スター数の多いClaude Codeプラグイン5本、Superpowers、ECC、Graphify、Caveman、claude-memは、合計で1,008,087のGitHubスターを集めています。同じタスク、非公開のテスト、ブラインド採点という条件で素のClaude Codeと直接比較したところ、5本のいずれも結果では上回りませんでした。ほとんどの実行で、時間もコストも余計にかかっています。あるジョブでは、プラグインを使った実行が$5.12、素の実行が$0.91で、どちらも同じテストに合格しました。

比較した対象

ここでいうプラグインとは、追加の指示、スキル、エージェント、ツールをClaude Codeに読み込ませるアドオンのことです。テストした5本は4つのグループに分かれます。

  • SuperpowersとECC:計画、ブレインストーミング、レビューの手順を課すワークフローキット
  • Graphify:コードベースをナレッジグラフ、つまりファイルや関数の関係を示す地図に変換するツール
  • Caveman:Claudeに切り詰めた短い言葉で答えさせるトークン節約ツール
  • claude-mem:セッションをまたいで情報を引き継ぐためのメモリー層

いずれも放置されたプロジェクトではありません。Superpowers(318.1Kスター)とECC(303.8K)はGitHubの全リポジトリの中で14位と15位に入り、255.8KのLinuxを上回っています。5本を合わせると、前月だけで8万を超えるスターを増やしました。

テストスイートは、6種類の作業とWebサイト一式の構築を対象にしました。

  • 小さな機能追加:Starletteのすべてのリクエストとレスポンスに、リクエストIDのタグを付ける
  • HTTPXのセキュリティ修正:リダイレクト時にログイントークンが第三者に漏れていた問題
  • Textualで作る、ターミナル用の在庫インポートアプリ
  • デバッグ、設計上のトレードオフ、コードレビューに関する開発者向けの質問20問
  • 1,500ファイルを超えるオープンソースプロジェクトについての、アーキテクチャの質問12問
  • メモリーの確認:1日目に与えたルールを、3日目の3回目のセッションで改めて尋ねる
  • Airbnb風の、休暇用キャビンの予約サイト一式

回答はSol 6.1モデルがブラインドで採点し、Sonnet 5.5が5問ごとに抜き取りで確認しました。

プラグイン別の結果

Superpowers

Superpowersは、コードを書く前にClaudeにシニアエンジニアのように計画を立てさせる、完全なソフトウェア開発手法だと自らを説明しています。3つのコーディングジョブでは、どちらの構成も100点満点中100点でした。

タスク 素のClaude Code Superpowers
ジョブ1、Starletteの機能追加 $0.55、4.0分 $1.61、11.5分
ジョブ2、HTTPXの修正 $0.32、7.6分 $0.37、5.1分
ジョブ3、Textualアプリ $0.91、4.7分 $2.33、14.5分
キャビン予約サイト $2.84、14分 $5.15、26分

Superpowersは2つ目のジョブを早く終えましたが、それでもコストは高くつきました。これは傾向というより、単発の例とみられます。Webサイト構築ではコストが81%高く、完成した2つのサイトはインターフェースもユーザーフローもほぼ同一でした。

ECC

ECCはコーディングエージェント向けのオペレーティングシステムを名乗り、72のエージェント、327のスキル、98のレガシーコマンドシムをうたっています。この量は、作業が始まる前から代償を伴います。素のClaude Codeが起動時に使ったコンテキストは23.8kトークンでした。トークンはモデルが読み書きするテキストの単位で、料金を左右します。ECCを入れると起動時のコンテキストは52.8kトークンに増え、プロンプトを1つも送らないうちに約29,000トークンが上乗せされます。

スタートラインに立つ2人のランナー。1人は軽いポーチを身に着け、もう1人は道具を詰め込みすぎたバックパックの重みで前かがみになっている

▲ 重いキットの有無による起動時コンテキスト負荷

タスク 素のClaude Code ECC
ジョブ1 $0.55、4.0分 $2.93、13.7分
ジョブ2 $0.55、4.1分 $1.22、6.5分
ジョブ3 $0.91、4.7分 $5.12、28.7分

各行は、プラグインと、その比較対象になったベースラインを組にしたものです。2つ目のジョブについて報告された素の数値は、Superpowersとの比較とECCとの比較で異なります。3つ目のジョブでは、素のClaude Code、Superpowers、ECCのすべてが、同じ89件の非公開ユニットテストに合格しました。ECCでのWebサイト構築は$8.66、39分で、素の実行は$2.84、14分でした。

Caveman

Cavemanのドキュメントは、入力トークンが33.2%減ること、同じスコアのまま実行コストが54%安くなること、全体のコストが1.4倍から2.4倍削減されることをうたっています。テストでは、開発者向けの質問20問で3つの構成を比べました。素のClaude Code、Cavemanを入れたClaude Code、そしてCLAUDE.mdに1文を足した素のClaude Codeです。CLAUDE.mdは、Claude Codeが起動時に読み込むプロジェクトの指示ファイルです。足した1文は「Answer concisely.」(簡潔に答えること)でした。

