ChatGPTとClaude Codeでトークンを節約する10の方法

AIの利用上限や費用を抑えたいときに見直したいこと

ChatGPTやClaude Codeを使っていると、回答回数の上限、クレジット、API費用が気になる場面があります。特にコード修正や調査では、AIがファイルを読み、コマンドを実行し、長い結果を確認するため、依頼文より周辺情報の方が大きくなりがちです。

トークンは、AIが会話、資料、コード、ツールの実行結果を扱うための情報量です。節約というと「短い指示」に寄せたくなりますが、前提が足りない依頼は、AIに余計な調査や確認をさせます。必要なのは、情報を削ることではなく、仕事に必要な情報を選ぶことです。

ここでは、ChatGPTやClaude Codeで共通して使える10の見直し方を紹介します。

1. 作業の難易度に合わせてモデルを選ぶ

文章の整形、名称の置換、限定した1か所の修正まで、常に最も高い性能のモデルを使う必要はありません。OpenAI APIでは、GPT-5.6 Terraは知能とコストのバランス向け、GPT-5.6 Lunaはコスト重視・高ボリューム向けに案内されています。定型作業は必要な品質を満たす小さいモデルから試し、設計判断、再現しない不具合、複数ファイルにまたがる変更だけ上位の選択肢へ切り替えます。

TerraとLunaの料金はAPI利用時の従量課金であり、ChatGPTやCodexの月額プラン料金そのものではありません。利用画面でモデルを選べない場合は、この項目を「小さいタスクを短い依頼に分ける」ことへ読み替えてください。

ただし、軽いモデルで何度もやり直すと、かえって消費量が増えることがあります。同じ失敗を2回繰り返したら、モデルを上げるか、人が前提を補う判断が必要です。

2. 思考・推論の強さを上げたままにしない

OpenAI APIではreasoning.effortで、モデルに考えさせる量を調整できます。低い設定は速度とトークン使用量を優先し、高い設定はより完全な推論と品質を優先します。分類、抽出、定型の下書き、軽い修正では低めから試し、複雑な調査や難しいデバッグでだけ引き上げる運用が適しています。

これは主にAPIの設定です。すべてのChatGPTやCodexの画面で同名の項目を選べるわけではなく、設定値と初期値もモデルごとに異なります。利用画面に思考や推論の選択肢がある場合にだけ、常に最大へ固定していないかを確認してください。

3. 依頼の最初に目的と境界を決める

短い指示は便利ですが、重要な仕事ではAIを迷わせる原因になります。OpenAIも、目的、文脈、出力、境界条件を必要に応じて示すことを案内しています。

依頼には、次の4点を一行ずつ書くと作業範囲が安定します。

・目的：CSV取込時の二重登録を直す
・対象範囲：src/importerと対応するテストだけを見る
・変更しないこと：データベースの形と画面表示は変えない
・完了条件：指定したテストが通り、変更内容を3行で報告する

これにより、AIが関係のないファイルを読んだり、大きなリファクタリングへ進んだりするのを抑えられます。

4. 読み込ませる資料とログを絞る

プロジェクト全体や数万行のログを最初から渡すと、入力の大半が判断に使われない情報になります。まずは、エラーが出た操作、エラー本文、前後50行程度のログ、関係するファイルだけに絞ります。

不足があれば、AIに「次に必要なファイル名と理由だけを挙げてください」と依頼します。追加する情報を一段ずつ選べるため、原因に近づきながらコンテキストを管理できます。

ただし、認証、権限、金額計算、データ破損のように前提を落とすと危険な作業では、短縮を優先しません。必要な設定や原資料を人が確認することが先です。

5. テストとやり直しの上限を決める

AIに「直るまで試して」と任せると、同じ仮説で修正、テスト、失敗を繰り返すことがあります。Claude Codeの公式ガイドも、テスト、ビルド、Lintなど、成功・失敗を判定できる確認手段を与えることを勧めています。

実務では、変更に直接関係するテストを先に実行し、修正の再試行は1回までと決める方法が扱いやすいです。それでも直らなければ、エラー全文、試したこと、次に確認すべき点を報告させて一度止めます。全体テストは、変更が固まった最後に1回行います。

