目次

新しいメンバーがプロジェクトに参加した。さっそくAIエージェントを使ってもらおうとしたら、「このリポジトリではどのスキルを使うの？」「レビュー時のルールはどこ？」「MCPサーバーの設定も必要？」と質問が続く。個別に説明して、設定ファイルを渡して、更新があればまた連絡する。人数が増えるほど、この作業は地味に重くなる。

Tencentの「teamai-cli」は、チームで使うAI関連の設定や資産をGitリポジトリにまとめて管理するオープンソースのCLIだ。スキル、ルール、エージェント、フック、MCPサーバー、モデル設定などを共有し、メンバーが一度セットアップすれば、管理者が公開した更新をセッションごとに取り込める仕組みをうたっている。

「AIに詳しい人だけ設定が育っている」「各自のやり方がばらばら」というチームには気になる道具だ。今回は、TeamAIでできることと、導入前に押さえておきたい手順を見ていこう。

AIの設定をGitで共有する#

TeamAIの考え方はわかりやすい。チームのAI資産を、共有リポジトリで管理する。リポジトリに置くのは、単なる設定ファイルだけではない。スキルやルールのほか、エージェント、フック、MCP、モデルなども対象になっている。

ここでいう「チームのやり方」は、たとえば次のようなものだ。

  • コードレビューで確認する項目をまとめたルール
  • 特定の作業を進めるためのスキル
  • エージェントごとの役割や設定
  • MCPサーバーなど、AIツールとの接続に関する情報

メンバーがそれぞれ設定を手でコピーするのではなく、チーム用のGitリポジトリを更新元にする。スキルを改善したら共有リポジトリへ反映し、ほかのメンバーも更新を取り込む。設定変更をコードと同じようにレビューし、履歴を残せるのもGitを使う利点だ。

対応するAIツールは複数ある。GitHubの掲載情報にはClaude Code、Codex、Cursor、GitHub Copilot CLI、OpenCodeなどが並び、機能ごとに対応状況を示した表もある。ただし、すべてのツールがすべての機能に対応しているわけではない。導入したいエージェントと機能の組み合わせは、公式リポジトリの対応表で確認しておこう。

管理者が始めるときの手順#

利用にはNode.jsのパッケージマネージャーnpmを使う。まずCLIをインストールする。

install.txt
npm install -g teamai-cli

次に、GitHubやGitLabなど、チームが使っているGitホスト上に共有リポジトリを用意する。公式の説明では、GitHub、GitLab、GitCode、CNB、TGit、プライベートなGitサービスが挙げられている。メンバーがブランチをpushできるようにしつつ、デフォルトブランチは保護しておく構成だ。

リポジトリを作ったら、管理者は次のように初期化する。

setup.txt
teamai init https://github.com/your-org/your-repo

まだ共有リポジトリがない場合は、teamai-hubにあるテンプレートを使う方法も案内されている。テンプレートには、すぐ使い始められるスキル、ルール、レビューエージェントが用意されている。チームの前提に合うかを見てから、自分たちのリポジトリに取り込むと進めやすそうだ。

メンバーは作業場所に合わせて初期化#

メンバーがセットアップする場合、リソースをどこに置くかを選ぶ。デフォルトはワークスペース単位で、プロジェクトのディレクトリに移動してから実行する。

workspace.txt
cd /path/to/my-workspace
teamai init https://github.com/your-org/your-repo

複数の作業場所でユーザー単位の設定として使いたい場合は、--scope userを指定する。

user-scope.txt
teamai init https://github.com/your-org/your-repo --scope user

チームで使うなら、どちらが適切かを最初に決めておくとよい。プロジェクト専用の設定を置きたいのか、同じメンバーが複数のワークスペースで使う設定にしたいのかで選び方が変わる。適用される場所や既存設定との関係は、実際の環境で確認してから運用ルールにすると安心だ。

セットアップ後は、管理者が公開したスキルやルールなどの更新を、AIセッションごとに自動で取り込む設計だという。メンバーが自分で同期コマンドを実行する手間を減らせる。更新がいつ適用されるか、作業中の設定変更がどう見えるかなど、細かな挙動は導入時に確認しておきたい。

「実行」「文脈」「改善」の3つの層#

TeamAIの製品概要は、機能を大きく3つの層に分けている。

最初の「Team Execution」は、AIにチームの作業方法を伝える機能群だ。スキル、ルール、環境設定、エージェント、フック、MCP、モデルが含まれる。まずここから導入すれば、作業手順やレビュー基準をそろえる用途を試せる。

「Team Context」は、AIにチームの背景を理解させるための層。学習情報、コードベースのグラフ、teamwikiが挙げられている。この領域はベータ版として紹介されている。コードの構造やチーム固有の知識をどのように登録し、回答にどう反映するかを確かめながら使う段階と考えるのがよさそうだ。

「Team Improvement」もベータ版で、利用状況やセッションを扱う。AIを使った結果をチームの改善につなげる方向性だが、どの情報を集め、誰が見られるのかは運用に関わる。公開情報だけで判断せず、必要な範囲を公式ドキュメントで確認してから利用したい。

対応表は機能単位で見る#

対応ツールの一覧は、製品名だけを見て判断しないのがポイントだ。各エージェントについて、スキル、ルール、環境設定、エージェント、フック、MCP、モデル、学習情報、コードベース、teamwiki、利用状況、セッションへの対応が示されている。

つまり「このAIツールでTeamAIを使えるか」だけでは足りない。たとえば、共有したいものがMCP設定なのか、ルールなのか、学習情報なのかを決めて、対応表で該当する列を確認する必要がある。掲載表では、一部の環境設定がteamai env exec経由でのみ届くものや、ルールがパスに制限されず適用されるものも注記されている。

対応表はバージョンや開発状況によって変わる可能性がある。特にベータ機能を使う場合や、特定のAIツールを前提にする場合は、導入時点の情報を見直そう。

チーム導入で決めておきたいこと#

導入時には、CLIを配るだけでなく、共有リポジトリの運用も整える必要がある。誰がスキルやルールを変更できるのか、変更をどうレビューするのか、個人向け設定とプロジェクト向け設定をどう使い分けるのか。これらを曖昧にしたままだと、AIの設定を一か所にまとめても、かえって管理が煩雑になることがある。

まずは小さく始めるのが現実的だ。対象のリポジトリをひとつ選び、既存のレビュー手順やスキルを少数だけ共有してみる。管理者とメンバーの両方で初期化し、設定が意図した場所に入るか、更新が取り込まれるかを確かめる。問題がなければ、共有する資産を増やしていけばいい。

TeamAIはMITライセンスで公開されており、GitHub上で議論、Issue、プルリクエストを受け付けている。動作や対応範囲を確かめたい場合は、Getting StartedやUsage Guide、Git Providers、Windows Setupなどの案内も確認できる。

AIツールごとに設定ファイルを配り直す作業を減らしたいチームにとって、TeamAIは検討の出発点になりそうだ。まずは普段使っているエージェントと共有したい設定をひとつ選び、公式の対応表を確認して、テスト用の共有リポジトリで初期化してみよう。

出典: https://github.com/Tencent/teamai-cli

目次