構成 1回答あたりのコスト 品質スコア
素のClaude Code $0.152 94.3
Caveman $0.162 94.1
CLAUDE.mdに「Answer concisely」を追加 $0.117 93.1

Cavemanは3つの中で最も高く、素の構成を8%上回りました。回答の語数は約5%減りましたが、動作ルールの読み込みに使うトークンがその節約分を上回りました。1行の指示は、プラグインを一切使わずにコストを23%下げています。

Graphify

Graphifyは、力任せのテキスト検索をナレッジグラフに置き換えることで、エージェントのトークン消費を80%削減するとうたっています。1,500ファイルのリポジトリで、12問の質問と2つのコーディングタスクを2回実行したところ、数値は逆の方向に動きました。

指標 素のClaude Code Graphify
質問1問あたりの読み込みトークン 258k 288k(+12%)
回答スコア 93.0 89.1
セッションあたりのコスト $4.62 $5.74(+24%)
セッションの所要時間 12.7分 16.5分(+30%)

claude-mem

claude-memは、セッションが変わると記憶を失う問題への特効薬として売り出されています。3回のセッションにまたがる3つのシナリオで、素のClaude Codeとclaude-memはどちらも想起のスコアが1.00で、1日目に決めたルールをすべて覚えていました。セッションのコストは素の構成が$5.50、プラグインありが$5.54でした。Claude Codeに組み込まれたバックグラウンドワーカーと自動のセッションノートが、同じ役割をカバーしているとみられます。

追加の構造が見合わなくなった理由

こうした結果の説明として有力なのは、モデルの進歩です。これらのプラグインが形になったのは、Sonnet 3.5やOpus 4といったモデルでワークフローを回していた時期で、当時のモデルには厳格なルール、強制的な計画、あらかじめ作ったコードベースの地図が役立ちました。Opus 4.6、Opus 5.5、Fable 5.2といった現在のモデルは、そうした手順を自力で推論します。すると、強制的なブレインストーミングや確認の質問は同じ作業の繰り返しになり、読み込まれたルールの一つひとつがコンテキストを占有してトークンを消費します。Graphifyのテストでは、単純なテキスト検索(grep)のほうがグラフより速く、正確でもありました。

Anthropicのエンジニアも同様の助言をしています。複雑なスキルや強い調子のCLAUDE.mdの指示は削除し、足場は最小限で整理された状態に保つ、というものです。

だからといって、プラグインの出来が悪いわけではありません。作者たちは以前のモデルの限界に合わせて有用なツールを作りましたが、モデルのほうがアドオンより速く変わったのです。スター数は、現在の性能よりも、かつての有用さと現在の注目度を記録しているようです。プラグインはオープンソースなので、開発者が直接編集して、現在のモデルにはもう要らない指示を取り除くこともできます。

何を残すかの決め方

テストからは、単純な目安が見えてきます。プラグインが居場所を得るのは、Claudeにない能力を与える場合であって、Claudeのコーディング全般を良くすると約束する場合ではありません。次のような場合は、素のClaude Codeのほうが良い選択です。

  • モデルがすでに行っている計画、レビュー、メモリーの動作を、プラグインが言い直している
  • タスクに関係なく、起動時に数千トークンの指示を読み込む
  • 利点の根拠が、自分の作業で確かめていない公表値や人気にある

次の3つの手順で実践できます。

  1. 棚卸しする。 組み込みの/doctorコマンドを実行するか、Claudeに普通の言葉で頼んで、すべてのスキルとプラグインを一覧にし、過去90日間使っていないものに印を付けて削除させます。
  2. 厳選する。 Claudeにない固有の能力を加えるツールだけを残します。
  3. 導入前にテストする。 同じタスクをプラグインありとなしで実行し、/costコマンドでトークン消費と時間を比べたうえで、出力の品質を比べます。

使っていないツールモジュールを箱に詰める人物。作業台には3つのツールが残り、そばにストップウォッチと硬貨が置かれている

▲ 役に立つツールだけに絞り込んだ構成

まとめ

今回の一連のテストでは、人気のプラグイン5本のうち品質で素のClaude Codeを上回ったものは1本もなく、重いキットはコストと時間を何倍にも増やしました。あるジョブではコストがおよそ5倍に達し、テスト結果は同じでした。CLAUDE.mdの1行のほうが、トークン節約専用のプラグインより多く節約できています。これらの数値は1つのテストスイートから得たものなので、普遍的な結論ではなく、自分で計測する理由として受け取るべきものです。構成を棚卸しし、モデルが今では自力でこなすものは外し、どのアドオンも信頼する前に、自分のタスクで素の実行と比べて確かめてください。