6. 返事の長さと形式を指定する

回答文もトークンを使います。修正版のコードや結論だけが必要なのに、長い解説や複数案を毎回出させる必要はありません。

たとえば「変更した点は3行、残る問題は箇条書き、コード全文は不要」と指定します。逆に、レビューや意思決定では、根拠、未確認事項、影響範囲を出すように指定します。短くする目的は説明を省くことではなく、次の判断に必要な形へそろえることです。

7. 話題が変わったら新しい会話やタスクにする

Claude Codeでは、会話、読んだファイル、コマンド出力が同じコンテキストに蓄積します。長い会話では、古い調査や修正履歴が次の仕事にも残り、必要な情報を埋もれさせる場合があります。

Pythonの不具合修正を終えた後、別の企画書や画像の相談を始めるなら、新しい会話やタスクに分けます。過去の履歴がなくても依頼が通じるなら、切り替える目安です。引き継ぐ必要がある場合は、目的、決定事項、未解決点だけを短くまとめて渡します。

8. 共通ルールの指示ファイルを短く保つ

Claude CodeではCLAUDE.mdがセッション開始時にコンテキストへ読み込まれます。公式は1ファイル200行未満を目安とし、長い指示はコンテキストを消費するだけでなく、指示への追従も弱めやすいと説明しています。

全体共通のルールは、使用言語、テストコマンド、禁止事項などに絞ります。特定の画面やフォルダだけで必要な手順は、パスを限定した.claude/rules/や、必要なときだけ読み込むスキルへ分けます。インポート記法でファイルを分割しても、読み込んだ内容は開始時のコンテキストに展開されるため、整理と節約は別の問題です。

なお、Claude Codeで直接読む標準ファイルはCLAUDE.mdです。AGENTS.mdを共用することはできますが、CLAUDE.mdから明示的に読み込ませた内容もコンテキストに入ります。「AGENTS.mdが合計32 KiBまで」という前提で設計するのは避けてください。

9. MCPは「接続数」より「読込と出力」を管理する

MCPを使うと、AIからデータベース、デザインツール、クラウドストレージなどを扱えます。Claude CodeではMCP Tool Searchが標準で有効になっており、詳細なツール定義を必要な時点まで遅延して読み込む仕組みがあります。そのため、使わないMCPをすべて外す前に、Tool Searchを無効にして全ツールを先読みする設定になっていないかを確認します。

一方で、ツールの実行結果が長すぎれば、接続数が少なくてもコンテキストを圧迫します。検索条件、取得件数、ページ分割、要約用の操作を決め、必要なレコードだけを返すようにします。Pythonの小修正に外部データベースを検索させる、といった不要な呼び出しを避けることも有効です。

10. 高速実行とサブエージェントは時間を買う機能として使う

Fast modeは、トークンを節約する機能ではありません。OpenAIのCodexでは、確認日現在、GPT-5.6のFast modeは標準より多くのクレジットを使う速度優先の選択肢です。Claude CodeのFast modeも、待ち時間を減らす代わりにトークン単価が上がります。急ぎではない作業や節約目的の作業では、標準モードを基準にします。

サブエージェントも、主会話を長いログや探索結果で埋めないためには有効です。ただし、別のコンテキストで作業する分、総トークンや合計コストまで必ず減るわけではありません。公式仕様の調査、既存コードの確認、テスト観点の洗い出しのように、調査の枝を重ならないように分けます。返してもらう内容を「要約、根拠、次に確認すること」に絞ると、主会話を保ちやすくなります。

まずは3つだけ試す

最初から10項目をすべて変える必要はありません。次の3つから始めると、作業の流れを大きく変えずに効果を確認できます。

・軽い仕事では、利用できる範囲で標準または軽量のモデルを試す
・最初に渡すファイル、ログ、資料を関係するものだけに絞る
・回答の長さと報告形式を依頼文に書く

1週間ほど、作業の種類、やり直し回数、利用量の表示、手直しにかかった時間を簡単に記録すると、自分の環境で何が効くか判断できます。

まとめ

トークンを節約する目的は、AIの仕事を雑にすることではありません。必要な資料、確認、出力だけに集中させ、人が判断すべき場面を残すことです。

まずは次の依頼で、目的、対象範囲、完了条件、出力形式を一行ずつ書いてみてください。AIに長い会話を続けさせる前に仕事の枠を決めるだけで、利用量と手戻りの両方を見直しやすくなります。

ChatGPTやClaude Codeを使った業務整理、AIを使うための小さな開発支援、既存フローに合わせた自動化の範囲を検討したい場合は、ココナラのメッセージからご相談ください。