる問題のひとつが「コンテキストの断絶」だ。機能を一つ実装するたびに AI が過去の経緯を忘れ、大きすぎる要件を一気に処理しようとして品質が落ちる。そんな問題を解消するために生まれたのが Claude Task Master（npm パッケージ名: task-master-ai）だ。
2025 年に公開されてからわずか 9 週間で GitHub スター 15,500 件を獲得したこのオープンソースツールは、PRD（製品要件定義書）を AI が読み込んで構造化されたタスク一覧を自動生成し、開発者が順序立てて実装を進めるための仕組みを提供する。
目次 (14)
Claude Task Master とは何か
Claude Task Master は eyaltoledano/claude-task-master として GitHub 上に公開されているオープンソースのタスク管理システムだ。Cursor・Windsurf・VS Code・Lovable・Roo など主要な AI コーディング環境と MCP（Model Context Protocol）経由で連携でき、Claude（Anthropic）・OpenAI・Google Gemini など複数の AI モデルに対応している。
核心的なアイデアはシンプルだ。「大きな要件を PRD として書き、AI が小さなタスクに分割して管理する」というフローを確立することで、AI が抱える「大きすぎる問題を一気に解こうとして混乱する」という弱点を構造的に補う。
tessl.io の解説によると、このツールを導入することでコーディングエラーが 最大 90% 削減 されたという報告がある。
Claude Task Master が解決する 3 つの課題
課題 1：セッションをまたいだコンテキスト管理
AI コーディングツールは会話セッションをまたいで文脈を保持するのが苦手だ。Claude Task Master はプロジェクトルートの tasks/tasks.json にタスクと進行状況を記録するため、セッションをまたいでも AI が「今どこまで進んでいるか」を把握できる状態を維持できる。
課題 2：複合要件の分解
「認証・スクレイピング・プロキシ回転を含む Web クローラーを作ってほしい」といった複合要件を 1 回の指示で処理しようとすると、AI は品質を保てない。Claude Task Master は PRD を解析し、依存関係を考慮した小粒のタスクへ自動で分解する。Medium の事例記事では、1 つの PRD から 15 以上の本タスクと 24 以上のサブタスクが自動生成された例が紹介されている。
課題 3：タスクの優先度と依存関係
「A を実装してから B に着手する」という順序を AI が自律的に判断するのは難しい。Claude Task Master はタスク間の依存関係を自動でマッピングし、次に着手すべきタスクをレコメンドする機能を備えている。
主な機能一覧
| 機能 | 概要 |
|---|---|
| PRD 解析・タスク生成 | 自然言語の PRD ファイルを読み込みタスク一覧を自動生成 |
| 依存関係管理 | タスク間の依存を自動マッピング、次タスクをサジェスト |
| 複雑さ分析 | 実装難易度を推定してタスクをさらに細分化 |
| リサーチコマンド | Web 検索で最新技術情報を取得しタスクに反映 |
| マルチモデル対応 | Claude・OpenAI・Gemini・Perplexity など切り替え可能 |
| MCP サーバー統合 | エディタの AI チャットから直接コマンド実行 |
| タスク進捗追跡 | pending / in-progress / done のステータス管理 |
セットアップ方法
必要なもの：1 つ以上の AI プロバイダーの API キー（Anthropic・OpenAI・Google Gemini など）と Node.js 環境。
MCP サーバー経由（推奨）
Cursor などのエディタの AI チャット画面から直接 Task Master を操作できる方法だ。
- プロジェクトルートに
.cursor/mcp.jsonを作成する - 以下の設定を追加する
{
"mcpServers": {
"taskmaster-ai": {
"command": "npx",
"args": ["-y", "--package=task-master-ai", "task-master-ai"],
"env": {
"ANTHROPIC_API_KEY": "sk-ant-xxxxxxxxxx"
}
}
}
}
- Cursor を再起動する
- AI チャットで
Initialize taskmaster-ai in my projectと入力する
CLI 経由
npm install -g task-master-ai
task-master init
初期化後、プロジェクトルートに .taskmaster/ ディレクトリが作成され、設定ファイルとドキュメント格納場所が準備される。
基本的な使い方：PRD からタスクを生成する手順
GitHub 公式チュートリアルをベースにした標準フローは以下の通りだ。
.taskmaster/docs/prd.txtに製品要件を自然言語で記述するtask-master parse-prd .taskmaster/docs/prd.txtを実行するtasks/tasks.jsonにタスク一覧が生成されたことを確認するtask-master listでタスク一覧を表示するtask-master nextで次に着手すべきタスクを確認する- 対象タスクを
in-progressに更新して実装を開始する - 完了後に
task-master set-status --id=1 --status=doneでステータスを更新する - 5 に戻り、次のタスクに進む
MCP 統合を使っている場合は、上記の CLI コマンドをエディタの AI チャット内で自然言語として指示できる。たとえば「次のタスクを教えて」「タスク 3 を完了にして」といった日本語指示でも動作する。
Cursor との連携ワークフロー
SameLogic のレポートでは、Cursor と Claude Task Master を組み合わせた「バイブコーディング」の改善事例が紹介されている。
ポイントは「タスク完了 → コミット → 次のタスク」という小刻みなサイクルの徹底だ。
- PRD を作成し Task Master にタスクを生成させる
- Cursor の AI チャットで「現在のタスクを確認して」と指示する
- 指定されたタスクを AI チャットで実装させる
- 実装が完了したら
git commitし、タスクをdoneに更新する - 1 タスク 1 コミットのリズムを保ちながら次のタスクへ進む
この繰り返しにより、AI が「今何を作っているか」を常に把握した状態で実装を進めることができ、複数セッションにわたるプロジェクトでも迷子になりにくい。
対応エディタと AI モデル
対応エディタ（MCP 経由）
- Cursor
- Windsurf
- VS Code（GitHub Copilot Chat）
- Amazon Q Developer CLI
- Lovable
- Roo
対応 AI モデル
- Claude（Anthropic）—— Opus・Sonnet 系列
- GPT-4o・o3 / o4-mini（OpenAI）
- Gemini 1.5 Pro / 2.0（Google）
- Perplexity AI（リサーチ機能向け）
- Grok（xAI）
タスク生成・計画には Claude、リサーチには Perplexity、実装コードには GPT-4o といった使い分けも設定ファイルで細かく指定できる。
ライセンスと費用面の注意
Claude Task Master のライセンスは MIT + Commons Clause だ。自社製品の開発に使用するのは問題ないが、「Task Master 自体をサービスとして販売・ホスティングすること」は禁止されている。
費用は API キーの従量課金のみ。Claude を使う場合は Anthropic の API キーが必要となる。なお、Claude.ai のサブスクリプション（Claude Pro / Max）のキーは API 経由では利用できないため、Anthropic Console から別途 API キーを発行する必要がある点に注意したい。
まとめ
Claude Task Master は、PRD を AI に渡してタスクを自動分解することで、AI コーディングの弱点である「コンテキスト断絶」と「大きすぎる問題への対処」を構造的に解決するツールだ。
Cursor や Windsurf などのエディタと MCP 経由で連携すれば、エディタを出ることなくタスク管理が完結し、「タスク完了 → コミット → 次のタスク」という小刻みなサイクルで開発を進めることができる。複数の AI プロバイダーに対応しているため、用途に応じてモデルを使い分けることも可能だ。
PRD ベースの構造化された開発フローを AI コーディングに取り入れたい開発者にとって、現時点で最も実績のあるオープンソースツールの一つと言えるだろう。
