【実務・中級編】Cursor × Ollamaで『モデルの使い分け』を極める：タスク適正に応じたAIモデルの動的切り替えフロー – 軽量・高機能テキストエディタ生産性向上バイブル

開発の現場から：AIエディタの「単一モデル運用」という致命的なアンチパターン

テックリードとしてチームのコードベースや開発プロセスを監査していると、いまだに多くのエンジニアが「すべてのタスクを単一の最強モデル（Claude 3.5 SonnetやGPT-4oなど）」に丸投げしている光景に出くわします。

これはアーキテクチャの観点から見ても、経済的・時間的コストの観点から見ても、極めて非効率なアンチパターンです。

• 定型的なリファクタリングや型定義の追加に、高コストかつ推論に時間がかかる重いモデルを使うのは、フェラーリで近所のコンビニに買い物に行くようなものです。
• 複雑な分散システムのコンテキスト設計やアルゴリズムのゼロベースからの構築に、軽量なローカルモデル（Ollama等）を当てれば、ハルシネーション（幻覚）の多発によってかえってデバッグ工数が膨れ上がります。

真に洗練された開発環境とは、「タスクの認知負荷とエントロピーの大きさに応じて、背後で稼働するAIモデルを動的にスイッチングするフロー」がシームレスに確立されている状態を指します。

本稿では、VS Codeの強固なエコシステムを受け継ぎつつAIファーストで再設計されたCursorと、ローカルLLMランタイムのOllamaを完全に統合し、コスト、スピード、精度の三位一体を極限まで最適化するモデルの使い分け戦略を、実践的な設定コードとともにお伝えします。

—

1. 根本思想：なぜ「クラウド高性能モデル × ローカル軽量モデル」のハイブリッドなのか

CursorにおけるAI支援は、主に以下の3つのレイヤーに大別されます。

1. Chat (Ctrl/Cmd + L): アーキテクチャの相談、仕様の壁打ち、アルゴリズムの設計
2. Composer (Ctrl/Cmd + I): 複数ファイルにまたがる大規模なコード生成・リファクタリング
3. Inline Edit (Ctrl/Cmd + K): 局所的なコードの修正、補完、リネーム

このレイヤーとタスクの性質を見極め、次のようなルーティングポリシーをチーム全体で暗黙知から明文化されたルールへと昇華させます。

| タスクの性質・認知負荷 | 推奨するモデルのTier | 具体的なモデル例 | Cursor上でのルーティング先 |
| :— | :— | :— | :— |
| 高（複雑な設計・新規ロジック） | Tier 1: 超高性能クラウド | Claude 3.5 Sonnet / GPT-4o | Chat / Composer (メイン) |
| 中（一般的な関数実装・テスト作成） | Tier 2: 標準クラウド / 高性能ローカル | GPT-4o-mini / Llama 3 8B (Ollama) | Chat / Inline Edit |
| 低（定型補完・変数リネーム・型追加） | Tier 3: 超軽量ローカル | Qwen 2.5 Coder 7B (Ollama) | Inline Edit / Tab補完 |

特にOllamaをローカルで稼働させる最大のメリットは、「社外秘コード（NDA対象のリポジトリ）のプライバシー担保」と「API制限（Rate Limit）からの完全な解放」です。オフライン環境でも高速なコード補完・生成が手に入ります。

—

2. 環境構築：OllamaとCursorのシームレスな統合

まずは、ローカルLLMのゲートウェイとなるOllamaを立ち上げ、Cursorから叩ける状態を作ります。ここでは開発者支持率が極めて高いコーディング特化モデル「Qwen 2.5 Coder (7B)」を例にとります。

Ollamaのセットアップとモデルプル

Ollamaのインストール（macOSの場合）
brew install ollama

デーモン起動
ollama serve

別ターミナルでコーディング特化の軽量・高速モデルをプル
ollama pull qwen2.5-coder:7b-instruct

Ollamaはデフォルトで `http://localhost:11434` にAPIエンドポイントを立てます。Cursor側からは、このローカルエンドポイントをカスタムモデルとして認識させます。

—

3. チーム開発で役立つ設定の共有化：`.cursorrules` のベストプラクティス

プロジェクトルートに置く `.cursorrules` は、単なるプロンプト集ではありません。「チーム全員がCursorのAIに同じコンテキストと制約を強制するためのインフラストラクチャ」です。

以下のJSON/Markdownベースの設定をプロジェクトのルートに配置することで、モデルが切り替わっても一貫した品質のコードを出力させることができます。

`.cursorrules` 実装例

開発ガイドライン & AIエージェントへのシステムプロンプト

1. 技術スタックの制約

• 言語: TypeScript (Strict mode必須), Node.js 20+
• フレームワーク: Next.js 14 (App Router), Tailwind CSS
• テスト: Vitest, Playwright

2. コーディング規約

• 絶対厳守: `any` 型の使用を禁止します。unknown型またはジェネリクスを使用してください。
• 副作用を持つ関数は純粋関数と明確に分離し、カスタムフックやサービス層に閉じ込めてください。
• エラーハンドリングは例外を投げっぱなしにせず、Result型（例: neverthrow）またはカスタムAppErrorクラスを使用すること。

3. モデル使い分けの運用ルール（エージェントへの指示）

• [Inline Edit (Ctrl+K)] での軽微な修正には、ローカルの `qwen2.5-coder:7b` が応答することを前提とし、簡潔な差分のみを出力してください（冗長な説明不要）。
• [Composer (Ctrl+I)] での大規模実装時は、アーキテクチャの整合性を保つため、依存関係の循環がないことを確認してからコードを出力してください。

—

4. 現場の生産性を爆発させる「隠れたキーボードショートカット」

マウスに手を伸ばした瞬間にフロー状態（ゾーン）は途切れます。Cursorの真価を引き出すキーバインドを体に叩き込んでください。

• `Ctrl/Cmd + I` (Composer): 複数ファイル同時編集モードの起動。新機能の骨格を作る際はこれ以外使えません。
• `Ctrl/Cmd + Shift + I` (Chat Panel): サイドバーでのAI対話。現在のファイルや選択範囲が自動でコンテキスト（@fileなど）としてインジェクトされます。
• `Ctrl/Cmd + K` (Inline Edit): 選択範囲のインライン修正。「ここにバリデーション追加して」と自然言語で指示するだけで、Git Diff形式で即座にインライン適用されます。
• `Ctrl/Cmd + Enter` (Chatでの適用): チャット内でしたコードブロックを、現在のファイルに一瞬でマージします。

—

5. 絶対に入れるべき神プラグイン（Extensions）

CursorはVS Codeの拡張機能をそのまま利用できます。AIエディタのポテンシャルを極限まで引き出すために、以下のプラグインを導入してください。

1. GitLens (GitKraken)

• 理由: AIにコードを修正させる際、「なぜこのコードが書かれたのか（Blame）」のコンテキストが不可欠です。AIチャットとGitLensの履歴探索を組み合わせることで、バグの文脈を秒速でAIに理解させられます。

2. Error Lens

• 理由: AIが生成したコードに型エラーや構文エラーがある場合、行末にインラインで赤く視覚化してくれます。AIに「このエラーを直して」とフィードバックループを回すまでのリードタイムをゼロにします。

3. Indent-Rainbow

• 理由: 複雑なネストを持つJSXや多重ループをAIが生成した際、スコープの構造を視覚的に一瞬で把握し、構造的なハルシネーションを人間側で即座に検知するため。

—

6. 実践：タスクに応じた動的切り替えフローの構築

実際の開発サイクルにおいて、どのようにモデルを切り替えるべきか、具体的なユースケースで見ていきましょう。

ケースA：複雑なアルゴリズム・新規機能設計（Tier 1: Claude 3.5 Sonnet）

• アクション: `Ctrl/Cmd + L` でチャットを開く。
• プロンプト例:

> `@codebase 既存の認証ミドルウェアを拡張し、Redisを用いたレートリミッターをトークンバケットアルゴリズムで実装したい。アーキテクチャの設計案と、Next.jsのmiddleware.tsに組み込むコードを提示して。`

• 狙い: 全体的な設計思想、セキュリティ考慮漏れを防ぐため、最も推論能力の高いクラウドの最高峰モデルを使用します。

ケースB：定型的なコード補完・ボイラープレート生成（Tier 3: Ollama / Qwen 2.5 Coder）

• アクション: フォームの入力コンポーネントなどで `Ctrl/Cmd + K` を押し、インラインで指示。
• プロンプト例:

> ` ZodのスキーマからReact Hook Form用の型定義とバリデーションを生成して`

• 狙い: ローカルのOllamaモデルをCursorの設定（Settings > Models）からカスタムプロバイダとして紐づけ、爆速かつオフラインで処理を完結させます。クラウドのAPI枠を消費せず、機密性の高いコードが外部サーバーに送信されることも防げます。

—

結び：ツールに振り回されるな、ツールを支配せよ

AIエディタの導入は、単に「コードを書くのが楽になる」というレベルの話ではありません。「開発チーム全体の認知のボトルネックをどこに集中させるか」というアーキテクチャの戦略そのものです。

簡単な作業はローカルの軽量モデルにオフロードし、人間と最高性能モデルは「何を作るべきか」「どうシステム全体の整合性を保つか」という本質的な高次思考にリソースを集中させる。この動的切り替えフローをチーム標準として確立できたとき、あなたの開発チームの生産性は、競合他社が追いつけない圧倒的なスピードへと到達するでしょう。